Banco Central de Venezuela

Coleccin Economa y Finanzas

Serie Documentos de Trabajo

FRAGILIDAD EN EL
SISTEMA BANCARIO
VENEZOLANO.
UN MODELO
DE RESPUESTA
BINARIA

MARA BERNARDETTE DiAS

MARA FERNANDA HERNNDEZ
OSWALDO LPEZ

[N 86]
Febrero, 2007

Banco Central de Venezuela

Coleccin Economa y Finanzas

Serie Documentos de Trabajo

FRAGILIDAD EN EL
SISTEMA BANCARIO
VENEZOLANO.
UN MODELO
DE RESPUESTA
BINARIA

MARA BERNARDETTE DiAS*

MARA FERNANDA HERNNDEZ*
OSWALDO LPEZ*

[N 86]
Febrero, 2007

* Las opiniones expresadas en esta nota tcnica

son de la completa responsabilidad de los autores
y no necesariamente corresponden
con las del Banco Central de Venezuela

 Banco Central de Venezuela, Caracas, 2007

Gerencia de Investigaciones Econmicas
Produccin editorial
Gerencia de Comunicaciones Institucionales
Departamento de Publicaciones
Torre Financiera, piso 14, ala sur.
Avenida Urdaneta, esquina de Las Carmelitas
Caracas 1010
Telfonos: 801.8075 / 8063
Fax: 536.9357
publicacionesbcv@bcv.org.ve
www.bcv.org.ve

Las opiniones y anlisis que aparecen

en la Serie Documentos de Trabajo
son responsabilidad de los autores
y no necesariamente coinciden
con las del Banco Central de Venezuela.
Se permite la reproduccin parcial o total
siempre que se mencione la fuente
y no se modifique la informacin.

NDICE

1. Introduccin...................................................................................... 9
2. Revisin de la literatura.......................................................... 10
3. Aspectos Metodolgicos........................................................... 13
4. Descripcin de los datos y variables................................. 15
4.1 Datos............................................................................................. 15
4.2. Variables..................................................................................... 16
5. Resultados........................................................................................ 19
6. Pronsticos....................................................................................... 24
7. Conclusiones.................................................................................... 30
Referencias Bibliogrficas......................................................... 32

Resumen
Este documento tiene por objeto elaborar un modelo
de deteccin y proyeccin de fragilidad para la banca
venezolana. La variable dependiente del modelo es
dicotmica (banco frgil o no), con lo cual se utiliza el
logit para estimar la probabilidad de que una institucin
financiera presente situaciones de vulnerabilidad. En la
definicin de fragilidad se utiliz un umbral de decisin
de ajuste dinmico que permite capturar el comportamiento relativo de las instituciones financieras con respecto al total del sistema. Entre las variables que afectan
la vulnerabilidad del sistema destacan: la ocurrencia de
un boom crediticio y la mayor participacin de depsitos
del sector pblico en el total. Resalta el efecto diferenciado que la inversin en ttulos pblicos tiene sobre la
fragilidad financiera, dado que la adquisicin de ttulos
del BCV disminuye la fragilidad, en tanto que la tenencia
de bonos gubernamentales aumenta la vulnerabilidad
financiera. El mayor nmero de casos acertados en la
prediccin ocurre en los 6 principales bancos, en los
cuales la situacin de no-fragilidad es detectada en un
100% y los escenarios de fragilidad en un 87%.
Palabras Clave: datos de panel, fragilidad, logit, variable dicotmica.
Clasificacin JEL: C00; E4; E59.
Abstract
The aim of this paper is to propose a model to detect and
illustrate the Venezuelan banking fragility. A dichotomic
dependent variable of the model (The bank is fragile or
not) is used by adopting the logit to estimate financial
institutions vulnerability probability. A dynamic decision threshold adjustment was used to define fragility
allowing capturing the relative behavior of the financial
institutions with respect to the systems total. Among the
variables that affect the vulnerability of the system can
be found: the credit boom and the higher participation of
public sector deposits in the total. It is to be highlighted
the differential effect that public securities investment
has on financial fragility, since the acquisition of BCV
securities diminishes fragility while holding government
bonds increases financial vulnerability. The prediction is
highly perceived in six main banks, where non-fragility
is 100% detected and fragility 87%.
Keywords: fragility, logit, dichotomic variable.
JEL classification: C00; E4; E59.

