You are on page 1of 26

Matriz de Transicin Condicional de los Crditos

del Sector No Financiero para Uruguay y sus


Ventajas frente al Clculo Incondicional*
Mara Sofa Larralde
Cecilia Real
Sara Viana

Resumen
El objetivo de este trabajo es estudiar las ventajas de utilizar una matriz de transicin de calificaciones
de riesgo condicionada al ciclo de crdito versus utilizar una matriz incondicional. Se trabaj con
datos trimestrales del sistema financiero uruguayo durante el perodo1999-2009. En primer lugar, se
cre un ndice del ciclo de crdito a partir de la relacin existente entre la morosidad y ciertas variables
macroeconmicas. Luego, se condicion la matriz de transicin de crditos al sector no financiero.
Por ltimo, se compararon los resultados con aquellos obtenidos de la matriz de transicin incondicional. Como conclusin, se destaca que el ndice de ciclo de crdito estimado es una adecuada
aproximacin a la morosidad del sector no financiero. Adems, ste presenta una correlacin significativa con las calificaciones de riesgo de la matriz de transicin. Con la estimacin de la matriz de
transicin condicionada al ndice de ciclo de crdito se obtuvieron mejores resultados para proyectar
que con la matriz de transicin promedio. Finalmente, si se analizan los resultados de las predicciones
para la matriz condicionada de acuerdo a los estados de la economa, se observa que, en promedio,
la prediccin es ms precisa en escenarios favorables que en escenarios de crisis.

The goal of this paper is to study the advantages of using a rating transition matrix conditioned on the
credit cycle versus using an unconditional matrix. We worked with quarterly data from the Financial
System in Uruguay during 1999-2009. First, we built an index of the credit cycle from the relationship
between defaulting and some macroeconomic variables. Then, we conditioned the transition matrix to
the non-financial sector. Finally, we compared these results with those from the unconditioned matrix.
As a conclusion, we find that the estimated credit cycle index is an adequate approximation for the
default level of the non-financial sector. Also, it has a significant correlation with the ratings of the
transition matrix. With the estimation of the conditioned matrix we obtained better results than those
from the average transition matrix. Moreover, by studying the results from using the matrix that is conditioned to the states of the economy, we observe that, on average, the prediction is more precise in
good periods than in periods of crisis.
* Documento basado en el trabajo monogrfico para obtener el ttulo de Master en Finanzas de la Universidad de Montevideo.
Los autores agradecen al tutor, Daniel Fernndez, por su constante dedicacin y los aportes recibidos, los que han permitido
enriquecer el presente trabajo. Asimismo hacen extensivo el reconocimiento al Dr. Fernando Borraz por la colaboracin prestada a lo largo del trabajo.

UM-revista_FCEE11-16marzo_ver1.indd 99

Revista de Ciencias Empresariales y Economa

Abstract

99

16/03/2011 16:53:23

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

I. INTRODUCCIN
Este trabajo tiene como fin analizar las ventajas que pueda tener condicionar la matriz de transicin
de las calificaciones de riesgos a los cambios del ciclo de crdito frente a la estimacin de dicha matriz
a partir de un modelo incondicional. La idea central consiste en crear un modelo que, con el menor
nmero de parmetros, logre incorporar la dinmica del ciclo de crdito a la matriz de transicin.
Dicha tcnica mejora la precisin de la estimacin de previsiones de los bancos, dado que no se basa
nicamente en estimaciones histricas, sino tambin en las proyecciones del ciclo econmico.
En los ltimos aos las calificadoras de riesgo han desarrollado modelos de riesgo de crdito para
medir las prdidas de crdito esperadas. En estos modelos la matriz de transicin desempea un
papel fundamental.
En el presente estudio, se realiz la estimacin de la matriz de transicin condicional de los crditos
del sector no financiero en Uruguay, para el perodo 1999 2009. Este trabajo, por ser de los primeros en analizar la matriz de transicin condicional en Uruguay, podr ser un aporte importante dado
el nuevo marco regulatorio de Basilea II.
Adicionalmente, la estimacin de la matriz de transicin condicional permitir analizar las ventajas
frente a la matriz incondicionada. A partir de este anlisis se espera lograr avances sustanciales en la
estimacin de las matrices de transicin que a su vez permitan mejorar la administracin del riesgo
de crdito por parte de las instituciones bancarias as como de las instituciones encargadas de la
supervisin de las mismas.
El trabajo se organizar de la siguiente forma: en el captulo II se har una breve descripcin del
marco terico en el cual se inserta el presente documento y se presentarn algunas definiciones de
los conceptos utilizados. En el captulo III se presentar la construccin del modelo para la estimacin
del ndice de ciclo de crdito y las series utilizadas; luego en el captulo IV se condicionar la matriz de
transicin al ndice de ciclo de crdito obtenido en el capitulo anterior y se comparar con el modelo
incondicionado. Por ltimo, en los captulos V y VI se presentarn las conclusiones obtenidas y las
limitaciones encontradas, respectivamente.

II. MARCO TERICO


1 - Definicin de Riesgo de Crdito

Revista de Ciencias Empresariales y Economa

Riesgo de crdito1 puede definirse como la afectacin potencial de las ganancias o el patrimonio ocasionada por el hecho de que un deudor o contraparte incumpla con sus obligaciones de acuerdo con
los trminos establecidos. En consecuencia, dicho riesgo se encuentra en todas las actividades donde
el xito de la misma depende del comportamiento de una contraparte. El riesgo de crdito surge cada
vez que los fondos del banco se prestan, se invierten, o estn expuestos a acuerdos contractuales,
ya sea en operaciones dentro o fuera del balance (operaciones de cambio, derivados, portafolio de
inversiones, entre otras).
Asimismo, el riesgo de crdito incluye las actividades de crdito que se realizan con otras instituciones
financieras, como pueden ser: lneas de crdito (prstamos, depsitos u operaciones de comercio
exterior), posiciones en valores emitidos por dichas instituciones financieras o posiciones tomadas
por el banco en valores pblicos o privados emitidos por terceros (riesgo del emisor). Por lo tanto, el
riesgo de crdito abarca tanto el riesgo de incumplimiento como riesgo de mercado.
En este contexto, las instituciones financieras deben realizar un anlisis de crdito tanto a nivel de las
transacciones individuales como a nivel de todo el portafolio (Basilea 2000).
1. Basilea, 2009.

100

UM-revista_FCEE11-16marzo_ver1.indd 100

16/03/2011 16:53:23

Mara Sofa Larralde / Cecilia Real / Sara Viana

Los aspectos que se deben considerar dentro del anlisis de riesgo individual son:
La probabilidad de incumplimiento, que refiere a la frecuencia relativa con que la contraparte no
cumple con las obligaciones definidas contractualmente.
La tasa de recuperacin, que es la proporcin de deuda que puede ser recuperada una vez que
la contraparte ha cado en incumplimiento.
La migracin del crdito, que implica el grado en que la calidad o calificacin del crdito puede
mejorar o deteriorarse.
Los aspectos a tener en cuenta en lo que se refiere al riesgo de portafolio son:
La correlacin entre la probabilidad de incumplimiento y la calidad del crdito; esto es el grado
de asociacin que puede existir entre la calidad de un crdito y su probabilidad de incumplimiento, con respecto a la calidad y probabilidad de incumplimiento de otro crdito.
La concentracin de riesgo, la cual se refiere a la contribucin marginal de un activo crediticio
en el riesgo total del portafolio.
El riesgo de incumplimiento, o sea la incertidumbre sobre la capacidad de una contraparte de
cumplir con sus obligaciones una vez que ha asumido una deuda.

2 - Antecedentes
En los ltimos aos hubo un importante desarrollo en el rea de administracin de riesgo, principalmente en el mbito financiero internacional. Se han desarrollado diferentes metodologas con el
propsito de estimar la probabilidad de incumplimiento, entre las que podemos mencionar tcnicas
estadsticas y variadas, multivariadas, anlisis de modelos de clasificacin, rboles de decisin, modelos de eleccin cualitativa (PROBIT y LOGIT), el anlisis de la matriz de transicin, entre otros.
Edward Altman, prestigioso profesor de la Universidad de Nueva York, fue el pionero en la investigacin y prediccin de quiebras de empresas corporativas. Ya desde principios de la dcada de los
noventa seal que el prximo gran reto financiero sera la administracin del riesgo de crdito, que
consiste en medir, minimizar y prevenir las prdidas esperadas y no esperadas que surgen de actividades relacionadas con el otorgamiento de prstamos en general.

Sin embargo, el problema fundamental de las instituciones financieras es cunto capital asignar
como reserva en caso de quiebra, es decir, qu cantidad de capital se debe reservar para previsiones,
tanto en caso de que surjan prdidas esperadas como no esperadas. De esta forma, existe un trade
off entre riesgo y rendimiento que es necesario maximizar de forma tal de lograr un nivel de previsiones que minimice el riesgo y maximice el retorno.
A su vez, se ha dado un fuerte incremento del mercado de derivados por parte de las empresas financieras, a lo que se debe adicionar la incorporacin de nuevos instrumentos financieros crediticios, que
hizo que las empresas aumentaran el potencial de sus prstamos a niveles muy altos. Esto deriv en
que las entidades reguladoras comenzaran a buscar nuevos parmetros capaces de medir el riesgo
de incumplimiento y de imponer a las instituciones financieras procedimientos adecuados para su
autoproteccin.

Revista de Ciencias Empresariales y Economa

Desde los aos sesenta hasta mitad de la dcada pasada, las instituciones implementaron los modelos tradicionales de riesgo para predecir la quiebra de las empresas a partir de variables independientes que tuvieran relevancia a nivel estadstico.

