Castro Torres Cesar David Medidas
Castro Torres Cesar David Medidas
Castro Torres Cesar David Medidas
Escuela de Posgrado
AUTOR
Cesar David Castro Torres
ASESOR
Guillermo Moloche Velarde
JURADOS
Paúl Castillo Bardalez
Marco A. Vega De la Cruz
LIMA - PERÚ
2013
Resumen
En tal sentido, las políticas macroprudenciales, son diseñadas para velar por la estabilidad
de la economía como un todo, en contraste al enfoque microprudencial enfocado sobre la
estabilidad individual de cada institución financiera.
En líneas generales, no hay consenso para definir riesgo sistémico; sin embargo, algunas
definiciones son las siguientes: i) Billio y otros (2011) lo definen como “cualquier conjunto
de circunstancias que amenaza la estabilidad o confianza del público en el sistema
financiero”, ii) El Banco Central Europeo(2010) lo define como “riesgo de inestabilidad
financiera tan extendida que afecta el funcionamiento de un sistema financiero hasta el
punto donde el crecimiento económico y bienestar material sufre”, iii) Schwarcz (2008) lo
define como “cualquier evento tales como shocks económicos o quiebras institucionales
que generan quiebras generalizadas, o consecuencias económicas malas”, iv) Roengpitya
y Rungcharoenkitkul (2008) lo define como “la probabilidad que, si una institución está en
peligro, ello posiblemente desencadenen que las otras instituciones también estén en
peligro que consecuentemente puede conducir a una corrida bancaria y al colapso
financiero cuando un número suficientes de instituciones son afectadas”.
En adelante, el trabajo está organizado como sigue. La sección 2 comprende una breve
revisión de algunos hechos estilizados. En la sección 3 se plantea el problema de estudio.
La sección 4 presenta un marco teórico y empírico. La sección 5 explica la relevancia
empírica del estudio. La sección 6 comprende el planteamiento de la hipótesis. La sección 7
describe los lineamientos metodológicos. En la sección 8 se muestra los resultados y en la
sección 9 se presenta las conclusiones de la investigación.
2 Apalancamiento (individual) y proporción de las pérdidas totales que corresponde a cada institución (agregado).
2. Hechos estilizados
Durante el periodo de estudio (1995-2012)3 hubo dos crisis importantes, siendo la crisis de
finales de los 90, desatada por la crisis Asiática (ver Paredes, 1999), la que afectó
severamente al sistema financiero peruano.
El cuadro 1 muestra el resumen de los recursos del Estado comprometidos a diciembre del
2005 como resultado de los programas efectuados para salvar al sistema del colapso. El
total del monto comprometido ascendía a 2285.31 millones de dólares, de los cuales 737.93
millones de dólares comprendía el monto sin saldo por recuperar, que a la vez representó el
1.37% del PBI.
Monto sin
Monto Monto Monto sin
Programas del Gobierno Saldo por
Comprometido Recuperado riesgo
Recuperar
Por otro lado, actualmente en el mercado financiero existen un total de 15 bancos; sin
embargo, más del 85 % del total del activo del sector está concentrado en cuatro (BCP,
BBVA, Scotiabank e Interbank). El gráfico 1 muestra la participación de todos los bancos
del sistema bancario peruano.
En los años siguientes el ROE del BCP, BBVA e Interbank comenzaron a crecer
sostenidamente, mientras que el ROE de Scotiabank mantuvo niveles bajos hasta inicios del
2006, lo que estaría explicado por el complicado proceso de fusión del Banco Wiese con
Lima Sudameris en 1999 (ver Informe de la comisión “Wiese” del congreso, 2002) y
posterior adquisición de la firma Banco Wiese Sudameris por Scotiabank en 2007.
Adicionalmente, cabe resaltar que el crecimiento de la rentabilidad sobre el patrimonio del
sector financiero representado por los cuatro principales bancos, se desaceleró luego de la
crisis subprime en el 2008.
35%
30%
25% 22.55%
20% 16.17%
15% 12.43%
10.67%
10%
5%
0%
BCP BBVA Scotiabank Interbank Otros
Fuente: SBS.
Elaboración propia
may-01
jul-95
feb-96
abr-97
ene-99
jul-02
feb-03
abr-04
ene-06
jul-09
may-08
feb-10
abr-11
jun-05
nov-97
jun-98
nov-04
nov-11
dic-94
mar-00
dic-01
mar-07
dic-08
sep-10
sep-96
ago-99
oct-00
sep-03
ago-06
oct-07
-0.05
Fuente: SBS
Elaboración propia
6
4
2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Precio de acciones-BBVA
8
Precio de mercado
6
4
2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Precio de acciones-Scotiabank
8
Precio de mercado
2
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Precio de acciones-Interbank
8
Precio de mercado
6
4
2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Fuente: Bloomberg
Elaboración propia.
6
El precio de las acciones de Scotiabank está en logaritmos.
Girando hacia el análisis de la evolución de los precios de las acciones de los cuatro bancos
considerados en este estudio, el gráfico 3 evidencia que, los precios han tenido una relativa
desaceleración después de la crisis asiática y rusa; mostrándose en mayor grado para el caso
del precio de las acciones de Scotiabank, que cayó abruptamente en relación a las otras.
Esto se debió en gran medida al hecho de que en ese entonces, Banco Wiese mostrara
síntomas severos de debilidad frente a les efectos de la crisis rusa, cuya posterior mejora
estuvo impulsado por el proceso de salvataje que culminó en la integración con el Banco
Lima Sudameris; sin embargo, esto no revirtió la tendencia bajista del precio hasta finales
de 2004.
7
Cabe resaltar que las acciones de Interbank dejan de cotizar desde octubre de 2008 hasta aproximadamente julio del
2009, sin embargo, para efectos de los cálculos posteriores, se hace interpolación lineal para periodos en las que deja de
cotizar.