1. Introduccin

La experiencia internacional indica que procesos de crecimiento acelerado del crdito pudieran desencadenar en una situacin de fragilidad
bancaria. En este sentido, el importante crecimiento de la cartera de
crdito de la banca venezolana a partir del ao 2004, en un contexto
de dinamismo de la actividad econmica interna, hace pertinente realizar un estudio de fragilidad del sistema financiero. Ms aun, si se
considera que los indicadores tradicionales que se utilizan para hacer
monitoreo bancario estn influenciados por las condiciones econmicas
coyunturales, lo que pudiera ocultar eventuales situaciones de aumento
de riesgo crediticio.
El presente documento tiene por objeto elaborar un modelo que permita detectar o predecir la vulnerabilidad del sector financiero. A estos
efectos, se construy una ecuacin que emite seales de alerta temprana
a los agentes decisores, para monitorear y responder oportunamente
ante posibles escenarios de inestabilidad financiera. El concepto de
fragilidad est asociado a la contrastacin de un indicador de vulnerabilidad financiera con respecto a un determinado umbral establecido
como tope mximo de tolerancia prudencial. Una de las ventajas de
este enfoque, en contraposicin con la construccin de modelos de
deteccin de crisis bancarias, radica en los beneficios obtenidos tanto
en la oportunidad del pronstico como en la evaluacin emprica.
El informe est estructurado como sigue: la primera seccin muestra
una revisin de los trabajos realizados anteriormente sobre el tema de
fragilidad financiera; seguidamente, se realiza una breve descripcin
de la metodologa aplicada y especificacin del modelo; a continuacin
se describen los datos y las variables. En la cuarta seccin se evalan los
resultados y, posteriormente, se enfatiza en el alcance de prediccin
del mismo en la seccin llamada pronstico. Finalmente, se presentan
algunas conclusiones.

2. Revisin de la literatura

En esta seccin se expone un resumen de trabajos realizados anteriormente que tratan el tema de la fragilidad bancaria, los cuales sirvieron
como referencia para disear el modelo. La disponibilidad de nuevas
herramientas computacionales y la necesidad de incluir variables que
han adquirido importancia en los ltimos aos, para explicar el comportamiento del sistema financiero venezolano, promovi la creacin
de un nuevo modelo economtrico que pudiera ser utilizado como
herramienta de proyeccin en el corto plazo1.
Tabla N 1

1 El programa economtrico E-views en su versin ms reciente 5.1 permite estimar un modelo

logit con datos de panel, estimacin que no se encontraba disponible en las versiones previas.
Por lo tanto, los estimadores encontrados a travs de esta aplicacin son ms precisos que
los obtenidos a travs de las herramientas computacionales anteriores.

10

Tabla N 2

11

Tabla N 3
Ma. Amelia Fernndez

Autor

2004

Ao

1997:01 - 2003:12

Muestra
Inmovilizacin neta > 4%
Variable
dependiente

Variables
independientes

(Cartera Morosa - Prov.) / Cartera

Total

ndice de cobertura < 1.5%

(Capital social + Provisiones - Cartera crdito
Morosa) / Total activo

Inmovilizacin bruta > 10%

(CC morosa / CC bruta)

Capitalizacin (-)

Inversin ttulos pblicos (-)

Capitalizacin (-)

Inversin ttulos pblicos (-)

Spread por banco (-)

Rentabilidad (-)

Rentabilidad (-)

Activo por banco (-)

Otros activos (+)

Otros activos (+)

IVP (-)

Activo por banco (-)

Spread por banco (-)

Spread global (+)

IVP (-)

Activo por banco (-)

Tipo de cambio (-)

Spread global (+)

IVP (-)

AR (1) (+)

Tipo de cambio (-)

AR(1) (+)

IPC (+)
AR(1) (+)

Logit

Mtodo

Pas

Venezuela

De los modelos anteriores se desprende lo siguiente:

1) La variable dependiente se construye con base en un criterio de
umbrales fijos. Estos indicadores pudieran perder sensibilidad
para detectar fragilidad bancaria en momentos de crecimiento
acelerado de crdito.
2) Existe un consenso en utilizar variables macroeconmicas y microfinancieras.
3) Existe dualidad para determinar la vulnerabilidad financiera en el
sentido que algunos estudios se enfocan en predecir situaciones
de crisis y otros en escenarios de fragilidad.
4) Las variables que resultaron consistentemente significativas en
los modelos fueron: rentabilidad, patrimonio, spread de tasas y
tipo de cambio.

12

3. Aspectos Metodolgicos

Tomando en consideracin que la variable dependiente del modelo de

fragilidad a ser estimado es dicotmica2, el modelo seleccionado para
la estimacin es el logit. El mismo permite calcular la probabilidad de
ocurrencia de un hecho especfico, siendo en este caso particular, la
probabilidad de que una institucin financiera presente una situacin
de fragilidad. El modelo logit plantea:
P(Yit = 1/Xit) = P(Yit = 1/x1t, x2t,.,xkt)

(1)

Donde:
Yit= variable dependiente binaria para el banco i al mes t
Yit= {0,1}
x1t, x2t,.,xkt= variables explicativas
La P(Yit=1/Xit) se define como la probabilidad de xito, es decir,
la probabilidad de que Yit=1, que en el presente estudio se identifica
como la probabilidad de que el banco i sea frgil.
A continuacin se expone la forma funcional del modelo logit, que
corresponde a la funcin de distribucin logstica3:
P(Yit=1/Xit)=F(Xit )=eXit/1+eXit)

2
3

(2)

Una variable dicotmica es aquella que asume slo dos valores. En este caso, cero y uno.
Para obtener ms detalles o el grfico de la funcin logstica dirjase a: Wooldridge J. (2001)
Introduccin a la econometra. Un enfoque moderno.