101

UM-revista_FCEE11-16marzo_ver1.indd 101

16/03/2011 16:53:23

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

En 1988 surge el primer intento por lograr la convergencia hacia un estndar internacional de regulacin de capital, el Comit de Basilea I, en cooperacin con los bancos centrales de los pases del G-10.
El objetivo fundamental del mismo era determinar el capital mnimo que deba tener una entidad
bancaria en funcin de los riesgos que afrontaba. En otras palabras, se buscaba determinar el clculo
del capital econmico por riesgo de crdito para los sistemas bancarios de un gran nmero de pases.
Este acuerdo era una recomendacin para cualquier pas, el cual quedaba libre de incorporarlo en su
ordenamiento regulatorio con las modificaciones que considerase necesarias.

3 - Basilea II y algunos conceptos clave


La principal crtica al acuerdo de Basilea I fue su insensibilidad a las variaciones de riesgo ignorando
la calidad crediticia y, por lo tanto, la probabilidad de incumplimiento de los distintos deudores. Es
decir, consideraba que todos los crditos tenan la misma probabilidad de incumplimiento.
Por tal motivo, en el ao 2004 el Comit de Basilea propone un Nuevo Acuerdo de Capital basado
en tres pilares fundamentales para la regulacin del sistema bancario. El pilar 1 refiere a los requerimientos mnimos de capital para cubrir riesgo de mercado, crdito y operacional. El pilar 2 menciona
la supervisin bancaria, animando a los bancos a desarrollar mtodos internos para evaluar el capital
y establecer objetivos del mismo en lnea con el perfil de riesgo del banco y sus controles internos. El
pilar 3 trata de la disciplina de mercado que requiere que los bancos revelen su mtodo para calcular
proporciones de capital, evaluacin de riesgo y administracin de riesgo de crdito.
El objetivo de la medicin del riesgo de crdito es la estimacin de la distribucin de probabilidad de
prdidas, ya que a travs de sta se pueden determinar las prdidas esperadas y las no esperadas del
portafolio crediticio de una institucin financiera.
La prdida esperada de un portafolio de activos crediticios representa el monto de capital que podra
perder una institucin como resultado de la exposicin al riesgo de crdito para un horizonte de
tiempo dado. En cambio, las prdidas no esperadas son las resultantes de los cambios en la calidad
de las carteras de crdito.
El Comit de Basilea propone atender las prdidas inesperadas con capital regulatorio y las prdidas
esperadas con previsiones crediticias.
Otro elemento bsico del riesgo de crdito es la definicin de incumplimiento, insolvencia o default.
Segn el Nuevo Acuerdo de Capital, ocurre default cuando alguna de las siguientes condiciones se
verifica, en relacin a un deudor en particular:

Revista de Ciencias Empresariales y Economa

Cuando se determina que un deudor improbablemente pague sus obligaciones de deuda, en


cuanto al principal, intereses o gastos en su totalidad.
Un evento de prdida asociada con cualquier obligacin del deudor, tal como quita, previsin
especfica o reestructuracin que involucre quita o el aplazamiento del pago del principal, intereses o gastos.
El deudor presenta un atraso superior a los 90 das en cualquiera de sus obligaciones.
El deudor presenta una declaratoria de quiebra.

4 - Modelos para la medicin del riesgo de crdito


Los modelos para la medicin del riesgo de crdito se pueden clasificar de la siguiente forma: modelos cualitativos, modelos Credit Scoring y nuevos modelos.

102

UM-revista_FCEE11-16marzo_ver1.indd 102

16/03/2011 16:53:23

Mara Sofa Larralde / Cecilia Real / Sara Viana

Los modelos cualitativos se basan en el juicio de un experto que determina qu nivel de riesgo es
conveniente asumir y el precio adecuado para el mismo teniendo en cuenta las caractersticas especficas del deudor y aquellas que son propias del mercado. Estos modelos son tambin conocidos
como modelos expertos.
Los modelos Credit Scoring son modelos cuantitativos, los cuales a partir de determinadas caractersticas del deudor determinan un nivel de score que representa la probabilidad de default, pudiendo
asimismo agrupar a los deudores en diferentes categoras. Estos modelos presentan ciertas ventajas
sobre los anteriores como ser: determinar cules son los factores o caractersticas ms relevantes
para explicar el riesgo de default; establecer un grado de importancia de dichos factores, mejorar el
proceso para fijar el precio, dado el riesgo inherente, mejorar la asignacin de previsiones por incobrabilidad; y permitir descartar malos deudores.
A pesar de las ventajas anteriormente descriptas, tanto los modelos cualitativos como los cuantitativos han sido criticados por ser modelos empricos que no cuentan con un marco terico. Asimismo,
al basarse en informacin histrica y discreta no toman en cuenta las posibles variaciones que puedan tener los deudores en su comportamiento ni aquellas provenientes del mercado de acciones o de
deuda. Tambin se critica la linealidad que se asume en las variables explicativas, la cual no siempre
se cumple.
Dentro de los nuevos modelos para la medicin del riesgo de crdito se encuentran:
Modelo de spread de tasas de inters: este modelo se basa en la informacin actual de tasas que
ofrece el mercado, determinando el premio por riesgo de crdito y la probabilidad implcita de default. Para ello se consideran los spreads entre la estructura temporal de tasas libre de riesgo y la
estructura temporal de tasas definidas por el mercado para un deudor determinado.
Retorno de capital ajustado por riesgo (Raroc): Este modelo compara el retorno neto de un prstamo
(ingresos menos costos de financiamiento) con sus potenciales prdidas esperadas. Por lo tanto se
considera que un prstamo agrega valor cuando el Raroc obtenido supera el ROE (retorno del patrimonio) esperado por los accionistas.
Modelo de Merton: Este modelo se basa en el mercado de acciones para determinar el riesgo de
default. Existe una situacin de default cuando el valor de los activos de la firma es menor al valor
facial de la deuda.

CreditRisk+ es un ejemplo de modelo de impago en el que se parte de la idea de que los eventos
de incumplimiento de los diferentes deudores son eventos Bernoulli independientes; un deudor slo
puede estar en uno de dos estados: al da con sus obligaciones o en impago, por lo que las prdidas
que resulten slo se deben a los incumplimientos del deudor. La distribucin de prdidas que resultan del incumplimiento de los deudores de todo el portafolio se obtiene a travs de las funciones
generadoras de probabilidad (FGP). En una primera instancia, genera la FGP del nmero de incumplimientos y luego, haciendo un supuesto sobre el nivel de prdidas asociadas al incumplimiento de
cada deudor, obtiene la FGP de las prdidas que puede tener la cartera.
CreditMetrics: Este es un modelo de marcar a mercado que tiene como eje central la matriz de

Revista de Ciencias Empresariales y Economa

Modelo Expected Default Frequency (EDF): En este modelo, el riesgo de incumplimiento se determina
a partir de los activos de la firma, su volatilidad y el valor en libro de las obligaciones. Para determinar
el punto de default se toman en cuenta las obligaciones de la firma y el valor esperado de sus activos.
Cuando el valor de los activos es menor a un nivel determinado se entiende que la empresa ha cado
en default. Este modelo incorpora la estructura de financiamiento del deudor para la medicin del
riesgo de crdito.

103

UM-revista_FCEE11-16marzo_ver1.indd 103

16/03/2011 16:53:23

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

transicin asociada a un sistema de calificacin de crditos, que provee el mecanismo probabilstico


que modela la migracin de la calidad de los crditos. Es decir, este modelo considera, adems de
los impagos, las prdidas resultantes del cambio en el valor de los crditos debido a la migracin de
calidad de los mismos.
En trminos generales, los principales elementos que intervienen en CreditMetrics son: probabilidades de incumplimiento, patrones de migracin de los crditos a diferentes estados de calidad, umbrales que separan los diferentes niveles de calidad (en particular, el de incumplimiento), valor de
los crditos dependiendo de su calidad, tasa de recuperacin en caso de incumplimiento y medidas
de riesgo. Tambin es fundamental la informacin de mercado (precios de instrumentos de deuda e
indicadores de su calidad) e informacin generada internamente por las instituciones.
Las mayores diferencias entre estos dos ltimos modelos, CreditRisk+ y CreditMetrics, se deben a la
forma en que conjugan los diferentes elementos del riesgo de crdito para obtener la distribucin
de probabilidades de prdidas -- en CreditMetrics el valor presente del portafolio no se distribuye
Normal.
Otra clasificacin existente y que se aplica mucho al presente trabajo, es la que se realiza dependiendo si el modelo se condiciona o no al ciclo econmico: enfoque through the cycle (modelo
incondicionado) y enfoque point in time (modelo condicionado). El primer modelo mide el riesgo
de crdito sin considerar el ciclo econmico, obteniendo de esta forma calificaciones de crdito
muy estables en el tiempo. Estos modelos son usados por calificadoras de riesgo como Moodys y
Standard & Poors. El segundo enfoque en cambio, s considera el ciclo econmico y por tanto, las
calificaciones obtenidas son ms voltiles. Este enfoque es utilizado principalmente por bancos para
medir el riesgo de crdito en el corto plazo.
El principal problema que enfrenta una institucin para elegir la metodologa es la disponibilidad
y calidad de la informacin con la que cuenta. La falta de informacin para estimar los modelos de
riesgo de crdito se deriva de la poca frecuencia de los eventos de incumplimiento y de los horizontes
de largo plazo utilizados para su medicin. Por lo tanto, al especificar los parmetros de un modelo, los modelos de riesgo de crdito requieren el uso de supuestos para simplificar y representar la
informacin.
En general, la informacin que se requiere para estimar la probabilidad de incumplimiento refiere a
las caractersticas del crdito, del deudor, informacin del entorno econmico, garantas y experiencias de pago, entre otras.