8 Aquí “no esperada” hace referencia a la pérdida que supera el umbral predefinido (lo que se esperaba que ocurra) con
cierto grado de probabilidad. En adelante, cuando se habla de “en términos esperados” se refiere a la esperanza
matemática.
En este sentido, De la Torre e Ize (2009) y Borio (2011) plantean dos dimensiones de la
política macroprudencial en el sector financiero. Por un lado, la dimensión tiempo que
implica el manejo dinámico del riesgo sistémico; por otro lado, la dimensión transversal
que implica cómo esta asignada el riesgo entre las instituciones del sistema en un punto en
el tiempo.
Objetivo
Estimación dinámica del Riesgo Sistémico en el Sistema Financiero Peruano bajo el
enfoque macroprudencial.
4. Marco teórico
4.1. Riesgo sistémico y bancos
A lo largo de la historia, las crisis en los sistemas financieros han sido precedidas por crisis
bancarias, crisis de deuda pública9, crisis de la balanza de pagos, crisis cambiarias10, etc. o
situaciones en las cuales hubo combinación de ellas como las llamadas crisis gemelas 11.
Asimismo, la evidencia indica que por lo general las crisis bancarias recaen en crisis
financieras severas; mientras tanto, las crisis de deuda pública y de balanza de pagos12
recaen en crisis bancarias y posteriormente en financieras, convirtiéndose en crisis
generalizada en la economía. Por ello, el análisis del riesgo sistémico para el sector
financiero a partir de bancos es fundamental.
Berróspide (2000) describe que, cuando estalló la crisis asiática en 1997; debido al efecto
contagio de los choques externos (disminución de exportaciones), hubo una repercusión
adversa a la actividad económica en toda Latinoamérica, entre ellos el Perú, que a
diferencia del resto de países poseía sólida posición fiscal, tipo de cambio flexible, y
estabilidad macroeconómica que evitó que se desate una crisis cambiaria. No obstante, en
En el Perú esto trajo consigo la disminución del crédito al sector real y la disminución de
los depósitos, por lo que algunos bancos mostraron síntomas de fragilidad, tales como
Banco de la República (que fue liquidada) y el Banco Latino que fue puesto en vigilancia y
luego se recuperó.
Más adelante, a inicios de 1999 la crisis cambiaria y financiera en Brasil afectó nuevamente
al desenvolvimiento bancario, trayendo consigo una contracción del crédito y disminución
de la actividad productiva por las altas tasas de interés debido al alza de las primas por
riesgo. Esta situación provocó la recesión y generó episodios de devaluación que a la vez
afectó severamente la capacidad de pago de los agentes y el deterioro del sistema bancario,
consistente con la alta dolarización que prevalecía en aquellos años.
Al verificar la importancia del sistema bancario dentro del sistema financiero surge una
cuestión acerca de cuáles podrían ser los mecanismos de transmisión por donde la
fragilidad individual se convierte en fragilidad generalizada.
En este punto, emerge un concepto fundamental que acompaña a las crisis financieras,
denominado efecto contagio o co-movimientos en los mercados; a través del cual, una
externalidad negativa de alguna institución afecta al sistema. Por el lado de los
depositantes, el riesgo más latente son las corridas bancarias. Chari y Jagannathan (1988)
muestran que los individuos con acceso a información acerca de retornos futuros bajos,
comienzan a hacer retiros; mientras que los individuos no informados se percatan de esto y
también comienzan a hacer la liquidación de sus activos, llevando a una corrida bancaria
generalizada. Asimismo, otro riesgo de contagio viene de los créditos interbancarios, que
en tiempos buenos son una manera eficiente de enfrentar shocks de liquidez; entretanto en
situaciones de tensión pueden convertirse en un canal de contagio que pude desencadenar
crisis sistémicas (ver Allen y Gale (2000) y Freixas y otros (2000)).
El contagio es una característica clave en la concretización y agudización de las crisis
financieras; no obstante, esto surge una vez que se origina un shock negativo inicial en los
mercados (quiebra bancaria, disminución de las exportaciones, caída en el precio de los
comodities, entre otros). De aquí, se torna importante la identificación de las fuentes de
donde surgen estos shocks. A continuación se analiza brevemente este tema.
La cantidad de CDO (Collateralized Debt Obligations) y CDS (Credit Default Swap) que
había en el mercado, la ausencia de métodos efectivos de valorización de las mismas y la
débil regulación fueron pieza clave para que se incremente en pocos años el riesgo
sistémico y la consecutiva crisis. En palabras de De la Torre e Ize (2009) “el riesgo moral
lleva la semilla de su propia destrucción”.
Es así que, la implementación de una buena medida de riesgo debe contemplar mecanismos
que ayuden a disminuir la posibilidad de ejercer riesgo moral por parte de los agentes
financieros. En lo que sigue se describe las características de una buena medida de riesgo
sistémico.
La necesidad de monitorear mejor el riesgo, hizo que algunos expertos reunidos en una
Conferencia en la Universidad de Chicago (2010), debatieran ciertos puntos acerca de
cuáles deberían ser las características de una buena medida de riesgo sistémico. Las cuales
pueden ser resumidos como sigue:
En esta sección presentamos una breve descripción de las medidas de riesgo que nos
servirán más adelante para implementar la medición de riesgo sistémico dinámico.
Asimismo, se muestran las herramientas econométricas que se utilizarán para abordar el
cálculo de estas medidas de riesgo.
Sea:
𝑟𝑘 = 𝑋𝑡′ 𝛽𝛼𝑘 + 𝑢𝑡 ; 𝑘 = 𝑖 (𝑖𝑛𝑠𝑖𝑡𝑢𝑐𝑖ó𝑛), 𝑚(𝑚𝑒𝑟𝑐𝑎𝑑𝑜).
13 Ver sección 6.
4.5.2.3. Expected Shortfall (ES).- Es el valor esperado de la pérdida, cuando ésta
supera el Valor en Riesgo (VaR).