13

Donde representa los coeficientes del modelo. La variable dependiente utilizada en el modelo se construye partiendo del siguiente
indicador de solvencia:
Inmovilizacin_neta=

crditos (vencidos+en_litigio+reestructurados)-provisiones
cartera_de_crdito_brutal_total

Dado que este indicador descuenta aquella parte de la cartera morosa

que est cubierta con provisiones, el mismo muestra el riesgo crediticio
latente al cual estn expuestas las instituciones financieras.
A partir de esta definicin de fragilidad se establece el umbral de
decisin que permite categorizar a las instituciones financieras de la
siguiente manera: si la inmovilizacin neta supera el umbral implicar
que el banco se considera en situacin de fragilidad. La definicin del
umbral de decisin representa un aspecto de amplia discusin en los
trabajos que sobre esta materia se han desarrollado, muchos autores se
inclinan por la fijacin de un tope mximo fijo. Esta prctica pudiera
resultar muy penalizadora o laxa en determinadas situaciones, dado que
no toma en cuenta los aspectos intrnsecos de cada pas, tales como la
situacin econmica o el tamao del negocio bancario.
En la coyuntura actual, caracterizada por una importante recuperacin
de los indicadores bancarios, la fijacin de umbrales de decisin fijos
para detectar fragilidad podra resultar incapaz de capturar seales de
deterioro en determinadas instituciones. Adicionalmente, en modelos
que pretenden determinar peridicamente la fragilidad del sistema
bancario, el establecimiento de umbrales fijos requiere de una actualizacin frecuente ante el riesgo que los mismos pierdan vigencia y,
por ende, ofrezcan resultados distorsionantes.
A los fines de corregir estos inconvenientes y establecer un criterio de
decisin que se adapte dinmicamente a la situacin del sistema bancario, se opt por establecer como umbral el promedio del ndice de

14

inmovilizacin neta del sector bancario ms una desviacin estndar4.

Posteriormente, a los efectos de la contrastacin emprica, se construye la
variable binaria ndice de fragilidad, que toma valor uno al detectarse la
situacin de fragilidad financiera (inmovilizacin neta > umbral), en caso
contrario toma valor cero (inmovilizacin neta < umbral). Esta ltima
serie es la que se utiliza como variable dependiente en la estimacin.
Una vez estimado el modelo, se evalu su capacidad de prediccin
separando la muestra en dos perodos: de estimacin y de prueba. El
lapso de estimacin comprende desde enero de 2000 hasta diciembre
2004, en el cual se calculan los estimadores del modelo y se establecen
las variables que influyen en la definicin de fragilidad financiera considerada en este trabajo. Por su parte, el perodo de prueba, que parte
en enero de 2005 y culmina en agosto de 2005, permitir contrastar
los pronsticos del modelo con los valores observados.
4. Descripcin de los datos y variables

4.1 Datos

La muestra utilizada en este modelo corresponde a 24 bancos comerciales y universales que han mantenido continuidad a lo largo del rango
comprendido entre enero de 2000 y agosto de 20055. Este grupo de
bancos posee el 94,2% del total de activos del sector financiero para
julio de 2005. La utilizacin de datos de panel en este lapso de tiempo
ofrece la disponibilidad de 1.632 observaciones para cada variable.

El promedio y la desviacin estndar se calcularon como variables mviles no centradas de

12 meses. Bajo un escenario de un elevado nivel promedio del ndice de inmovilizacin neta
se determinara un tope mximo que evite clasificar escenarios frgiles como no frgiles.
5 La seleccin del perodo muestral corresponde a la disponibilidad de los datos de las variables
utilizadas para la estimacin.

15

Es de destacar que algunas instituciones en la actualidad son el resultado de un proceso de fusin llevado a cabo en el perodo, por lo tanto
se procedi a sumar sus estados financieros para homogeneizar y tratar
de mantener el balance en la muestra de datos6.
4.2. Variables

Las variables que fueron consideradas para explicar la fragilidad financiera se agrupan en dos categoras: indicadores microfinancieros y
variables macroeconmicas7. A continuacin se definen las variables
evaluadas en la estimacin:
*
*
*
*

ndice de fragilidad: variable limitada que identifica la situacin

de vulnerabilidad8.
Patrimonio / Activo: mide la participacin que representan los
recursos propios del banco en el financiamiento del activo. A
mayor capitalizacin se reduce la fragilidad bancaria.
Resultado Neto / Patrimonio (ROE): se espera que el coeficiente
tenga signo negativo, aunque un valor positivo puede sealar la
existencia de inversiones o carteras riesgosas.
Gastos de Transformacin / Activo total: indica el grado de
eficiencia o de gestin administrativa de la banca. Se considera
mayor eficiencia en la medida que el indicador disminuye o tiende
a reducirse en el tiempo. El signo del coeficiente sera positivo,
pues si se incrementan los gastos de transformacin (gastos de
personal ms gastos operativos) se reduce la eficiencia y se incrementara la fragilidad financiera.