5 - Matriz de transicin

Revista de Ciencias Empresariales y Economa

La matriz de transicin es una herramienta que permite determinar la probabilidad de que un crdito
con una calificacin determinada cambie de calificacin crediticia durante un perodo especfico, permitiendo, en el caso de una institucin financiera, estudiar el posible deterioro o mejora que pudiera
presentar su cartera de clientes en el futuro.
La utilizacin de las matrices de transicin como herramienta para la medicin del Riesgo de Crdito
comenz en 1997, cuando JP Morgan present su aplicacin en CreditMetrics. A partir de entonces,
debido a su fcil implementacin, se ha convertido en uno de los modelos ms utilizados para medir
mejoras o reducciones de las calificaciones de Riesgo de Crdito.
La probabilidad de transicin Pij se define como la posibilidad de que un deudor con una cierta calificacin crediticia i pueda migrar a otra calificacin crediticia j en un horizonte de tiempo dado. En
caso de que no exista migracin sucede que i es igual a j.

104

UM-revista_FCEE11-16marzo_ver1.indd 104

16/03/2011 16:53:23

Mara Sofa Larralde / Cecilia Real / Sara Viana

Las probabilidades de transicin permiten construir la matriz de transicin con i filas (calificacin
al inicio del perodo) y j columnas (calificacin al final del perodo). La interseccin de estas celdas
representa el porcentaje de calificaciones que se mantuvieron, aumentaron o disminuyeron en cada
escala. La diagonal de la matriz representa los porcentajes de calificaciones que mantuvieron la misma calificacin. Las celdas por debajo de la diagonal representan los porcentajes de calificaciones que
aumentaron la calificacin y las celdas por encima las que disminuyeron la calificacin.
Las matrices de transicin presentan las siguientes caractersticas:
Todos los elementos de la matriz son no negativos.
La suma de los elementos de cada fila es igual a uno.
La probabilidad que un crdito inicialmente calificado i mantenga su calificacin el siguiente
perodo debe ser mayor a las probabilidades que complementan la fila correspondiente.
La probabilidad de que los crditos migren a un estado inmediatamente inferior en calidad suele
ser ms alta que la probabilidad de que el mismo crdito migre a un estado superior.
Cuando se trabaja con matrices no condicionadas, se supone que estas probabilidades no dependen
del tiempo ni del ciclo econmico. Sin embargo, la realidad ha demostrado que esto no es as. Durante perodos de recesin econmica las probabilidades de default tienden a aumentar mientras que
en las etapas de auge o recuperacin, las probabilidades de default tienden a disminuir.
La metodologa utilizada en este trabajo para condicionar la matriz de transicin se bas en un
documento de RiskMetrics llamado A Way to Condition the Transition Matrix on Wind del autor
Jongwoo Kim (1997). Este autor tiene como objetivo obtener una matriz de transicin condicionada
a la dinmica del ciclo de crdito con el menor nmero de parmetros y de requerimientos de datos
que sea posible. En dicho trabajo, el estudio se realiza para analizar la transicin de las calificaciones
de riesgo en los bonos americanos.
Esta tcnica plantea la construccin de un ndice de ciclo de crdito estimado a travs de distintas variables macroeconmicas que refleja la situacin crediticia existente para todos los deudores durante
un determinado perodo.
Tambin plantea que los cambios de calificaciones reflejan de forma subyacente un indicador de
cambio de calificacin y si se asume que el mismo tiene una distribucin normal, es posible obtener
particiones de Yt a travs de la definicin de conjuntos de bins. Se define bin como el inverso de la
funcin normal estandarizada para las probabilidades acumuladas que marcan los umbrales entre
estar en una categora u otra para cada calificacin inicial de riesgo.

III. CONSTRUCCIN DEL MODELO


Para poder construir la matriz de transicin de las calificaciones de riesgo del sector no financiero
uruguayo condicionada al ciclo de crdito local, se estimar el ndice de ciclo de crdito.
Este ndice incorporar la informacin macroeconmica ms relevante as como series financieras, de
forma tal que el mismo sea representativo del ciclo de crdito.

Revista de Ciencias Empresariales y Economa

De esta forma, luego de calcular un ndice del ciclo de crdito y los bins del indicador de cambio de
calificacin se obtiene la matriz de transicin condicionada al ciclo econmico y se concluye su ventaja frente a la matriz incondicional.

105

UM-revista_FCEE11-16marzo_ver1.indd 105

16/03/2011 16:53:23

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

En el siguiente captulo se trabajar con el ndice estimado para condicionar la matriz de transicin al
ndice del ciclo de crdito obtenido.

1 - Creacin del ndice del Ciclo de Crdito


Como forma de simplificar el anlisis del ndice del ciclo de crdito (en adelante ICC), se define al
mismo como el porcentaje de morosidad existente en el sistema financiero privado respecto al total
de crditos. A su vez, con el fin de lograr que ICCt tenga distribucin normal, se aplicar la transformacin de la distribucin normal estandarizada:

(1)

Siendo:
morosidadt = porcentaje de crditos vencidos sobre el total de crditos del sistema no financiero
uruguayo en el perodo t.
y

= media histrica y desviacin estndar de la morosidad respectivamente.

ICCt puede tomar distintos valores:


ICCt > 0 representa el ciclo de crdito cuando la economa se encuentra en perodos desfavorables, y por tanto se incrementa la probabilidad de aumentar la morosidad.
ICCt < 0 representa el ciclo de crdito cuando la economa se encuentra en perodos favorables,
y por tanto disminuye la probabilidad de aumentar la morosidad.

2 - Estimacin de la morosidad
Para estimar la morosidad se utiliza un modelo Tobit que analiza la relacin de esta variable con las
variables macroeconmicas consideradas ms relevantes para tal fin.
El modelo Tobit es un modelo economtrico propuesto por Tobin (1958) para describir la relacin entre una variable dependiente y variables independientes y variables independientes . Este modelo
supone que existe una variable latente (no observable) que se denomina que depende linealmente
de a travs de un parmetro (vector) que determina la relacin entre la variable independiente (o
vector) y la variable latente . Otro aspecto importante es que los errores siguen una distribucin
normal.

Revista de Ciencias Empresariales y Economa

La variable observable se define igual a la variable latente cada vez que se encuentra por encima
de cero y cero en caso contrario.

Donde

es una variable latente

El modelo Tobit es un caso especial de modelo de regresin censurada ya que la variable latente
no siempre puede ser observada mientras que la variable independiente es observable. Uno de los
resultados del modelo es cuando es censurada arriba y abajo al mismo tiempo.

106

UM-revista_FCEE11-16marzo_ver1.indd 106

16/03/2011 16:53:23

Mara Sofa Larralde / Cecilia Real / Sara Viana

Dado que la estimacin de la variable morosidad debe encontrarse entre 0 y 1, se utiliza el modelo
Tobit ya que permite truncar las estimaciones en el tramo deseado.

(2)

Siendo:
= set de series macroeconmicas y financieras en el perodo de t-1
= error perodo t

3 - Variables del Modelo y correlacin


Variable Dependiente:
Morosidad: La estimacin de la morosidad se obtiene del Banco Central del Uruguay de forma trimestral para el periodo 1999:4 a 2009:3.
La morosidad se define como el cociente entre los crditos vencidos al sector no financiero privado
(CSNF) y el total de crditos (vigentes y vencidos) otorgados por bancos privados. Cabe destacar que
el ratio de morosidad elaborado incluye crditos en moneda nacional y en moneda extranjera.
Los crditos vencidos incluyen las colocaciones vencidas, crditos en gestin y crditos morosos, que
son aquellos con atrasos mayores o iguales a 60 das y menores a 2 aos.
Variables Independientes:
Para estimar el modelo se investigaron diversas series macroeconmicas que podran afectar la probabilidad de que los deudores migren de una calificacin a otra.
Como variables independientes (variables explicativas) se analizaron:
Tasa de inters activa promedio en moneda nacional (en adelante TMN)
Tasa de inters activa promedio en moneda extranjera (en adelante TME)
Variacin del ndice de Precios al Consumo (en adelante IPC)
Variacin del Producto Interno Bruto (en adelante PIB)
Variacin de ndice Medio de Salarios (en adelante IMS)
Variacin del ndice de Desempleo (en adelante DESEMP)
Variacin de la Depreciacin Real (en adelante DEPREC REAL)
Variacin de los Crditos Totales al Sector no Financiero Privado (CNSF)
Las variables fueron analizadas de forma trimestral y en el mismo perodo que la morosidad. En caso
de disponer de informacin mensual se realiz un promedio simple de los 3 meses correspondientes
a cada perodo.

Revista de Ciencias Empresariales y Economa

Variacin del ndice de Riesgo Pas (en adelante UBI)

107

UM-revista_FCEE11-16marzo_ver1.indd 107

16/03/2011 16:53:23

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

Dado el fuerte impacto que tuvo la crisis financiera de 2002 en Uruguay se consider relevante la inclusin en el modelo de una variable Dummy de cambio de nivel. Para esto se probaron tres Dummy
diferentes en el modelo para ver cual se ajustaba ms: Dummy 85, Dummy 80 y Dummy 75. Las tres
series comienzan en el tercer trimestre de 2002 con valor 1, pero luego se aplican distintos factores
de ajuste a cada una, 0.85, 0.80 y 0.75 respectivamente, hasta que termina la serie. Los factores de
ajuste hacen que la serie vaya disminuyendo de valor en todos los casos tendiendo a cero pero con
diferente velocidad de acuerdo al factor de ajuste considerado.
Cuadro 1 Variables

Revista de Ciencias Empresariales y Economa

Para el estudio de las series en primer lugar se realiz un anlisis grfico del comportamiento de las
mismas respecto a la morosidad.