1 𝑖𝑓 𝑟𝑘,𝑡−𝑝 < 0
𝑁𝑡−𝑝 = {
0 𝑖𝑓 𝑟𝑘,𝑡−𝑝 > 0
𝑟𝑘,𝑡
Sea 𝜀𝑘,𝑡 = y 𝑄𝑡 la matriz de correlación de 𝜀𝑘,𝑡 . De ahí que, si
√𝛿𝑘𝑘,𝑡
asumimos un GARCH (1,1), la versión matricial del modelo queda así:
𝑄𝑡 = (1 − 𝛼 − 𝛽)𝑄 + 𝛼𝜀𝑡−1 𝜀′𝑡−1 + 𝛽𝑄𝑡−1
Tal que 𝛼 + 𝛽 < 1 donde 𝑄 es la matriz de correlación incondicional de los
errores estandarizados. De aquí los parámetros son estimados mediante MV
y 𝑃𝑡 es extraído mediante:
−1 −1
𝑃𝑡 = 𝑑𝑖𝑎𝑔(√𝑞𝑘𝑘,𝑡 ) 𝑄𝑡 𝑑𝑖𝑎𝑔(√𝑞𝑘𝑘,𝑡 )
Donde: 𝑞𝑘𝑘,𝑡 es el elemento kk de 𝑄𝑡 .
En esta sección se ha descrito teóricamente las medidas de riesgo que serán implementadas
en este estudio; así como las herramientas que permiten construirlas. Sin embargo, es
importante revisar los avances que se tiene en la literatura empírica en materia de medición
de riesgo sistémico.
En general, los autores están de acuerdo en que la evaluación de riesgo sistémico debe
realizarse de manera consistente con el enfoque macroprudencial. Esto incluye un análisis
de externalidades causadas por la interconexión y la evolución dinámica de las mismas; sin
embargo, la teoría en este sentido aún es poco desarrollada. Al margen; hay una razonable
cantidad de herramientas que se puede encontrar en la literatura para este fin.
15 Así como en la modelación de las volatilidades se introdujo los efectos de asimetría, puede hacerse una extensión hacia
la modelación de las correlaciones según el DCC - GARCH generalizado asimétrico.
Un enfoque que predomina, básicamente dado que involucra a muchísimas instituciones
financieras es el enfoque de redes basado en el análisis de los nodos, cuyo fundamento
teórico es prestado de otras ciencias y aplicados en lo que los promotores 16 denominan
redes financieras. La intuición detrás de estos modelos, es que si hay un shock ligero en el
sistema, el riesgo generado se disipará y el propio mercado de manera automática se
volverá a estabilizar; mientras que si un shock es severo y afecta de la misma manera a otro
componente del sistema, como consecuencia traerá consigo una quiebra generalizada del
sistema. Para el caso peruano aplicar este método le quita esencia a la misma, pues como se
mencionó, involucra un mercado grande, donde la interconexión es compleja y donde su
ajuste seguramente es mejor, mientras que el sistema financiero peruano es diminuto
comparado al norteamericano, al británico o a otros sistemas desarrollados.
Asimismo, un artículo que tiene cierto grado de sesgo hacia el análisis de redes, es el de
Billio y otros (2011), quienes hacen énfasis en que la medición de riesgo sistémico para el
caso de los Estados Unidos va más allá de sólo bancos, y por ello, los Hedge Funds,
Compañías de Seguro y Corredores de Bolsa son introducidos al análisis.
Para hacer esta medición proponen dos modos: en primer lugar utilizan el método de
Análisis de Componentes Principales (ACP). Estableciendo umbrales consiguen que en los
últimos años la correlación entre los retornos de estas compañías ha aumentado, lo que
indicaría que el grado de vinculación ha aumentado también, con la particularidad de que
en periodos de crisis la correlación de los retornos de los bancos y las compañías de seguros
son los que más crecen y pueden servir como una advertencia. En segundo lugar, usan un
análisis de dinámica intertemporal a través de un test de causalidad de Granger, con lo que
buscan verificar, si algún retorno de alguna institución anticipa la evolución del retorno de
otra; consiguiendo que en periodos de crisis, el número de relaciones de causalidad se
incrementa.
16 Ver Haldane(2009), May y Arinaminpathy(2009), Nagurney y Qiang (2010), Gay y Kapadia (2010).
La medida de riesgo más común17 es adaptada a la medición de riesgo sistémico bancario
en Roengpitya y Rungcharoenkitkul (2011), quienes analizan la interconexión en el sistema
bancario tailandés, tomando como muestra 6 bancos y usando el análisis VaR condicional o
CoVaR de Adrian y Brunnermeier (2011).
El CoVaR implica la medición del VaR dinámico del Sistema condicionado al VaR de una
institución financiera, así como el VaR de una institución condicionado al VaR de otra 18.
De ahí, Roengpitya y Rungcharoenkitkul (2011) analizan el comportamiento del CoVaR
de cada institución respecto al estado de ciertos indicadores en las hojas de balance de las
instituciones, tales como el nivel de préstamos, depósitos, activos interbancarios, acciones
comunes, utilidades retenidas, depósitos interbancarios entre otros. El aporte es mostrar la
utilidad de estos métodos para ser usado como herramienta por los reguladores, pues
permite conocer cuál es la variable en la hoja de balance del banco que explica mejor la
significancia sistémica del banco y sobre el cual se debería hacer alguna vigilancia.
Desde el punto de vista legal, Schwarcz (2008), analiza el riesgo sistémico, y hace una
crítica al sistema de administración de riesgo sistémico. El autor sostiene que ponerle
demasiada atención sólo al sector bancario en Basilea, no reduce el riesgo sistémico; pues
otras instituciones del sistema también deberían ser introducidos. De otro lado, argumenta
que la política monetaria es inefectiva para salir de la crisis porque esta afecta a los bancos,
mas no a todo el mercado financiero.