6 Los bancos incluidos en el modelo fueron: ABN Amro Bank, Bancoro, Banesco, Banfoandes,
Canarias, Caribe, Caron, Citibank, Confederado, Corpbanca, Helm Bank de Venezuela,
Exterior, Federal, Fondocomn, Guayana, Industrial, Mercantil, Occidental de Descuento,
Plaza, Provincial, Sofitasa, Nacional de Crdito, Venezolano de Crdito, Venezuela.
7 La fuente de informacin es la Superintendencia de Bancos y Otras Instituciones Financieras
(Sudeban) a travs del Balance General y el Estado de Resultados de la banca comercial y
universal, cuya periodicidad es mensual.
8 Para mayores referencias de esta variable remitirse a la seccin 1 (Aspectos metodolgicos).

16

*
*

*
*
*
*

Cartera de Crditos / Activo: el signo del coeficiente puede ser

positivo, indicando mayor cartera en riesgo o negativo, sealando
el incremento de la cartera productiva.
Inversiones Totales / Activo: es una medida de riesgo de portafolio. El signo puede ser positivo si las inversiones realizadas por
el banco resultan riesgosas o negativo si contribuyen a cubrir al
banco de crditos morosos. Este indicador fue calculado para
las Inversiones en Ttulos del Gobierno y para las Inversiones
en ttulos del BCV, a fin de diferenciar el efecto del riesgo entre
organismos pblicos.
Depsitos del Sector Pblico / Depsitos Totales: es un indicador
de liquidez que mide el impacto del incremento de los depsitos
pblicos en la banca. Se espera un signo del coeficiente positivo
debido a que la banca mostrara mayor apalancamiento hacia un
nico depositante.
Otros Activos / Activo: se refiere a activos con problema o no
generadores de ingresos para el banco. Se espera un coeficiente
con signo positivo.
Otros ingresos financieros / total de ingresos financieros: captura el incremento de actividades no asociadas con el negocio de
intermediacin. El signo esperado es positivo.
Tasa de inters activa implcita: se refiere a la tasa ex-post obtenida por las instituciones financieras, proveniente de sus colocaciones en cartera de crdito. El signo esperado es negativo.
Tasa de inters pasiva implcita: se refiere a la tasa ex-post pagada
por las instituciones financieras de sus captaciones totales. Un
incremento de esta tasa puede sealar problemas de liquidez en
la medida que el banco quiera incrementar sus captaciones del
pblico, con lo cual se espera que el signo resulte positivo.

Con respecto a las variables macroeconmicas, cabe sealar que se

estimaron las brechas de ciertas variables con respecto a su tendencia,
con la finalidad de aproximar el impacto de los ciclos de las series
de tiempo sobre el indicador de fragilidad. Para estimar la brecha del
Producto Interno Bruto (PIB), dado que la periodicidad requerida es

17

mensual, se utiliz como variable proxi el ndice General de Actividad

Econmica Mensual (Igaem)9.
De igual manera se construyeron las brechas de los ndices de profundizacin financiera y monetizacin de la economa. La profundizacin
financiera se mide como la participacin de la cartera de crdito neta
con respecto al PIB; en el caso de la monetizacin, este indicador mide
el ratio de las captaciones totales entre el PIB. Tomando en consideracin que el PIB nominal es una variable flujo de frecuencia trimestral
y las variables bancarias estn medidas en saldos de periodicidad mensual, se procedi a calcular los indicadores de la siguiente manera:
ICCPIBij=

IDEPIB
=
ij

CCiTj
PIBT-4+PIBT-3+ PIBT-2+PIBT-1
DEPiTj

(3)
(4)

PIBT-4+PIBT-3+ PIBT-2+PIBT-1

Donde: j = mes; i = banco i; T = Trimestre; ICCPIB = ndice de profundizacin financiera; IDEPPIB = ndice de monetizacin; CC = Cartera
de crdito; DEP = Depsitos totales.
En las expresiones anteriores, el PIB nominal es actualizado cada
trimestre en el denominador del ndice; por ejemplo, si se utiliza la
cartera de crdito del mes de diciembre, el PIB nominal calculado
comprendera la sumatoria del PIB nominal del cuarto trimestre del
ao anterior y del primer, segundo y tercer trimestre del ao corriente.
La interpretacin de las brechas se refiere a que incrementos de las
mismas pueden indicar futuros problemas de fragilidad, en la medida
en que las condiciones econmicas se deterioren una vez que culmine
el ciclo expansivo10.
9
10

El valor de tendencia se estim a travs del Filtro de Hodrick-Prescott con lambda igual a
14400.
Diversos estudios sugieren el uso de las brechas del producto para explicar los movimientos
de riesgo de crdito. Uno de ellos es: Tarashev N. (2005) An empirical evaluation of structural
credit risk models, BIS Working Papers, N 179, Monetary and Economic Department.