108

UM-revista_FCEE11-16marzo_ver1.indd 108

16/03/2011 16:53:24

Mara Sofa Larralde / Cecilia Real / Sara Viana

Grfico1: Morosidad vs Series Macroeconmicas


TMN

0.06
0.04
0.02

0.00

IMS
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
-0.01
-0.02

0.20
0.15
0.10
0.05
0.00
-0.05
-0.10
-0.15
-0.20

Tr
im
Tr IV
im 1
9
Tr IV 99
im 2
Tr IV 000
im 2
Tr IV 001
im 2
Tr IV 002
im 2
Tr IV 003
im 2
0
Tr IV 04
im 2
0
Tr IV 05
im 2
Tr IV 006
im 2
IV 007
20
08

Tr
im
Tr IV
im 1
Tr IV 999
im 2
Tr IV 000
im 2
Tr IV 001
im 2
Tr IV 002
im 2
Tr IV 003
im 2
Tr IV 004
im 2
Tr IV 005
im 2
Tr IV 006
im 2
IV 007
20
08

MOR

PBI

0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

PIB

6.00
5.00
4.00
3.00
2.00
1.00
0.00
-1.00
-2.00
-3.00
-4.00
-5.00

CNSF

MOR

0.20
0.18
0.16
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00

DESEMP

CSNF

0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

99 00 01 02 03 04 05 06 07 08
19 20 20 20 20 20 20 20 20 20
IV IV IV IV IV IV IV IV IV IV
im im im im im im im im im im
Tr Tr Tr Tr Tr Tr Tr Tr Tr Tr

Revista de Ciencias Empresariales y Economa

MOR

0.04
0.02

0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

DESEMP

99 00 01 02 03 04 05 06 07 08
19 20 20 20 20 20 20 20 20 20
IV IV IV IV IV IV IV IV IV IV
im im im im im im im im im im
Tr Tr Tr Tr Tr Tr Tr Tr Tr Tr

MOR

0.06

Tr
im
Tr IV
im 1
Tr IV 999
im 2
Tr IV 000
im 2
Tr IV 001
im 2
Tr IV 002
im 2
Tr IV 003
im 2
Tr IV 004
im 2
Tr IV 005
im 2
Tr IV 006
im 2
IV 007
20
08

0.00

MOR

0.08

IMS

0.08

MOR

0.10

MOR

0.12
0.10

Tr
im
Tr IV
im 1
Tr IV 999
im 2
Tr IV 000
im 2
Tr IV 001
im 2
Tr IV 002
im 2
Tr IV 003
im 2
Tr IV 004
im 2
Tr IV 005
im 2
Tr IV 006
im 2
IV 007
20
08

Tr
im
Tr IV
im 1
9
Tr IV 99
i m 20
Tr IV 00
im 2
0
Tr IV 01
im 2
0
Tr IV 02
im 2
0
Tr IV 03
im 2
0
Tr IV 04
im 2
0
Tr IV 05
im 2
0
Tr IV 06
im 2
IV 007
20
08

0.12

0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

0.14

MOR

0.14

IPC

MOR

IPC

0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

TME

0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

TME

MOR

MOR

MOR
1.80
1.60
1.40
1.20
1.00
0.80
0.60
0.40
0.20
0.00

TMN

MOR

MOR
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

109

UM-revista_FCEE11-16marzo_ver1.indd 109

16/03/2011 16:53:24

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

A partir de los grficos presentados, podemos concluir que las tasas en moneda nacional y extranjera
y el IPC presentan un comportamiento similar al de la morosidad, es decir, en momentos en que las
variables aumentan o disminuyen, la morosidad se mueve en el mismo sentido. Tambin se puede
concluir que el PIB (adems de la depreciacin real, no mostrada) presentan una relacin inversa.
Sin embargo, grficamente no se puede concluir ninguna relacin entre las variables IMS, CSNF y
desempleo (adems de la variable UBI, no mostrada) respecto al ndice de morosidad.
En segundo lugar, se construy una matriz de correlacin entre las variables con el fin de determinar
las correlaciones existentes entre las mismas.
Cuadro 2 - Matriz de correlacin
MOR
D(TMN)
D(TME)
IPC
PIB
UBI
D(IMS)
D(DESEMP)
DEPRECREAL
CSNF

MOR

1.00
-0.33
-0.25
0.47
-0.37
-0.04
0.05
-0.04
0.43
-0.79

D(TMN)

-0.33
1.00
0.61
0.42
-0.38
0.64
-0.02
0.45
0.27
0.05

D(TME)

-0.25
0.61
1.00
0.41
-0.30
0.58
0.02
0.48
0.10
0.04

IPC

0.47
0.42
0.41
1.00
-0.35
0.42
0.17
0.45
0.39
-0.52

PIB

-0.37
-0.38
-0.30
-0.35
1.00
-0.31
0.01
-0.43
-0.73
0.38

UBI

-0.04
0.64
0.58
0.42
-0.31
1.00
0.11
0.32
0.32
-0.17

D(IMS)

0.05
-0.02
0.02
0.17
0.01
0.11
1.00
0.24
-0.03
-0.06

D(DESEMP) DEPRECREAL

-0.04
0.45
0.48
0.45
-0.43
0.32
0.24
1.00
0.28
-0.13

0.43
0.27
0.10
0.39
-0.73
0.32
-0.03
0.28
1.00
-0.49

CSNF

-0.79
0.05
0.04
-0.52
0.38
-0.17
-0.06
-0.13
-0.49
1.00

En la matriz de correlacin se observa que existe una correlacin positiva entre las tasas en moneda
nacional y moneda extranjera, y a su vez de ambas con el UBI. Por otro lado se puede afirmar que
existe una fuerte correlacin negativa entre el CSNF y la morosidad y entre el PIB y la depreciacin
real. Debido a la existencia de estas correlaciones, en el momento de determinar cules son las variables que explican de mayor forma la morosidad, es necesario tener en cuenta estas conclusiones de
forma de no generar un efecto de multicolinealidad entre las variables.

4 - Anlisis de las series


Para poder plantear un modelo Tobit donde la morosidad sea estimada a partir de una combinacin
lineal de determinadas variables, es necesario que las mismas tengan el mismo orden de integracin
para demostrar la relacin de largo plazo que tienen las variables consideradas.
El concepto de integracin supone que existe una relacin de equilibrio entre las variables no estacionarias, por lo cual los desequilibrios que se presenten son slo de corto plazo.
El estudio de integracin de cada una de las variables se realizar a partir de la prueba Augmented
Dickey-Fller (ADF), con el criterio de Schwarz, dado que se tratan de muestras pequeas.

Revista de Ciencias Empresariales y Economa

Las hiptesis que se plantean en estas pruebas son:


Ho) La serie es no estacionaria
Ha) La serie es estacionaria
Por lo tanto, si se rechaza Ho) las series son integradas de orden cero, I(0).
Cabe destacar, que se rechaza Ho) si |valor ADF| > |Valor crtico del test ADF|, utilizando como
referencia un nivel de significacin del 5%.
Por otra parte, la prueba de las series se comienza estudiando con constante y tendencia; si no se

110

UM-revista_FCEE11-16marzo_ver1.indd 110

16/03/2011 16:53:24

Mara Sofa Larralde / Cecilia Real / Sara Viana

rechaza Ho), se prueba slo con constante y si nuevamente no se rechaza la hiptesis nula se realiza
la prueba sin constante ni tendencia. En caso de rechazar la hiptesis nula en las tres situaciones
mencionadas, se procede de igual forma pero con la variable original en primera diferencia.
Con las variables que no son I(0) se trabaja con su primera diferencia de forma de obtener el mismo
grado de integracin para todas las variables y poder concluir si todas tienen una relacin de cointegracin en el largo plazo.
Luego de realizar los Test ADF para todas las variables se obtuvo que las variables MOR, IPC, UBI y
CSNF son integradas de orden cero, mientras que las variables TMN, TME, PIB, IMS, DESEMP y DEPRECREAL son integradas de orden uno.
Cuadro 3 - Resultados de los Test ADF
Variable
MOR
TMN
TME
IPC
PIB
UBI
IMS
DESEMP
DEPREC REAL
CSNF

Constant, Linear Trend


ADF
5%
-2.99
-3.52
-3.52
-3.19
-3.24
-3.52
-3.56
-3.52
-2.10
-3.52
-3.96
-3.52
-2.75
-3.53
-2.30
-3.52
-3.42
-3.52
-2.34
-3.52

Level
Constant
ADF
5%
-2.61
-2.94
-2.60
-2.94
-1.22
-2.94
-2.93
-1.74
-1.06
-2.94
-0.27
-2.93
-2.94
-1.23
-2.93
-2.22

None
ADF
-1.97
-1.53
-1.38
-1.62
0.24
-0.70
-1.38
-2.25

5%
-1.95
-1.95
-1.95
-1.95
-1.95
-1.95
-1.95
-1.95

Constant, Linear Trend


ADF
5%
-3.09
-3.52
-3.59
-3.52
-6.11
-3.52
-10.59
-3.53
-6.19
-3.52
-5.10
-3.53
-

1st diference
Constant
ADF
5%
-3.12
-2.94
-

None
ADF
-

5%
-

Nivel de
Integracin
I(0)
I(1)
I(1)
I(0)
I(1)
I(0)
I(1)
I(1)
I(1)
I(0)

Dado que el anlisis del orden de integracin de las variables se realiz con una muestra chica (desde
el IV trimestre de 1999 hasta el III trimestre del 2009), aquellas variables que resultaron con un orden de integracin de uno, fueron testeadas con un mayor nmero de observaciones. En este caso,
las variables PIB y DEPREC REAL (recuerden, definidas como sus variaciones) mostraron un orden de
integracin de cero, por lo que, para la estimacin del modelo se trabaj con este ltimo resultado,
es decir, con la propia serie y no en diferencias.