Para el caso peruano Espino y Rabanal (2011) usan las hojas de balance de todo los bancos
del sistema peruano para analizar el grado de vulnerabilidad y el nivel de riesgo sistémico
bajo un enfoque estático de ratios de participación, concluyendo que para el caso peruano
no hay considerable nivel de riesgo de interconexión; por lo tanto, es bajo el riesgo
sistémico. Dejan abierta la posibilidad que esto puede cambiar si introducimos choques
dentro de algún modelo que se pueda diseñar.
Los enfoques de medición descritos en esta sección realzan el papel que juega la
transmisión de externalidades dentro del sistema financiero. Asimismo, estos análisis en su
mayoría son de carácter dinámico, consistente con la óptica de las políticas
macroprudenciales en los aspectos dimensionales (ver Borio, 2011). La importancia de la
consistencia entre las medidas de riesgo sistémico y las políticas macroprudenciales está
soportada en la evidencia empírica como se muestra en la siguiente sección.
En los últimos años en el Perú se ha elevado el nivel de los créditos en el sector bancario
(ver gráfico 4), causado por muchos factores, entre ellos, la mayor innovación tecnológica
que ha traído consigo la implementación de mecanismos de transacciones financieras de
manera más ágil y rápida19, incremento de las inversiones, el crecimiento económico, entre
otros.
60
50
40
30
20
10
0
may-03
may-10
may-01
may-02
may-04
may-05
may-06
may-07
may-08
may-09
ene-08
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-09
ene-10
sep-01
sep-05
sep-02
sep-03
sep-04
sep-06
sep-07
sep-08
sep-09
Comercial Consumo
Fuente: SBS.
Elaboración propia
Más allá de que si el desarrollo del mercado financiero trae consigo mejora en el
crecimiento económico o viceversa, es cierto que si un riesgo sistémico en el sistema
financiero se materializa, trae consigo una considerable pérdida en crecimiento económico
y riqueza. El gráfico 5 muestra la evolución del PBI peruano en niveles, donde se puede
notar que después de la crisis asiática y rusa que afectó al sistema financiero peruano, el
PBI perdió tendencia y posteriormente hubo una demora en la recuperación de la tasa de
crecimiento. De manera similar, la repercusión de la crisis subprime trajo desviación en la
tendencia, aunque la recuperación de la tasa de crecimiento fue rápida.
En esta misma línea, el FMI (2009) analiza la recuperación del PBI en el mediano plazo
dentro de una muestra de 88 crisis bancarias, consiguiendo que en general el producto no
recupera su tendencia previa a la crisis. Además, después de 7 años ocurrida una crisis
bancaria, el producto está cerca del 10% por debajo de la tendencia de largo plazo; no
obstante, las tasas de crecimiento generalmente si se recuperan. Asimismo, en una
publicación reciente, el Banco Mundial (2011) realiza un estudio sobre la magnitud de las
caídas en el PBI provocadas por la crisis financiera subprime, consiguiendo que la tasa de
crecimiento de los países con altos ingresos cayeron en un promedio de 7.7 puntos
porcentuales, seguido por los países de ingresos medios, cuyas tasas cayeron en un
promedio de 6.9 puntos porcentuales y finalmente los países de ingresos bajos en promedio
cayeron en 1.5 puntos porcentuales.
Por otro lado, Schanz y otros (2011) analizan un modelo teórico para ver en que magnitud
cae el PBI cuando se aplica la política de estabilidad financiera basada en mayores
requerimientos de ratios de capital de los bancos. Los resultados de la calibración del
modelo teórico muestran que por una unidad porcentual adicional de requerimiento de
capital, el PBI se reduce en 0.04 %.
En líneas generales, el análisis realizado en esta sección señala que el costo de una crisis
supera significativamente a los costos de un mayor nivel en la calidad de la administración
del riesgo en el sistema financiero. Si se ve en el sentido de Schanz y otros (2011), el
beneficio marginal de una mejor política macroprudencial supera al costo marginal de
llevarla a cabo. Es así que, que los instrumentos de medición de riesgo sistémico se
convierten en relevantes para todas las economías.
55
45
35
25
15
5
ago-96
dic-92
dic-03
ago-07
ene-92
ene-03
nov-04
oct-05
sep-06
mar-90
nov-93
oct-94
sep-95
feb-91
mar-01
feb-02
mar-12
jun-98
may-99
jun-09
may-10
abr-00
abr-11
jul-97
jul-08
Fuente: BCRP
Elaboración propia
6. Hipótesis
Para efectos de esta investigación asumimos razonablemente mercados eficientes; por lo
tanto, el precio de las acciones de las firmas financieras, el Índice General de la Bolsa de
Valores de Lima (IGBVL) y el índice Standar & Poor’s (S&P) reflejan toda la información
económica de los bancos, economía nacional e internacional respectivamente.
Para mostrar el riesgo individual que representa cada institución en el sistema, se plantea el
siguiente indicador sencillo.
𝐸𝑡𝑖 ∗ (1 − 𝑀𝐸𝑆𝑡𝑖 )
𝐿𝑖𝑡 = ≥𝑘 (2)
𝑎𝑐𝑡𝑖𝑣𝑜𝑠
Donde:
𝐿𝑖𝑡 = 𝐸𝑠𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑎 𝑑𝑒 𝑎𝑝𝑎𝑙𝑎𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜.
𝐸𝑡𝑖 = 𝑝𝑎𝑡𝑟𝑖𝑚𝑜𝑛𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑠𝑡𝑖𝑡𝑢𝑐𝑖ó𝑛 i 𝑎𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 t.
Note que este ratio de apalancamiento24 es el esperado cuando el banco cae en un escenario
de tensión. Es decir, muestra la capacidad de la institución de mantener un nivel deseable
de capital predefinido25 como porcentaje de sus activos, dado el evento de estrés.