18

Igualmente, se incluye el tipo de cambio nominal puntual como variable explicativa. El signo esperado de una depreciacin de la moneda
resulta ambiguo, dado que, por una parte, se incrementa el costo de
oportunidad de mantener depsitos en moneda domstica, con lo cual
se reduce el tamao del negocio bancario y, por ende, se incrementa
la fragilidad financiera. Por el contrario, las depreciaciones generan
ganancias cambiarias netas en la gestin bancaria que disminuyen la
fragilidad del sistema11.
Finalmente, se incluy como variable aproximada de los precios de
bienes races el ndice de gastos por alquiler del rea metropolitana
de Caracas. Es de esperar que el crecimiento en los precios de los
inmuebles genere una mejor percepcin en la calidad del prestatario
y, en consecuencia, una mayor colocacin de crditos independientemente de la calidad del mismo. El signo esperado puede ser positivo
si la asignacin de crditos atiende ms a la valoracin del colateral
inmobiliario que a la calidad intrnseca del proyecto12.
5. Resultados

El Grfico N 1 muestra la trayectoria del ndice de inmovilizacin

neta, as como el umbral de fragilidad del sistema bancario, calculado
como el promedio mvil ms la desviacin estndar mvil no centrada
para doce meses de amplitud. Este umbral indica el tope mximo de
tolerancia dentro del cual una institucin o el sistema es considerado
no-frgil. En los perodos julio de 2001 a noviembre de 2001 y enero de
2002 a abril de 2002, as como en los momentos puntuales de enero de
2001 y abril de 2001, el ndice de inmovilizacin neta super el umbral,
con lo cual se identificaron situaciones de fragilidad financiera.
11
12

La ganancia cambiaria neta proviene de la revalorizacin de los activos en moneda extranjera

que supera la aplicada a los pasivos externos.
La aproximacin a la variable precios de los bienes races, podr ser mejorada al disponer
de la serie del ndice de precios por metro cuadrado de los inmuebles en la zona de Caracas.
Dicha informacin fue solicitada a la unidad de bienestar social del BCV.

19

Grfico N 1
Determinacin de la fragilidad financiera1/
(Banca comercial y universal)

1/ (Cartera morosa-provisiones) / cartera de crdito bruta.

Fuente: Sudeban y clculos propios.

En el grfico se observa la tendencia decreciente del ndice de inmovilizacin neta, lo que refleja el fortalecimiento del sistema financiero
en los ltimos aos, al presentar una disminucin de la cartera morosa
como proporcin del total de las colocaciones crediticias. Esta situacin
se profundiza a partir de octubre de 2003, cuando la variable adquiere
valores negativos, indicando el sobreaprovisionamiento del sistema
con respecto a su cartera morosa.
La Tabla N 4 muestra las dos mejores estimaciones del modelo logit
planteado con base en la ecuacin (2). Las series fueron rezagadas al
menos una vez con el propsito de evitar problemas de endogeneidad
entre las variables. Los coeficientes estimados en la regresin no
pueden ser interpretados como efectos parciales de las variables explicativas sobre el ndice de fragilidad debido a la condicin no lineal
de la funcin logstica; sin embargo, el sentido y significancia de las
variables s pueden ser ampliamente evaluados.

20

Tabla N 4
Variable dependiente: IFRAGIL
Mtodo ML-Binary Logit (Quadratic hill climbing)
Nmero: 1368

El valor en parntesis indica el p-value

Donde:
Ifragil=ndice de fragilidad;Tiactiva:tasa de inters activa implcita(-); Repat: resultado neto/patrimonio(-); IBCVACT=Inversiones en ttulos valores emitidos por el BCV con respecto al activo total
(+/); Igobact=Inversiones en ttulos valores emitidos por el gobierno con respecto al activo total (+/-);
Ingoit=Otros ingresos financieros / total de ingresos financieros (+); Gtact=Gastos de transformacin /
activo total (+); Deptot=Depsitos del sector pblico / depsitos totales (+); ALQ=ndice de gastos por
alquiler(+); TCN= Tipo de cambio nominal puntual (+); Gccpib=Brecha del ndice de profundizacin
financiera (+); D1Control.