5 - Estimacin del ndice del Ciclo de Crdito - Modelo Tobit


Para este anlisis se utilizarn los mtodos de estimacin de parmetros en sistemas cointegrados de
acuerdo con el enfoque de Engle-Granger.

El modelo obtenido fue el resultado de sucesivos test con diferentes modelos con el fin de obtener
aquel que explicara de mejor forma la morosidad utilizando como criterios de seleccin la significacin de las variables y del modelo, que los residuos obtenidos fueran ruido blanco, y el menor resultado del estadstico Schwarz.
El modelo que logr explicar mejor la morosidad fue2:

2. En el anexo I no publicado se encuentran las salidas en e-views del modelo seleccionado; los interesados en obtener dicha
informacin pueden solicitarla al editor de la revista.

UM-revista_FCEE11-16marzo_ver1.indd 111

Revista de Ciencias Empresariales y Economa

En el momento de decidir qu variables podran utilizarse se consider el anlisis de grficos expuesto


anteriormente as como tambin el estudio de la correlacin existente entre las variables. La variable
UBI, por estar altamente correlacionada con ambas tasas, no fue incluida. De la misma forma, la
fuerte correlacin existente entre DEPREC REAL y PIB hizo que solo fuera incluida esta ltima. Cabe
aclarar que el hecho de no agregar estas variables al modelo no significa que las mismas no expliquen
la morosidad, sino que su efecto puede ser representado por las variables s incluidas.

111

16/03/2011 16:53:24

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

Es decir que el modelo qued conformado por una constante y cinco variables: tasa en moneda
extranjera, tasa en moneda nacional, producto bruto interno, crdito al sector no financiero y una
Dummy con factor de ajuste 0,85.
Grfico 2: Morosidad Real vs. Estimada
Morosidad Real vs Estimada
0.50
0.45
0.40

MOR Estimada

0.35

MOR Real

0.30
0.25
0.20
0.15
0.10
0.05
Trim III Trim III Trim III Trim III Trim III
1999
2000
2001
2002
2003

Trim III Trim III Trim III Trim III Trim III Trim III
2004
2005
2006
2007
2008
2009

En el grfico se observa que la morosidad estimada se comporta de forma muy similar a la real.
Luego de la estimacin de la morosidad, se procedi a la estandarizacin de la serie estimada (frmula (1)), obteniendo de esta forma un ndice del Ciclo de Crdito (ICCt) con distribucin normal.

IV. MATRIZ DE TRANSICIN CONDICIONADA


1 - Base de datos
La matriz de transicin fue construida en funcin de informacin trimestral agregada de los deudores
del sector no financiero del total de bancos en Uruguay para el ltimo trimestre de 1999 al tercer
trimestre de 2009. Para la elaboracin de la matriz de transicin se tom en cuenta el porcentaje de
cantidad de crditos por calificacin al inicio del trimestre versus el final del mismo.
Dado que en el perodo estudiado existi un cambio en el criterio de clasificacin de riesgo de los
deudores (1 de abril de 2006), se opt por reclasificar las calificaciones de las matrices posteriores a
este cambio de forma que fueran comparables con las matrices previas a esa fecha. A tal fin se sigui
el criterio de das de vencimiento para agrupar las nuevas categoras3.

Revista de Ciencias Empresariales y Economa

Previo al 1 de abril de 2006 las categoras definidas por el Banco Central del Uruguay para los deudores del sector no financiero eran:

112

1 Deudores de riesgo normal


2 Deudores de riesgo potencial
3 Deudores de riesgo real
4 Deudores de alto riesgo
5 Deudores irrecuperables
A partir del 1 de abril del 2006 las categoras definidas por el Banco Central del Uruguay (BCU) para
los deudores del sector no financiero son:
1A Operaciones con garantas autoliquidables admitidas.
1C Deudores con capacidad de pago fuertes
3. En el anexo II no publicado se encuentra la descripcin de las clasificaciones de riesgo de los deudores del SNF; este anexo
puede ser enviado a los interesados solicitndolo al editor.

UM-revista_FCEE11-16marzo_ver1.indd 112

16/03/2011 16:53:24

Mara Sofa Larralde / Cecilia Real / Sara Viana

2A Deudores con capacidad de pago adecuada


2B Deudores con capacidad de pago con problemas potenciales
3 Deudores con capacidad de pago comprometida
4 Deudores con capacidad de pago muy comprometida
5 Deudores irrecuperables
De esta forma, siguiendo el criterio mencionado de das de vencido, las categoras 1A, 1C y 2A se
unificaron en una categora llamada 1 y la categora 2B se denomin 2. En definitiva, la matriz de
transicin utilizada se conform por 5 categoras4.

2 - Anlisis de las matrices de transicin histricas


Con el fin de analizar las matrices de transicin histricas se construyeron algunas medidas descriptivas que permiten visualizar ciertas caractersticas de las mismas y su vinculacin con el ndice de ciclo
de crdito. Para ello se analizarn: el ratio de permanencia de cantidad de crditos por trimestre y el
ndice de Herfindahl-Hirschman

A - Ratio Permanencia de Crditos


Para evaluar la permanencia de crditos por categoras se calcul el Ratio de Permanencia de Crdito definido como la cantidad de crditos al final del trimestre sobre la cantidad de crditos al inicio
del mismo, segn se presenta a continuacin:
(3)
Para simplificar el anlisis, se definieron los ratios para las matrices de todo el perodo considerado,
agrupando en calificaciones buenas (calificaciones 1 y 2) y calificaciones malas (calificaciones 3,
4 y 5).
Ratio Permanencia Crditos > 1 significa que la cantidad de crditos en el grupo considerado
aument.
Ratio Permanencia Crditos < 1 significa que la cantidad de crditos en el grupo considerado
disminuy.
Grfico 3: Ratio de Permanencia Crditos Calif. 1 y 2 vs ICC

Ratio 1 y 2 estand

ICC

4. En el anexo III no publicado se pueden observar las 40 matrices de transicin trimestrales histricas para el perodo del
presente anlisis; los interesados pueden solicitarlo al editor.

UM-revista_FCEE11-16marzo_ver1.indd 113

Revista de Ciencias Empresariales y Economa

Ratio Calif: 1 y 2 vs ICC


4.00
3.00
2.00
1.00
-1.00
-2.00
-3.00
-4.00
-5.00
Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

113

16/03/2011 16:53:24

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

Grfico 4: Ratio de Permanencia Crditos Calif. 3, 4 y 5 vs ICC


Ratio Calif: 3, 4 y 5 vs ICC
4.00
3.00
2.00
1.00
-1.00
-2.00
Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Ratio 3,4 y 5 estand

ICC

Del anlisis de los grficos se puede concluir que existe una mayor permanencia de los crditos en
las calificaciones 1 y 2 que en las en las calificaciones 3, 4 y 5 en los trimestres observados. A su vez,
se destaca que al comienzo de un perodo de crisis el ratio de las calificaciones buenas disminuye
dado que la cantidad de crditos en esas calificaciones baja, mientras que el ratio de las calificaciones
malas aumenta ya que la calidad de los crditos empeora.
Por otra parte, al analizar los ratios individualmente se observ que el ratio de las calificaciones 3, 4 y
5 es ms alto en los meses de junio y diciembre que en los meses de marzo y setiembre, lo que es sinnimo de carteras que en promedio tienen peores calificaciones de riesgo crediticio en los primeros
meses mencionados respecto a los ltimos. Una hiptesis que podra explicar este comportamiento
es que las calificaciones de riesgo de las carteras de los bancos son evaluadas en los meses de junio
y diciembre por parte de auditores externos, quienes le presentan sus informes al Banco Central del
Uruguay. En consecuencia, la intervencin de un tercero evaluando la correcta calificacin de la cartera podra estar limitando a la institucin bancaria, siendo menos severa en dicha calificacin, y de
esa forma privarla de los beneficios de menores prdidas por constitucin de previsiones por incobrabilidad. Es decir, las instituciones son ms severas en los meses que las calificaciones de sus carteras
son evaluadas por los auditores externos que en aquellos meses que no lo son5.

Revista de Ciencias Empresariales y Economa

B - Anlisis del ndice de Herfindahl-Hirschman vs ICC


El ndice de Herfindahl-Hirschman (en adelante HHI), es una medida que permite analizar el grado de
concentracin de una variable ponderada por su participacin en el total. Si lo aplicamos a la matriz
de transicin resulta una medida agregada de las migraciones que sufrieron los crditos al final del
perodo respecto a su calificacin original. ste puede variar desde 0 hasta 1. Si el mismo fuera igual
a uno, significa que todos los crditos calificados en una determinada categora de riesgo crediticio
mantuvieron la misma calificacin un perodo despus. Por el contrario, cuando el valor de HHI se
encuentra ms cercano a cero implica que los crditos que compartan una misma calificacin experimentaron ms migraciones al final del perodo.

Donde i = 1, , n; y la

(4)

= 1, siendo la participacin relativa (volumen de crditos) de la

ensima categora, y n el nmero total de crditos del sector.