Este indicador mide el porcentaje que representa la pérdida individual respecto al total de
pérdidas; facilitando la comparación de la significancia de las pérdidas individuales. Este
Los indicadores mostrados en esta sección son construidos sobre las metodologías
presentadas en la siguiente sección.
7. Lineamientos metodológicos.
7.1. Especificación de las medidas de riesgo.
De donde se obtiene los VaR,s tanto individual y sistémico a partir de los valores de los
rendimientos ajustados por la regresión. Es decir.
26 Adrian y Brunnermeier (2011) trabajan con el VaR sobre las tasa de crecimiento de los activos financieros a precio de
mercado.
27 Pues esta medida estará basado en la variación de los precios de mercado.
28 5% y 1% en este documento.
29 También es posible analizar el VaR de una institución dado que otra se encuentra en la suya.
En la ecuación (8), evaluamos el efecto marginal de la institución “𝑖” sobre el VaR del
mercado cuando llega a su umbral máximo de pérdidas (con α% de probabilidad).
Imaginemos que 𝐶𝑂𝑉𝑎𝑅𝑡𝑚 |𝑖 > 𝐶𝑂𝑉𝑎𝑅𝑡𝑚 |𝑗, entonces se dice que “𝑖” es la insitución que
debería internalizar mayor sus externalidades y debería ser tomado como institución de
mayor riesgo para el sistema que j, pues empeora la situación del mercado en mayor
magnitud que “j” en tiempos de estrés financiero.
Recuerde que una institución llega a su nivel VaR cuando se encuentra en un escenario de
estrés o malos tiempos; pero este nivel, según la ecuación (7) puede ser consistente con el
estado de otras variables financieras relevantes (para este caso se ha tomado la rentabilidad
del mercado peruano y el índice S&P para capturar el efecto internacional); no obstante, el
CoVaR es una medida que incluye el efecto adicional del hecho que una institución esté en
malos tiempos o este en su nivel VaR; por ello, se espera que sea más grande y por lo
mismo es razonable usar (7) como medida adecuada de aporte de riesgo sistémico de la
institución “i”.
¿Qué hay de la causalidad?
Antes de proseguir se debe definir claramente, si es que una fragilidad en el mercado causa fragilidad
en las instituciones financieras o si es que la fragilidad de las instituciones causa la fragilidad en el
mercado. Acharya y otros (2012) sostienen que ambos fenómenos son verdaderos, ya que ambos son
endógenos; asimismo, hacen notar que las metodologías basadas en la dirección de causalidad de
instituciones hacia el mercado tienen debilidades en capturar claramente los efectos del estado de
estrés de las instituciones hacia el mercado.
(…) However it is well known that Granger causality tests cannot be correctly interpreted
unless all the shocks are considered at the same time. It is not possible to know whether one
firm Granger causes another or whether some third firm causes both (…)
[Acharya, y otros (2012)]
Sin embargo, Adrian y Brunnermeier (2011) compensan esto con el diseño del “Exposure CoVaR”
que invierte la dirección de la causalidad; no obstante, en general el método CoVaR no representa
una clara relación de causalidad. A esto el autor plantea:
(…) We view this as a virtue rather than as a disadvantage. To see this, suppose a large
number of small hedge funds hold similar positions and are funded in a similar way. That is,
they are exposed to the same factors. Now, if only one of the small hedge funds falls into
distress, this will not necessarily cause any systemic crisis. However, if the distress is due to
a common factor, then the other hedge funds - all of which are “systemic as part of a herd” -
will likely be in distress. Hence, each individual hedge funds co-risk measure should capture
the notion of being “systemic as part of a herd” even in the absence of a direct causal link
(….)
En esta investigación se plantea la metodología CoVaR para hacer un análisis previo cuasi
– cualitativo en el sentido de cómo se comporta el mercado cuando una institución alcanza
su nivel VaR. Asimismo, la regresión por cuantiles nos brinda un nivel referencial empírico
del Valor en Riesgo del mercado30 con cierta probabilidad. Sin embargo, el principal
análisis en esta investigación sigue a la metodología de Marginal Expected Shortfall
(MES), dado que permite introducir variables financieras claves como son las volatilidades
(del mercado y de la institución en simultaneo) y correlaciones; así también, no presenta
dificultades en la interpretación de los resultados.
Esta medida de riesgo constituye la pérdida que sufre una institución cuando el mercado ha
superado su Valor en Riesgo a un nivel de probabilidad31. De esta manera, se vincula la
rentabilidad del mercado con la rentabilidad individual de una institución. La vinculación
queda descrita por la asunción de un proceso bivariado entre la rentabilidad de una
institución y la del mercado32 como en Brownlees y Engle (2011). Así, el modelo queda
expresado como sigue:
Donde 𝜖𝑡𝑚 y 𝜉𝑡𝑖 tienen media cero y varianza igual a la unidad. De las ecuaciones anteriores
se llega a plantear el MES como sigue:
𝑉𝑎𝑅𝑚
𝑀𝐸𝑆𝑡𝑖 = 𝛿𝑡𝑖 𝐸 (𝜖𝑡𝑖 |𝜖𝑡𝑚 > )
𝛿𝑡𝑠𝑖𝑠𝑡.