21

Tal como se explic en la seccin 2.2, las variables fueron clasificadas

en microfinancieras y macroeconmicas. Dentro las microfinancieras, las series que reflejan las operaciones por el lado del activo y de
ingresos bancarios muestran los signos esperados en ambas regresiones. La remuneracin de las operaciones crediticias percibidas por
las instituciones (TIACTIVA) presenta un efecto negativo, resultado
que indica el fortalecimiento de la institucin va incremento de sus
ingresos financieros. El coeficiente negativo que acompaa a la variable rentabilidad del banco, capturada a travs de REPAT, seala
que incrementos en las ganancias bancarias reducen la vulnerabilidad
financiera. Por el contrario, los incrementos en los gastos de transformacin y los ingresos no asociados estrictamente a actividades de
intermediacin (GTACT, INGOIT) constituyen potenciales factores
de fragilidad para el sistema.
Un efecto interesante dentro de las regresiones es el impacto diferenciado que la inversin en ttulos valores pblicos tiene sobre el indicador
de fragilidad. Las colocaciones que realiza la banca en instrumentos
emitidos por el BCV (IBCVACT) disminuyen su fragilidad, en contraste, una mayor adquisicin de ttulos de Deuda Pblica Nacional
(DPN) y de Letras del Tesoro (IGOBACT) conduce a un incremento
en la vulnerabilidad del sistema. Este resultado pudiera sealar la diferencia en la percepcin de riesgo que tienen ambos bonos pblicos
que influyen de manera opuesta sobre la determinacin de la fragilidad
del sistema13.
Dentro de las variable microfinancieras se encuentra la participacin
de los depsitos pblicos en el total de captaciones de la banca (DEPTOT) como factor de incidencia en la fragilidad del sistema. Este
hecho puede estar asociado a la mayor volatilidad que los depsitos
pblicos presentan con respecto a los privados, lo que se traduce en
problemas en la asignacin de crditos14. Si se considera que la admi13 Pruebas de Causalidad de Granger demuestran que existe una relacin de causalidad unidireccional desde la tenencia de bonos gubernamentales hacia la fragilidad bancaria.
14 La volatilidad fue calculada como la desviacin tpica de la tasa de variacin intermensual de los
depsitos, resultando en el caso de los depsitos pblicos 12,2% y para los privados 5,3%.

22

nistracin bancaria busca mantener relativamente estable la intermediacin crediticia, en un contexto de alta volatilidad en los depsitos
un crecimiento abrupto en los mismos podra inducir a la asignacin
de recursos de una manera ms laxa, con el consecuente efecto en la
cartera morosa.
Asimismo, la concentracin de depsitos en torno a un solo oferente (la
administracin pblica) asigna mayor vulnerabilidad a las instituciones
bancarias toda vez que estn expuestas a la no-diversificacin de los
depositantes que le garantice un nivel estable de captaciones para la
intermediacin. Este aspecto adquiere particular importancia en la coyuntura actual debido al creciente peso relativo de las captaciones del
sector pblico en el sistema financiero durante los ltimos meses.
Grfico N 2
Depsitos del sector pblico como proporcin
de los depsitos totales

Fuente: Sudeban.

23

En cuanto a las variables macroeconmicas, el tipo de cambio nominal

puntual (TCN) y su variacin presentaron signos positivos y significativos, pudiendo esbozarse como canal de transmisin el impacto
adverso de las depreciaciones de la moneda sobre el mantenimiento de
depsitos en moneda local y, por ende, la menor disposicin de recursos
para la intermediacin por parte del sistema. Por su parte, la brecha del
ndice de profundidad financiera mostr el signo positivo esperado con
doce meses de rezago, indicando la mayor vulnerabilidad del sistema
luego de haberse concretado un perodo de boom o de sobrereaccin
en el mercado crediticio15. Vale destacar que esta variable con menores
rezagos no resultaron significativas16. El perodo de control de cambio,
descrito por la variable dicotmica D1Control, result significativo y
con impacto adverso en la estabilidad del sistema bancario.
6. Pronsticos

A partir del modelo estimado en la seccin anterior, se procedi a

utilizar la submuestra denominada perodo de prueba que comprende el rango enero-2005 y agosto-2005 para evaluar la capacidad
de prediccin del modelo. En este sentido, los valores obtenidos del
pronstico fueron aproximados a una variable binaria {0,1} de manera
que pudieran ser comparados con las observaciones reales del ndice
de fragilidad. Tomando en consideracin que el modelo ofrece probabilidades estimadas de fragilidad para un determinado banco, se igual
este factor a uno (cero) cuando su valor resultase mayor (menor) a 0,5;
as se generara la nueva serie del ndice de fragilidad pronosticada.

15

Cabe recordar que la brecha del ndice de profundizacin financiera fue construida como la
diferencia entre la razn crdito/pib y su tendencia.
16 Es importante sealar que el indicador de riesgo-pas EMBI Plus como una medida aproximada del riesgo de incumplimiento de las obligaciones pblicas y el ndice de Precios al
Consumidor (IPC) no resultaron significativos en la estimacin.