5. Informacin adicional en anexo IV no publicado, y disponible ante solicitud.

114

UM-revista_FCEE11-16marzo_ver1.indd 114

16/03/2011 16:53:25

Mara Sofa Larralde / Cecilia Real / Sara Viana

Primero se calcul el HHI por trimestre y por calificacin de riesgo crediticio y luego se realiz un
promedio para cada categora en el perodo considerado. Para este clculo se utilizaron las matrices
de transicin en base a cantidades.
Los resultados obtenidos se resumen en el cuadro a continuacin:
Cuadro 4 ndice HHI por calificacin

HHI Calif: 1
HHI Calif: 2
HHI Calif: 3
HHI Calif: 4
HHI Calif: 5

Media
0,88
0,63
0,63
0,68
0,87

Desv est
0,08
0,09
0,11
0,10
0,09

Del anlisis del cuadro 4 se observa que las calificaciones 1 y 5 en promedio, son las que sufren
menos migraciones (mayores valores del HHI), lo cual es razonable por ser calificaciones que solo
admiten migraciones en un nico sentido, la primera para empeorar y la segunda para mejorar. En
cambio, el resto de las calificaciones expuestas a posibles mejoras o desmejoras presentan mayores
migraciones (menores valores del HHI).

Dada la particularidad de que en las matrices de transicin la probabilidad de permanencia es la ms


alta, dicha probabilidad es el principal determinante del valor que alcanza el HHI. En ese sentido,
durante la fase de baja morosidad del ciclo del crdito (que segn la construccin del ndice coincide
con valores negativos del mismo) debera esperarse aumentos en las probabilidades de migracin
hacia mejores calificaciones y durante la fase de alta morosidad del ciclo del ndice de crdito el
comportamiento inverso. Lo observado en el grfico 5 se corresponde con lo sealado. Para la calificacin 1 durante la fase de baja morosidad se observan altos valores del HHI, reflejo de aumentos
en la probabilidad de permanencia en dicha calificacin. Durante la fase de alta morosidad, cae
significativamente la probabilidad de permanencia lo que se refleja en una cada importante del HHI
estandarizado. Con respecto a la calificacin 5 el comportamiento es inverso. Durante los perodos
de alta morosidad el HHI aumenta su valor indicando una menor probabilidad de que los crditos
calificados 5 puedan mejorar. En pocas de baja morosidad, el valor del HHI estandarizado asume
valores negativos, lo que indica que aumentan las probabilidades de mejora. Para el resto de calificaciones, se observan comportamientos menos extremos que para las calificaciones 1 y 5, pero de
todas formas similares a la calificacin extrema ms cercana que tenga (1 o 5). El primer trimestre
de 2004 presenta resultados muy atpicos, reflejo del comportamiento observado en la matriz de
transicin histrica del perodo6.

6. Un resumen de los clculos mencionados se encuentran en el anexo V no publicado, disponible ante solicitud.

Revista de Ciencias Empresariales y Economa

Por otra parte, se analiz la relacin existente entre el comportamiento del ndice HHI y el ndice del
Ciclo de Crdito (ICC) por calificacin durante los cuarenta trimestres considerados. Para dicho anlisis, el HHI por calificacin fue estandarizado de la misma forma que lo est el ICC. Los resultados del
anlisis comparado se presentan en el grfico 5.

115

UM-revista_FCEE11-16marzo_ver1.indd 115

16/03/2011 16:53:25

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

Grfico 5: HHI por calificacin vs ICC


HHI Calif: 1

HHI Calif: 2
3,0

3,0

3,0

2,0

2,0

2,0

2,0

1,0

1,0

1,0

1,0

0,0

0,0

0,0

0,0

-1,0

-1,0

-1,0

-1,0

-2,0

-2,0

-2,0

-2,0

-3,0

-3,0

-3,0

-3,0

-4,0
Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

-4,0

-4,0
Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

-4,0

HHI

4,0

3,0

HHI

4,0

ICC

4,0

ICC

4,0

HHI Calif: 4

HHI Calif: 3
3,0

3,0

3,0

2,0

2,0

2,0

2,0

1,0

1,0

1,0

1,0

0,0

0,0

0,0

0,0

-1,0

-1,0

-1,0

-1,0

-2,0

-2,0

-2,0

-2,0

-3,0

-3,0

-3,0

-3,0

-4,0
Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

-4,0

-4,0
Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

-4,0

HHI

4,0

3,0

HHI

4,0

ICC

4,0

ICC

4,0

HHI Calif: 5
3,0

2,0

2,0

1,0

1,0

0,0

0,0

-1,0

-1,0

-2,0

-2,0

-3,0

-3,0

-4,0
Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I Trim I
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

-4,0

HHI

4,0

3,0

ICC

4,0

Revista de Ciencias Empresariales y Economa

3 - Variables utilizadas en la construccin de la Matriz Condicionada


Para la construccin de la matriz de transicin condicionada es necesario definir algunas variables
que sern utilizadas en el clculo.
Cuando se analiza la matriz de transicin se observa que sta refleja un indicador del cambio en las
calificaciones de crdito denominado Yt 7. Dado que se asume que este indicador Yt tiene una distribucin normal, es posible obtener particiones de Yt a travs de la definicin de conjuntos de bins. Se
definen los bins segn la siguiente ecuacin:

(5)

7. CreditMetrics y Belkin, Forest, y Suchower (1998).

116

UM-revista_FCEE11-16marzo_ver1.indd 116

16/03/2011 16:53:25

Mara Sofa Larralde / Cecilia Real / Sara Viana

Siendo:
= transicin de probabilidades de G a g.
= inversa de la funcin de distribucin normal acumulada estandarizada para la probabilidad
Tambin se asume que Yt tiene una relacin lineal con el ciclo de crdito, de forma que:
(6)

Siendo:
Yt = indicador del cambio en las calificaciones de crdito en el periodo t
ICCt = ndice del ciclo de crdito en el periodo t
= coeficiente de correlacin entre el cambio en la calificacin de crdito y el ciclo de crdito
= trmino de error que representa el componente idiosincrtico
El coeficiente de correlacin es la correlacin existente entre el cambio en las calificaciones de crdito
y el ciclo de crdito, por lo que pretende explicar qu parte de las transiciones de las calificaciones de
crdito son explicadas por cambios en el ciclo de crdito. El resto de las variaciones son explicadas por
un componente idiosincrtico que no fue analizado en el presente documento.
El coeficiente de correlacin estimado se define de acuerdo al coeficiente de correlacin de Pearson:

Siendo:
la covarianza de (x,y) y

(7)

las desviaciones tpicas de las distribuciones marginales.

Para la estimacin de este coeficiente se considera la serie del ndice de ciclo de crdito estimada
(160 observaciones por calificacin) y la serie de cambio en la calificacin de crdito que se obtiene
a travs de los bins de cada categora. Dado que se considera que dicha correlacin vara en funcin
de la calificacin inicial que tenga el deudor, se calcularon cuatro correlaciones.
Cuadro 5 - Coeficientes de correlacin
Calif. 1
18.6%
-1.5%
9.4%
17.8%

Calif. 2
18.6%
-1.5%
9.4%
17.8%

Calif. 3
18.6%
-1.5%
9.4%
17.8%

Calif. 4
18.6%
-1.5%
9.4%
17.8%

Calif. 5
18.6%
-1.5%
9.4%
17.8%

Como se observa en el cuadro, las calificaciones 1, 3 y 4 presentan una correlacin positiva con el
ndice de ciclo de crdito, es decir que cuando este se incrementa, y por tanto, la economa empeora,
aumenta la probabilidad de que las calificaciones migren a otra categora. Por otro lado se observa
que la calificacin 2 no es sensible al ciclo de crdito, es decir que variaciones en dicho ndice no
explican los movimientos de los crditos calificados 2.
El mismo anlisis fue realizado considerando una serie para cada interseccin de la matriz (40 observaciones) y el ICCt obteniendo as 16 coeficientes de correlacin. Para el presente anlisis se opt por
trabajar con 4 coeficientes dando mayor estabilidad al modelo al considerar ms observaciones por
categora (160 observaciones vs 40)8.
8. En el anexo VI no publicado se presentan los resultados obtenidos al calcular los 16 coeficientes de correlacin y los resultados de la estimacin del modelo a partir de los mismos; dicho anexo se encuentra disponible ante solicitud.

UM-revista_FCEE11-16marzo_ver1.indd 117

Revista de Ciencias Empresariales y Economa

Calif: 1
Calif: 2
Calif: 3
Calif: 4

117

16/03/2011 16:53:25

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

Cabe destacar que las correlaciones obtenidas presentan similitudes a otros resultados que se presentan en la literatura relevada; por ejemplo en el paper Validation of Credit Risk Models (2004
- Barthlmy, Sylvain) se menciona que en la propuesta del Comit de Basilea de 2001 el parmetro
de correlacin se estableca en 20%, mientras que en las propuestas de 2002 y 2003 dichas correlaciones se revisaron establecindose en un rango de 12% a 24% dependiendo de la probabilidad de
default.

4 - Estimacin Matriz de Transicin Condicionada


Para obtener la distintas matrices de transicin condicionadas se parti de la matriz de transicin
promedio del perodo diciembre 1999 a setiembre 2009 (en adelante matriz de transicin promedio)
y el ICCt correspondiente al trimestre del que se desea estimar la matriz condicionada. Para obtener
las transiciones de todas las calificaciones se considera la siguiente frmula:

Donde
e
son los bins calculados a partir de la matriz de transicin promedio y
tes de correlacin estimados.