𝑉𝑎𝑅𝑚
𝑀𝐸𝑆𝑡𝑖 = 𝛿𝑡𝑖 𝐸 (𝜌𝑖𝑡 𝜖𝑡𝑚 + √(1 − 𝜌𝑖𝑡2 ) ∗ 𝜉𝑡𝑖 |𝜖𝑡𝑚 > )
𝛿𝑡𝑚
𝑉𝑎𝑅𝑚 𝑉𝑎𝑅𝑚
𝑀𝐸𝑆𝑡𝑖 = 𝛿𝑡𝑖 𝜌𝑖𝑚,𝑡 𝐸 (𝜖𝑡𝑚 |𝜖𝑡𝑚 > ) + 𝛿 𝑖
√(1 − 𝜌 2 )𝐸 (𝜉 𝑖 |𝜖 𝑚
> ) (11)
𝛿𝑡𝑚 𝑡 𝑖𝑚,𝑡 𝑡 𝑡 𝛿𝑡𝑚
30 Este valor sirve para formular el umbral del análisis del MES.
31 El valor se extrae de las regresiones cuantílicas (ver cuadro 5).
32 La derivación sigue de una distribución conjunta bivariada.
La construcción de la ecuación (11) implica el cálculo de las volatilidades, correlaciones
cambiantes en el tiempo y las expectativas de cola para los residuos estandarizados. Este
cálculo es realizado mediante una especificación TARCH (1,1,1) para las volatilidades y un
DCC para el caso de las correlaciones (ver sección 4.5.2); mientras que las expectativas de
cola son halladas mediante un promedio simple sobre los valores de 𝜖𝑡𝑚 y 𝜉𝑡𝑖 en los casos
𝑉𝑎𝑅𝑚
donde se cumple la condición 𝜖𝑡𝑚 > .
𝛿𝑡𝑚
Se usan datos de frecuencia semanal de enero de 1995 a julio de 2012, la misma que
captura la crisis de 1997-1998 y la crisis 2007 - 2009. Para vincular ambos métodos, en esta
investigación se asume que las variables financieras recogen información de las variables
reales.
Para estimar los VaR,s se usa la serie semanal de las rentabilidades sobre la variación de los
precios de las acciones de los cuatro bancos más importantes del Perú. La rentabilidad del
mercado bursátil peruano es tomada como la variable que captura información de la
economía nacional y el índice Standar & Poor’s es asumido ser la variable que captura
información del mercado internacional. Para el cálculo del MES se requiere sólo las
rentabilidades individuales de cada institución y la del mercado. En general los datos son
extraídos de Bloomberg, BCRP, SBS.
El vector 𝑋𝑡−1 contempla los cuatro primeros rezagos del índice bursátil peruano y los
cuatro primeros rezagos del índice Standar & Poor’s 33; por otro lado, los datos del tamaño
de los activos y patrimonio son obtenidos en frecuencia mensual de las publicaciones de la
SBS y fueron convertidos a frecuencia semanal a través de interpolación lineal.
8. Resultados
Los resultados son analizados siguiendo el orden planteado en la sección 7.1. Mostrando en
primer lugar las estimaciones de los Valores en Riesgo de cada institución financiera y el
mercado, seguido por la estimación del Valor en Riesgo del mercado condicional a que una
firma financiera se encuentra en una situación de tensión.
En resumen, los Valores en Riesgo de los bancos más grandes del sistema financiero
peruano son afectados principalmente por el primer y cuarto rezago de la rentabilidad en el
mercado bursátil peruano; mientras que para el caso del mercado internacional estos
rezagos son, el segundo y el cuarto. Siendo, el efecto positivo en la mayoría de los casos.
Otro aspecto importante que arrojan los resultados, es la significancia del parámetro
correspondiente al cuarto rezago de la rentabilidad del mercado nacional (en promedio
0.148% para α=0.05 y 0.2% para α=0.01), así como de los tres primeros rezagos de la
rentabilidad en el mercado internacional, siendo el segundo (en promedio 0.245% para
α=0.05 y 0.51% para α=0.01) y el tercero (en promedio 0.25% para α=0.05 y 0.265% para
α=0.01) los que son caracterizados por una mayor magnitud. Esto refleja el grado de
globalización que existe en el mercado financiero peruano. Así, la evolución de los
mercados globales influye significativamente en generar eventos negativos que empujan a
las rentabilidades hacia la cola izquierda de su distribución.
Con los parámetros estimados y resumidos en los cuadros 2 y 3, se calcula los valores de
las rentabilidades ajustados por las regresiones (6) y (7). Estos valores corresponden a los
Valores en Riesgo variantes en el tiempo calculados tanto para los bancos y el mercado
respectivamente.
Es así que, los valores ajustados por la regresión (6) al 5% de probabilidad35, son
delineados en el gráfico 6; donde se puede notar que a finales de 1998 y en octubre de 2008
hay unos saltos notables para todos los casos; esto acorde a los eventos de crisis que se
suscitaban en el mercado36. De manera similar se puede notar que los niveles de VaR para
el BCP, BBVA e Interbank son menores y menos volátiles que el Valor en Riesgo de
Scotiabank en toda la muestra. Adicionalmente, note que en el caso de Scotiabank, la
mayor variabilidad y caída del VaR antes de la crisis subprime se da entre el 2000 y el
2003, periodo que sigue al proceso de restructuración del banco predecesor.
-0.1
-0.2
BBVA
BCP
-0.3 Interbank
Scotiabank
-0.4
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Nota: el gráfico muestra los valores acorde a: 𝑉𝑎𝑅𝑡𝑖 = 𝜌̂𝛼𝑖 + 𝛽̂𝛼𝑖 𝑋𝑡−1, para α=0.05. Note que Scotiabank tiene niveles de
Valores en Riesgo mayores en toda la muestra.
En el cuadro 3, los parámetros muestran que el BCP y BBVA son los bancos que aportan
un riesgo mayor al sistema, seguido por el Scotiabank y el Interbank (este último tiene un
parámetro no significativo). En este sentido, si delineamos el valor dinámico del CoVaR
según la ecuación (8) para este par de instituciones que aportan marginalmente mayor
riesgo al sistema, se obtiene el gráfico 7, donde se puede notar que no hay diferencias
significativas entre la influencia del BBVA o el BCP sobre el mercado; no obstante, ante un
estado de estrés del BBVA, el VaR de mercado tiene un nivel ligeramente mayor que con el
BCP en situación similar.