24

A los fines de evaluar la capacidad de prediccin del modelo se utiliza

la metodologa de Rocco (2004) que aplica medidas de sensibilidad,
especificacin y precisin como clasificadores de comportamiento. A
los efectos de este informe, los indicadores se definen como:
NFA
NFA+NFF

(5)

FA
FA+FF

(6)

FA+NFA
FA+FF+NFA+NFF

(7)

Sensibilidad=

Especificacin=

Precisin=

Donde:
NFA = Nmero de casos clasificados como no-frgiles acertados
FA = Nmero de casos clasificados como frgiles acertados
FF = Nmero de casos clasificados como frgiles fallados
NFF = Nmero de casos clasificados como no-frgiles fallados
En la evaluacin de la fragilidad, la sensibilidad ofrece el porcentaje de
eventos clasificados correctamente como no-frgiles y la especificacin
del porcentaje de eventos de fragilidad clasificados correctamente.
A partir de estos clasificadores se construye un criterio alterno para
evaluar la prediccin del modelo: la razn ruido/seal (RRS), cuyo
valor mide las seales falsas como proporcin de las seales acertadas emitidas por el modelo. En la medida que el RSS tienda a cero se
considera al modelo con una mayor capacidad de prediccin.
RSS=

1-Sensibilidad
Especificacin

(8)

La Tabla N 5 presenta las predicciones de los modelos clasificados

por peso relativo de los bancos y por tipo de clasificador de pronstico para las estimaciones 1 y 2. Al evaluar las predicciones de ambas
regresiones, la estimacin 1 presenta los mejores resultados, lo que

25

indica su superioridad en trminos predictivos sobre la estimacin 217.

En el caso de la estimacin 1, la primera parte de la tabla muestra que
la mayora de los clasificadores de pronstico tienen un elevado nivel
de acierto en los grupos de bancos considerados. El ndice de precisin
reflej la capacidad del modelo para acertar en ms del 90% de los
casos las seales emitidas por el ndice de fragilidad. Sin embargo, el
modelo evidenci cierta debilidad de prediccin hacia el conjunto de
bancos grandes, mostrando el coeficiente de ruido seal ms alto entre
los grupos seleccionados.
Tabla N 5
Evaluacin de los resultados
considerando diversos clasificadores

1/ Grandes = Seis principales bancos.

2/ Medianos = Participacin del activo sobre el total del sistema entre el 5% y 10%
2/ Pequeos = Participacin del activo sobre el total del sistema entre el 0,5% y 5%

Al enfocarnos en la parte inferior de la tabla referida a las predicciones

sobre observaciones que el modelo no consider en la estimacin 1,
se observa que en el 92% de los casos acert las situaciones de nofragilidad, en tanto que los escenarios de fragilidad fueron detectados
en un 73%. Los pronsticos para los bancos grandes del sistema financiero se presentan bastante alentadores, acertando todos los casos
de no-fragilidad (coeficiente de sensibilidad = 100%) y un elevado
coeficiente de precisin (96%). De hecho, el comportamiento de los
17 Adicionalmente, de acuerdo al criterio economtrico de seleccin de modelos de Schwarz
debera seleccionarse la regresin 1 como modelo de estimacin.

26

clasificadores en el perodo de prueba para este subconjunto de bancos

result mejor que los presentados para el perodo de entrenamiento.
El mnimo nivel de sensibilidad determin que la razn ruido seal
fuese igual a 0, resultado que indica como el modelo no emiti falsas
seales de no-fragilidad durante este perodo.
En el conjunto denominado bancos pequeos, el modelo 1 mantuvo
en trminos generales elevados registros para los clasificadores de
pronstico tanto en el perodo de entrenamiento como en el de prueba.
Sin embargo, la estimacin 1 present dificultades para predecir las
situaciones de fragilidad dentro de los bancos medianos del sistema,
grupo que present los clasificadores de pronstico ms bajo de toda
la muestra. Dentro de las posibles causas de la falta de capacidad de
prediccin, se puede destacar la importante influencia que el factor
autorezagado ejerce sobre la estimacin. A continuacin la Tabla N
6 muestra los pronsticos del modelo 1 clasificados por institucin
financiera durante el perodo de prueba:
Tabla N 6
Evaluacin de los pronsticos
del modelos por banco