(8)
los coeficien-

De esta forma se parti de la siguiente matriz:


Cuadro 6 Matriz de transicin promedio (Dic99-Set09)
Calif. 1

Calif. 2

Calif. 3

Calif. 4

Calif. 5

Total

Calif: 1

93.4%

3.0%

2.9%

0.5%

0.2%

100.0%

Calif: 2

17.7%

65.9%

11.5%

3.0%

1.8%

100.0%

Calif: 3

5.4%

2.1%

63.8%

26.7%

2.0%

100.0%

Calif: 4

2.6%

1.1%

2.5%

43.8%

50.1%

100.0%

Calif: 5

0.5%

0.2%

0.6%

0.7%

98.1%

100.0%

Aplicando la ecuacin (5) se calcularon los bins de acuerdo al siguiente cuadro9:


Cuadro 7 - Bins correspondientes a la Matriz de transicin promedio (Dic99-Set09)

Calif: 1
Calif: 2
Calif: 3

Revista de Ciencias Empresariales y Economa

Calif: 4

118

Calif. 1

( , -1.51)
(, 0.93)
(, 1.61)
(, 1.95)

Calif. 2

Calif. 3

Calif. 4

[-1.51, -1.81)

[-1.81, -2.49)

[-2.49, -2.96)

[0.93, -0.98)

[-0.98, -1.66)

[-1.66, -2.10)

[1.61, 1.44)

[1.44, -0.56)

[-0.56, -2.05)

[1.95, 1.80)

[1.80, 1.55)

[1.55, 0.00)

Calif. 5
[-2.96, -)
[-2.10, -)
[-2.05, -)
[0.00, -)

A partir del cuadro anterior, de los coeficientes de correlacin obtenidos (ver cuadro 5) y la proyeccin del ndice de ciclo de crdito analizada en el captulo anterior, se obtuvo la matriz de transicin
condicionada al ndice del ciclo de crdito para cada uno de los trimestres analizados10.

5 - Estimacin Matriz Incondicional


Para el clculo de la matriz de transicin incondicionada se realiz un promedio simple de cada
categora de las 40 matrices de transicin histricas correspondientes al perodo diciembre 1999
setiembre 2009 (ver cuadro 6).
9. A efectos de realizar los clculos se consider como el valor 3,0902 y como - el valor -3,0902.
10. Informacin adicional en anexo VII no publicado, disponible ante solicitud.

UM-revista_FCEE11-16marzo_ver1.indd 118

16/03/2011 16:53:25

Mara Sofa Larralde / Cecilia Real / Sara Viana

Cabe resaltar que, al realizar el promedio simple de las matrices de transicin, existe el supuesto
implcito de que el ndice de ciclo de crdito es igual a cero para el perodo de anlisis, es decir, la
economa no se encuentra ni en un perodo de auge ni en un perodo de crisis. Lo anterior se condice
con que el ndice se encuentra estandarizado.

6 - Matriz Condicional versus Incondicional


Con el fin de analizar los resultados obtenidos de la estimacin de la matriz condicionada versus la
incondicionada se calcul el MAE (mean absolute error) para ambas matrices. El MAE se define como
el promedio de los errores absolutos entre la prediccin y el verdadero valor.

(9)

Donde:
yi = valor de la matriz histrica en dicho periodo
fi = prediccin para ese periodo
n = cantidad de observaciones
Aplicando el clculo anterior se obtuvieron los siguientes resultados:
Cuadro 8 MAE por escenarios para la Matriz Condicionada vs. Incondicionada
Condicionado

Incondicionado

Cond / Incond

MAE Promedio de todo el perodo

5,52%

5,78%

0,95

Escenario Favorable: IV trim 99 - I trim 02

5,04%

4,70%

1,07

Escenario Crisis: III trim 02 - I trim 04


Escenario Favorable: II trim 04 - III trim 09

6,56%
4,97%

7,18%
5,47%

0,91
0,91

Del cuadro 8 se puede concluir que para todo el perodo analizado la matriz de transicin condicionada presenta un menor error absoluto que la matriz incondicionada.

Si se realiza un estudio comparativo entre los resultados de la estimacin de la matriz condicional y la


incondicional, por calificacin, se observa que en la calificacin 1 la estimacin de la matriz condicional es mejor en los escenarios favorables mientras que la incondicional es mejor en los escenarios de
crisis. Respecto a la calificacin 2, se observa que la estimacin es muy similar en ambos casos, consecuencia de que, como se mencion anteriormente, la transicin de esta calificacin es insensible
al ciclo de crdito. En las calificaciones 3 y 4 es ms precisa la estimacin de la matriz condicionada
que la incondicionada.

Revista de Ciencias Empresariales y Economa

Luego, como se observa en el cuadro 9 y el grfico 6, si se divide el perodo en escenarios favorables


y de crisis, para el caso de crisis es ms conveniente la utilizacin de la matriz condicionada versus la
incondicionada; sin embargo para el escenario de auge el resultado obtenido es ambiguo.

119

UM-revista_FCEE11-16marzo_ver1.indd 119

16/03/2011 16:53:25

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

Cuadro 9 - MAE por calificacin y escenarios para la Matriz Condicionada vs. Incondicionada
E.Favorable: III 99 - II 02, III 04- III09
E.Crisis: III 02- II 04
E.Favorable: III 99 - II 02, III 04- III09
E.Crisis: III 02- II 04
E.Favorable: III 99 - II 02, III 04- III09
E.Crisis: III 02- II 04
E.Favorable: III 99 - II 02, III 04- III09
E.Crisis: III 02- II 04

Calif: 1
Calif: 2
Calif: 3
Calif: 4

Condicionado
1.65%
2.47%
4.85%
8.46%
9.73%
7.40%
5.29%
4.79%

Incondicionado
1.80%
1.81%
4.84%
8.42%
9.80%
9.28%
5.46%
6.38%

Cond / Incond
0.92
1.36
1.00
1.01
0.99
0.80
0.97
0.75

Grfico 6: MAE por calificacin de la Matriz Condicionada vs. Matriz Incondicionada


MAE Calif: 2 Cond. vs Incond.

MAE Calif: 1 Cond. vs Incond.


18.00%

Calif: 2 Cond

Calif: 1 Cond
12.00%

I2
00
8
I2
00
9
Tr
im

I2
00
6
I2
00
7
Tr
im

Tr
im

I2
00
4
I2
00
5
Tr
im

20.00%

20.00%

Calif: 4 Cond

Calif: 3 Cond
Calif: 3 Incond

15.00%

5.00%

5.00%

0.00%

0.00%

Calif: 4 Incond

Tr
im

I2
00
Tr
0
im
I2
00
Tr
1
im
I2
00
Tr
2
im
I2
00
Tr
3
im
I2
00
Tr
4
im
I2
00
Tr
5
im
I2
00
Tr
6
im
I2
00
Tr
7
im
I2
00
Tr
8
im
I2
00
9

10.00%

I2
00
Tr
0
im
I2
00
Tr
1
im
I2
00
Tr
2
im
I2
00
Tr
3
im
I2
00
Tr
4
im
I2
00
Tr
5
im
I2
00
Tr
6
im
I2
00
Tr
7
im
I2
00
Tr
8
im
I2
00
9

10.00%

Tr
im

Tr
im

MAE Calif: 4 Cond. vs Incond.

MAE Calif: 3 Cond. vs Incond.

15.00%

I2
00
2
I2
00
3

I2
00
0
I2
00
1
Tr
im

Tr
im

I2
00
8
I2
00
9
Tr
im

Tr
im

Tr
im

Tr
im

Tr
im

Tr
im

Tr
im

Tr
im

Tr
im

Tr
im

I2
00
6
I2
00
7

0.00%

I2
00
4
I2
00
5

0.00%

I2
00
2
I2
00
3

6.00%

I2
00
0
I2
00
1

4.00%

Calif: 2 Incond

Tr
im

Calif: 1 Incond

Tr
im

8.00%

Tr
im

12.00%

Revista de Ciencias Empresariales y Economa

Por otra parte, resulta interesante observar la relacin entre el MAE de cada calificacin de la matriz
condicionada con el ndice de ciclo de crdito. Del grfico que se presenta a continuacin se puede
observar que en la mitad de los trimestres el MAE de las calificaciones 1 y 2 es bajo, mientras que el
de las calificaciones 3 y 4 es alto en casi todos los perodos. Esto indicara que el modelo sera ms
preciso para estimar las transiciones de las calificaciones 1 y 2 que las transiciones de las calificaciones
3 y 4.

120

UM-revista_FCEE11-16marzo_ver1.indd 120

16/03/2011 16:53:25

Mara Sofa Larralde / Cecilia Real / Sara Viana

Grfico 7: MAE por calificacin de la Matriz Condicionada vs. ICC


MAE matriz condicionada vs ICC
25%

15%
10%
5%
0%
Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV Trim IV
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

ICC

Calif.

20%

3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,5

Por ltimo, se realiz otro anlisis en el que se construy el modelo restringiendo el ciclo de crdito
a los aos 2000 - 2007, para poder evaluar la eficacia en la prediccin de las matrices para los dos
aos siguientes. En este caso, se observ que en las calificaciones 1, 3 y 4, los errores de prediccin
son menores en la matriz condicional que en la incondicional. Nuevamente, se concluye que para la
calificacin 2 resulta indiferente predecir con la matriz condicional que con la incondicional.
Cuadro 10 - MAE por calificacin para ciclo de crdito 2000-2007
MAE PROM
Calif: 1
Calif: 2

Condicionado
1.13%
3.57%

Incondicionado
1.76%
3.54%

Cond / Incond
0.64
1.01

Calif: 3
Calif: 4

10.51%
4.62%

10.90%
6.25%

0.96
0.74

Cabe destacar, que fue analizado el caso de que el ciclo de crdito impactara en la matriz de transicin con cierto rezago, es decir, que las modificaciones en las transiciones, consecuencia de cambios
en la situacin econmica, se observarn en los trimestres posteriores al cambio, y no en el mismo
trimestre. Sin embargo, los resultados obtenidos no fueron los esperados, no obtenindose mejoras
significativas en los resultados de la prediccin11.

V. CONCLUSIONES

Del anlisis realizado, se concluye que con el modelo obtenido se logr una estimacin de la morosidad del sector no financiero muy cercana a la observada para el perodo considerado. Esto permite,
a partir de la proyeccin de diferentes variables macroeconmicas, obtener una adecuada aproximacin de la morosidad futura. La construccin de dicho ndice es sencilla y contiene informacin muy
valiosa que no debe ser dejada de lado.