Ahora se gira la atención hacia el CoVaR del mercado generado por la influencia de BCP
en comparación a Interbank. Este caso es esquematizado en el gráfico 8, en el que se
muestra que hay una diferencia significativa en el comportamiento del mercado, cuando el
BCP atraviesa una situación de estrés comparado a una situación similar del Interbank. De
otro lado, en el párrafo anterior, se describió que el mercado alcanza un nivel de Valor en
Riesgo Condicional ligeramente mayor cuando el BBVA se encuentra en tensión
comparado con el BCP (ver gráfico 7). Por lo tanto, también supera a la externalidad
negativa que causa Interbank en un contexto de caída del precio de sus acciones.
-0.1
CoVaR(m) - BCP
CoVaR(m) - BBVA
-0.2
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
tiempo
-0.1
CoVaR(m) - BCP
CoVaR(m) - Interbank
-0.2
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
-0.1
CoVaR(m) - BBVA
CoVaR(m) - Scotiabank
-0.2
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Notas: Los gráficos muestran los Valores en Riesgo de mercado condicional (CoVaR), según: 𝐶𝑜𝑉𝑎𝑅𝑡𝑚 |𝑉𝑎𝑅𝑡𝑖 = 𝜌̂𝛼𝑚 +
𝛾̂𝛼𝑚 𝑉𝑎𝑅𝑡𝑖 + 𝛽̂𝛼𝑚 𝑋𝑡−1 ; con α=0.05. BBVA tiene un aporte ligeramente mayor al riesgo sistémico que BCP (Gráf. 7:
i=BBVA, BCP); de otro lado, el aporte de BCP al riesgo sistémico es mayor comparado con Interbank (Gráf. 8: i=BCP,
Interbank.); asimismo, la comparación de Scotiabank con BBVA arroja al primero como relativamente más riesgoso a
nivel sistémico (Gráf. 9: i=Scotiabank, BBVA). Por lo tanto, se identifica a Scotiabank como el banco más riesgoso para
el sistema y a Interbank como el menos riesgoso.
Hasta este punto, se ha analizado el comportamiento del mercado ante situaciones adversas
en los bancos; sin embargo, sólo se ha analizado sobre las rentabilidades y no sobre las
magnitudes de las pérdidas en términos monetarios38. El análisis de la magnitud de las
pérdidas de capital que ocurrirían en el mercado en un escenario adverso explica mejor la
significancia sistémica de las instituciones.
El cálculo del MES involucra hallar las correlaciones condicionales, las volatilidades
condicionales y las expectativas de cola (ver ecuación 11). Para ello, se estima un TARCH
(1,1,1) y un DCC (Dynamic Conditional Correlation), mientras las expectativas de cola42
son halladas mediante un promedio para todos los errores estandarizados que superan el
umbral.
De otro lado, a excepción de Scotiabank, las otras instituciones y el mercado tienen una
memoria relativamente corta en las volatilidades condicionales ( β menor), lo que indica
38 Para una mejor comprensión del CoVaR, ver Adrian y Brunnermeier (2011).
39
El ES captura características tales como tamaño, apalancamiento e interconexión (Acharya y otros, 2012).
40
Ver discusión de causalidad en la sección 7.1.
41 Ver discusión de causalidad en la sección 7.1.
𝑉𝑎𝑅 𝑚
42 𝐸 (𝜖𝑡𝑘 |𝜖𝑡𝑚 > ); 𝑘 = 𝑖, 𝑚
𝛿𝑡𝑚
una mayor curtosis en estos casos; asimismo, estas volatilidades son más sensibles a las
innovaciones (“α” mayor) producidas un periodo previo.
*Tener en cuenta que los parámetros 𝛼 , 𝛽 que aparecen en ambos casos no son los mismos.
Nota: Las volatilidades de las instituciones y el mercado son modeladas según un TARCH(1,1,1); mientras que las
correlaciones entre las rentabilidades de las instituciones con el mercado siguen a un modelo DCC (Dynamic
Conditional Correlation).Ver sección 4.5.2.
Gráfico 10: Correlación dinámica del BCP, BBVA, Scotiabank e Interbank con el mercado
0.8
0.6
0.4
0.2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.8
0.6
0.4
0.2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.8
0.6
0.4
0.2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.8
0.6
0.4
0.2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Nota: Valores de las correlaciones condicionales dinámicas para los cuatro bancos. El gráfico muestra que las
correlaciones de las rentabilidades de BBVA y Scotiabank con el mercado llegaron a un máximo en octubre de 2008;
mientras que, en el caso de BCP e Interbank estos valores alcanzaron niveles bajos.
Gráfico 11: Marginal Expected Shortfall (MES) del BCP, BBVA, Scotiabank e Interbank
0.3
MES - BCP(5%)
0.2 MES - BCP(1%)
0.1
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.3
MES - BBVA(5%)
MES - BBVA(1%)
0.2
0.1
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.3
MES - Scotiabank(5%)
0.2
MES - Scotiabank(1%)
0.1
-0.1
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.2
0.05
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Nota: El gráfico muestra los valores de: 𝑀𝐸𝑆𝑡𝑖 = 𝐸(𝑟𝑡𝑖 |𝑟𝑡𝑚 > 𝑉𝑎𝑅𝑡𝑚 ), para α=0.05 y α=0.01. Los resultados muestran
que a finales del 99, BCP e Interbank tuvieron mayor sensibilidad en sus pérdidas esperadas; mientras que en octubre de
2008, BBVA y Scotiabank se convierten en instituciones con mayores pérdidas en términos esperados.
Usando las volatilidades y correlaciones halladas se construye el MES para cada banco.