F
NF
V
P

= Frgil.
= No-frgil.
= Valor verdadero
= Valor de pronstico

Grandes

3
6
17
18
20
24

Medianos

27

2
4
5
7
8
10
12

13
14
15
16
22
23

Pequeos

1
9
11
19
21

A los fines de comprender el alcance de la clasificacin de frgil

realizada sobre un determinado banco, es necesario resaltar que esta
definicin es una posicin relativa de cada institucin con respecto al
sistema. En este sentido, los cinco bancos de la muestra que consistentemente presentan fragilidad (Bancoro, Banesco, Corpbanca, Industrial
y Venezuela), con la excepcin del Banco Industrial, mantienen coeficientes de inmovilizacin neta bajos e inclusive sobreaprovisionados
(valores negativos). No obstante, considerando la recuperacin que
presenta este coeficiente para el sistema financiero en su conjunto
en los ltimos meses, los ndices para estas instituciones resultaron
superiores al nivel de tolerancia establecido, situacin que propicia su
clasificacin como frgiles.
La definicin de vulnerabilidad financiera en la coyuntura actual puede
ser interpretada como una seal de alerta temprana para instituciones
que realizan colocaciones ms riesgosas o de menor calidad en comparacin con las realizadas por sus homlogos. En este sentido, cabe
resaltar la clasificacin de los bancos Banesco y Venezuela (agrupan
el 30% del total de depsitos del sistema) como frgiles de acuerdo a
los resultados obtenidos por el modelo. Estas seales de vulnerabilidad
deben ser monitoreadas con especial inters debido a que su comportamiento pudiera eventualmente transmitirse al resto del sistema.
Finalmente, los grficos N 3 y N 4 presentan los pronsticos de
las probabilidades de fragilidad, sustentado en el modelo 1, para el
conjunto de bancos estudiados en la muestra, as como por grupo de
bancos. A los fines de aproximar una estimacin de la probabilidad
de la fragilidad del sistema financiero en su totalidad se realiz un
promedio ponderando por el tamao relativo de cada banco18.

18 Participacin del activo del banco como proporcin del activo total.

28

Grfico N 3
Pronstico de la probabilidad
de fragilidad en el sistema financiero
100.0%

75.0%

Zona de fragilidad

50.0%

Zona de no-fragilidad
25.0%

0.0%
Enero

Febrero

Marzo

Abril

Mayo

2005
Fuente: Clculos propios.

Grfico N 4
Pronstico de la probabilidad de fragilidad

Fuente: Clculos propios.

29

Junio

Julio

Agosto

Los grficos N 3 y 4 identifican las zonas de fragilidad y nofragilidad, las cuales han fungido como criterio de decisin para
determinar si la probabilidad de fragilidad derivada del modelo para
un determinado banco puede clasificarse como frgil o no. Al aplicar
este criterio al conjunto de bancos de la muestra en forma agregada se
observa que la probabilidad pronosticada consistentemente se ubica
en la zona de no-fragilidad.
7. Conclusiones

La estimacin a partir de la construccin de un modelo logit con datos

de panel para un conjunto de 24 bancos del sistema banca comercial
y universal venezolano, sugieren que las variables microfinancieras
como: resultado neto (-), tasa de inters activa implcita (-), otros ingresos financieros (+) y gastos de transformacin (+) tienen efectos
estadsticamente significativos sobre la fragilidad de las instituciones
financiera19. En cuanto al impacto del sector pblico sobre el sistema,
el modelo indica mayor vulnerabilidad cuando se incrementa la proporcin de depsitos de la administracin pblica, en tanto que en el
caso de las inversiones en ttulos valores el efecto depende del emisor.
La adquisicin de bonos gubernamentales acenta la vulnerabilidad
mientras que los adquiridos por colocacin primaria del Banco Central
de Venezuela fortalecen la situacin del negocio crediticio.
Segn los resultados obtenidos para las variables macroeconmicas,
depreciaciones en el tipo de cambio nominal afectan adversamente la
fortaleza del sistema, en tanto que los escenarios de crecimiento crediticio por encima de su tendencia tienden a debilitar a las instituciones
financieras incrementando la probabilidad de fragilidad.

19 Los signos entre parntesis indican el sentido de la relacin.

30

La capacidad predictiva del modelo 1, evaluada durante el perodo de

prueba comprendido entre enero y agosto de 2005, presenta resultados
alentadores especialmente para el pronstico de fragilidad de los seis
bancos ms importantes del sistema. Los clasificadores de prediccin
para esta submuestra fueron los ms altos del conjunto de datos, llegando a acertar la prediccin de todas situaciones de no-fragilidad
y el 87% de las situaciones de fragilidad ocurridas en este rango. El
comportamiento de los clasificadores de prediccin para los bancos
pequeos del sistema tambin mostr resultados positivos, destacando
un nivel de precisin del 93% y sensibilidad de 94%. No obstante estos
resultados, los esfuerzos en materia de prediccin deben acentuarse
sobre el comportamiento de los bancos medianos del sistema, los cuales
no mostraron elevados niveles en los clasificadores de prediccin.

31

Referencias Bibliogrficas

Fernndez, Ma. Amelia (2004), Fragilidad bancaria en Venezuela.

Hilbers P. et al.,(2005), Assesing and managing rapid credit growth
and the role of Supervisory and prudential policies, IMF.
Rocco C. (2004), An application of one-class support vector machine
for currency crises discrimination.
Tarashev N. (2005), An empirical evaluation of structural credit risk
models, BIS Working Papers, N 179. Monetary and Economic Department.
Wooldridge J. (2001), Introduccin a la econometra. Un enfoque
moderno.

32

Este N 86 de la serie Documentos de

Trabajo, en edicin de 25 ejemplares, se
termin de imprimir en los Talleres de
impresin del BCV, durante el mes de
febrero de dos mil siete.