2 - Anlisis de las matrices histricas


Del estudio de las matrices de transicin histricas y de los ratios de permanencia en las dos grandes
categoras definidas (crditos calificados 1 y 2 y crditos calificados 3, 4 y 5), surge que los crditos en
11. Ver anlisis del MAE para 4 coeficientes de correlacin e ICC rezagado en anexo VIII no publicado, disponible ante solicitud.

UM-revista_FCEE11-16marzo_ver1.indd 121

Revista de Ciencias Empresariales y Economa

1 - Construccin del ICC

121

16/03/2011 16:53:26

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

las calificaciones 1 y 2 son ms estables que los crditos calificados 3, 4 y 5. Asimismo, en perodos
de crisis el ratio de las calificaciones buenas disminuye y el de las malas aumenta producto de
una peor calidad de los crditos.
Otra conclusin que se puede resaltar en los cambios de las calificaciones, es que los bancos califican
de forma ms severas en los trimestres pares en los que son auditados, aspecto que pudiera estar
introduciendo cierto ruido adicional a las probabilidades de permanencia o migracin de las calificaciones.
Del anlisis del ndice HHI se concluye que existe una alta probabilidad de mantenerse en la calificacin inicial; sin embargo, al analizar la relacin con el ICC, se observ que las calificaciones 1 y 5 son
ms sensibles ante cambios en el ciclo de crdito que las restantes categoras.
Respecto a las correlaciones encontradas entre el ciclo de crdito y los cambios en las calificaciones,
se puede afirmar que existe una correlacin fuerte entre la variacin del ciclo de crdito y la variacin
en las calificaciones 1 y 4, y en menor grado, en la calificacin 3. Es decir que, ante modificaciones
en el ndice del ciclo de crdito, los deudores cambian de calificacin. Sin embargo, no se encontr
una relacin similar en la calificacin 2, ya que la correlacin result muy pequea. En consecuencia,
se puede concluir que el ndice de ciclo de crdito estimado es un indicador que impacta de forma
significativa en las probabilidades de transicin de las calificaciones, y, por lo tanto, puede ser considerado para proyectar la matriz de transicin.

3 - Matrices Condicionadas vs. Incondicionadas


En lo que refiere al error de prediccin obtenido en las matrices de transicin condicionadas, se observa que en promedio los MAE son menores en las calificaciones 1 y 2 que en las calificaciones 3
y 4. Esto sugiere que el modelo sera ms adecuado para proyectar las migraciones de las primeras
calificaciones, lo cual es relevante para el clculo adecuado de las previsiones de los bancos.
La comparacin de los resultados de la matriz de transicin condicionada con la incondicionada,
indica que, en promedio, la matriz condicionada predice mejor en las calificaciones 1, 3 y 4, mientras
que en la calificacin 2 los resultados no muestran diferencia entre una metodologa y otra. Esto se
explica porque, como fue mencionado anteriormente, no se encontr una correlacin entre el ndice
de ciclo de crdito y la transicin de esta ltima calificacin. En suma, de los resultados observados,
se concluye que es ms conveniente utilizar la matriz de transicin condicionada que la matriz promedio.

Revista de Ciencias Empresariales y Economa

A su vez, si se analizan los resultados de las predicciones para la matriz condicionada de acuerdo a
los estados de la economa, se observa que la prediccin es ms precisa en escenarios favorables que
en los escenarios de crisis. En particular, si se analiza por calificacin, se puede concluir que en la
calificacin 1 la estimacin es mejor en escenarios favorables, mientras que, en las calificaciones 3 y
4, la estimacin es mejor en escenarios de crisis.
Por ltimo, cuando se realiz la estimacin en funcin del perodo 2000-2007, realizando adems
la proyeccin solo para los aos 2008 y 2009, se observaron resultados ms precisos. En este caso,
los errores de prediccin fueron ms pequeos en las calificaciones 1, 2 y 4, mejorando an ms la
prediccin respecto a la matriz promedio.
En sntesis, de acuerdo con el trabajo realizado, la metodologa seguida resultara altamente eficaz
para predecir la morosidad del sistema financiero, as como para estimar matrices de transicin de calificaciones de riesgo crediticio. De todas formas, cabe resaltar que los resultados obtenidos podran
mejorar en caso de superar las limitaciones que se presentan a continuacin.

122

UM-revista_FCEE11-16marzo_ver1.indd 122

16/03/2011 16:53:26

Mara Sofa Larralde / Cecilia Real / Sara Viana

VI. LIMITACIONES DEL TRABAJO


Si bien el presente trabajo logra una adecuada aproximacin al tema de estudio, es necesario mencionar algunas limitaciones.
En primer lugar, debido al perodo de estudio seleccionado (1999-2009), y la frecuencia de los datos
obtenida (trimestral), se trabaj con muy pocas observaciones, lo cual es posible que haya sesgado
algunas de las estimaciones obtenidas. A su vez, el hecho de trabajar con matrices trimestrales limit
obtener una correlacin adecuada entre el ndice de crdito y los cambios en las calificaciones, dado
que en un lapso de tiempo corto puede que no sea posible captar el impacto del ciclo econmico
en las calificaciones.
En segundo lugar, si bien el perodo seleccionado permite observar todo el ciclo econmico, es decir,
momentos de auge y de crisis, el shock que sufri la economa uruguaya en el ao 2002 tuvo un
impacto muy significativo, por lo que los resultados pudieron verse sesgados por dicho efecto.
En tercer lugar, si bien en el trabajo se analiza cmo diversos indicadores macroeconmicos afectan
la morosidad, por falta de informacin, no fue posible incluir factores microeconmicos, es decir,
aquellas variables que influyen a cada empresa o sector en particular y que constituyen un factor
idiosincrtico para el anlisis. En caso de tener acceso a este tipo de informacin para todo el sistema,
sera posible obtener resultados que se acerquen an ms a la realidad observada.
En cuarto lugar, en el presente documento no se obtuvo informacin desagregada por sector de actividad ni por tipo de persona (fsica o jurdica), sino que se trabaj con el total del sector no financiero.
Esta es una limitacin importante ya que existen factores macroeconmicos que afectan de mayor
forma a un subsector que a otro. Por tanto, al realizar esta investigacin sin ningn tipo de distincin, es posible que se haya subestimado o sobrestimado la importancia de determinados factores
sobre la morosidad, o que incluso se hayan descartado factores que podran explicar la morosidad
de algn subsector.
Por otra parte, existen cambios en las calificaciones de crdito que no se deben a datos objetivos, es
decir, a das de atraso en el cumplimiento de las obligaciones, sino que las modificaciones se explican
por motivos subjetivos como es el hecho de que el deudor no hubiera presentado la informacin
solicitada. En consecuencia, dado que la base de datos analizada no posee una diferenciacin entre
cambios por aspectos objetivos o subjetivos, las conclusiones extradas pueden resultar afectadas.

Revista de Ciencias Empresariales y Economa

Por ltimo, no se realiz una distincin por tipo de moneda. Como en Uruguay un deudor puede
contraer obligaciones tanto en moneda nacional como en moneda extranjera, es posible que la
morosidad evolucione de forma distinta en una moneda que en otra. En consecuencia, en futuras
investigaciones podra ser interesante repetir el presente estudio realizando una separacin en el
anlisis por tipo de moneda.

123

UM-revista_FCEE11-16marzo_ver1.indd 123

16/03/2011 16:53:26

Matriz de Transicin Condicional de los Crditos del Sector No Financiero para Uruguay y sus Ventajas frente al Clculo Incondicional

VII. BIBLIOGRAFA
Banco Central del Uruguay Superintendencia de Instituciones Financieras Normas Contables para
empresas de intermediacin financiera Norma Particular 3.8: Normas para la clasificacin de los
riesgos crediticios .
Barthlmy, S., 2004, Validation of Credit Risk Models, Thierry Apoteker Consultant.
Basel Committee on Banking Supervision, 1999, Credit Risk Modeling: Current Practices and Applications, BIS, Basle.
Belkin, B., L.R. Forest, Jr., and S. Suchower, 1998, A One-Parameter Representation of Credit Risk and
Transition Matrices Credit Metrics Monitor, 1. 4656.
Brooks, C., Introductory Econometrics for Finance, Cambridge University Press, 2008.
Elizondo, A., 2003, Medicin Integral del Riesgo de Crdito, Ed. Limusa.
Fernndez de Lis, Santiago, Martnez Pags, Jorge, Saurin, Jess, 2000, Credit growth, problem
loans and credit risk provisioning in Spain, Banco de Espaa Documento de Trabajo 0018.
Gonzlez Arbelez, A., 2010, Determinantes del riesgo de crdito comercial en Colombia, Reporte
de Estabilidad Financiera, Banco de la Republica, Colombia.
Kim, J., 1997, A way to Condition the Transition Matrix on Wind, RiskMetrics Group.
Marquez Diez Canedo, J., 2006, Una nueva visin del riesgo de crdito, Ed. Limusa.
Tobin , J., 1958, Estimation of relationships for limited dependent variables, Econometrica 26, 2436.
Zapata Galindo, A., 2003, Modelando el riesgo de crdito en Colombia: matrices de transicin para
la cartera comercial, Apuntes de Banca y Finanzas, Asociacion Bancaria y de Entidades Financieras
de Colombia.

Revista de Ciencias Empresariales y Economa

Vallcorba, M., y J. Delgado, 2007, Determinantes de la morosidad bancaria en una economa dolarizada. El caso uruguayo, Banco de Espaa Documento de Trabajo 0722.

124

UM-revista_FCEE11-16marzo_ver1.indd 124

16/03/2011 16:53:26

You might also like