Esto indica la pérdida esperada de una institución cuando el mercado ha superado un
umbral predefinido43. En el gráfico 11 se aprecia que a finales del 98 todos tiene un repunte
43En esta investigación usamos el promedio temporal del Valor en Riesgo de mercado calculado mediante el método de
regresión cuantílica tanto al 5% y al 1% de confianza; asimismo usamos el máximo valor que alcanza el VaR al 5% de
confianza como un escenario bastante extremo (ver cuadro 5). Esta especificación permite calcular distintos niveles de
pérdidas esperadas para los bancos, las mismas que nos servirán para construir el indicador planteado acorde a la ecuación
(2).
en sus pérdidas esperadas, de manera más significativa el BCP y el Interbank. En adelante
las instituciones enfrentan menores niveles de MES, lo mismo que refleja la mejora en el
contexto financiero generada por la celebración del convenio de integración entre el grupo
Wiese y Sudameris (inicios de 1999, ver Informe Banco Wiese del Congreso).
Durante la crisis del 2008 el BCP muestra una ligera respuesta en el tercer trimestre y el
Interbank deja de operar y quita volatilidad a su pérdida esperada. De otro lado, el BBVA y
el Scotiabank fueron los bancos más sensibles a la crisis subprime, ya que ambos han
tenido cambios considerables en sus pérdidas esperadas para ambos niveles de confianza;
asimismo, note que esta mayor sensibilidad comenzó a mediados de 2005. Posteriormente
en el año 2011, todos los bancos han recuperado cierto nivel de sensibilidad en sus pérdidas
esperadas (agudización de la crisis griega).
El análisis del “Marginal Expected Shortfall” sin incluir el tamaño de capital y patrimonio,
muestra que en los últimos años las instituciones más sensibles a escenarios de estrés son:
BBVA e Scotiabank, consistente en cierto grado con el análisis Valor en Riesgo
Condicional (CoVaR) de mercado en la sección 8.1, donde se identifica a estas
instituciones como sistémicamente más riesgosas.
A este nivel, se cuenta con los insumos para implementar el indicador de riesgo asociado a
cada banco. Este indicador está representado por el apalancamiento esperado de la firma
cuando ocurre la pérdida. Es decir, permite evaluar la fortaleza del banco para mantener un
nivel de capital deseable respecto a los activos totales bajo un escenario de estrés. En esta
línea, previo a construir el indicador. El cuadro 5 muestra los valores promedio de pérdida
semanal que ocurriría en el mercado con cierto nivel de probabilidad.
Estos valores son usados como umbrales en el MES para evaluar el comportamiento de las
pérdidas esperadas de cada banco y el nivel de apalancamiento que alcanzarían cuando el
mercado consigue rentabilidades negativas extremas.
En el periodo de 1997 y 1998 Scotiabank posee una significativa pérdida esperada que
ubica a su patrimonio respecto a sus activos alrededor de 7%, lo cual paulatinamente va
mejorando conforme pasa el tiempo hasta enero de 2003. De otro lado, la proporción de
patrimonio de Interbank respecto a sus activos en términos esperados tiene una tendencia
decreciente hasta finales de 1999 y tiene una fuerte caída a mediados del 2001; mientras
que el BCP y el BBVA mantienen ratios esperados relativamente estables y superiores al
8% durante este periodo.
Haciendo el mismo proceso para un umbral más extremo (-17.3%) que corresponde al
máximo que alcanzaría el mercado con un nivel de 5% de probabilidad, se obtienen
resultados interesantes. El gráfico 14 muestra que bajo este escenario extremo, el más
afectado en el periodo entre el 95 y el 2000 sería Scotibank44; asimismo, en el 2008 el
banco que hubiera sufrido mayores pérdidas de patrimonio como proporción de sus activos
sería el BBVA, pues estuvo alrededor de 3%.
En resumen, el análisis del riesgo según el nivel de capital que alcanzarían los bancos como
porcentaje de sus activos en épocas de tensión financiera, reporta que, en el periodo previo
a 1999, la institución que en términos esperados tuvo una mayor pérdida de capital como
porcentaje de sus activos totales fue Scotiabank (Entidad predecesora), soportando en
cierta manera la fragilidad que enfrentó el Banco Wiese en aquel entonces; mientras que las
otras instituciones consideradas en este estudio mostraron ratios en términos esperados
alrededor de 8% hasta finales de 2007. Posterior a este año en octubre del 2008 el banco
con mayor pérdida de capital como porcentaje de sus activos hubiera sido BBVA, mientras
que Scotiabank, en contraste al periodo previo a 1999, sería la institución que reflejó mayor
fortaleza contra pérdidas de capital como proporción de sus activos en términos esperados.
0.08
0.06
0.04
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
0.08
0.06
0.04
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
Gráfico 14: Apalancamiento esperado bajo una caída máxima del mercado al 5% de
probabilidad.
0.12
0.1
0.08
0.06
Scotiabank
BBVA
0.04
BCP
Interbank
0.02
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
𝐸𝑡𝑖 ∗(1−𝑀𝐸𝑆𝑡𝑖)
Nota: Los gráficos muestran el indicador: 𝐿𝑖𝑡 = ,que representa la capacidad de respuesta que tiene la
𝑎𝑐𝑡𝑖𝑣𝑜𝑠
institución para conservar un nivel adecuado de capital como porcentaje de sus activos, una vez que ocurre una pérdida
de capital con un cierto nivel de probabilidad. El gráfico 12 muestra el ratio usando un MES calculado con un umbral
(VaR) de mercado promedio al 5% de probabilidad el caso, asimismo el gráfico 13 muestra el ratio cuando se fija un
umbral (VaR) de mercado promedio al 1% de probabilidad, mientras que el gráfico 14 muestra el ratio usando el valor
máximo que alcanza el VaR en el periodo de estudio con un nivel de 5% (ver, cuadro 5).
8.3.2. Riesgo agregado
En la sección anterior, se ha visto las pérdidas que hubieran sufrido los bancos bajo
escenarios de estrés en el mercado, así como su capacidad de mantener ratios deseables de
patrimonio sobre activos en términos esperados. Sin embargo, es importante la inclusión
del análisis del tamaño de las pérdidas individuales sobre el total, pues muestra la
significancia de las pérdidas individuales como proporción de las pérdidas totales.
Este indicador es fundamental para comprender si una institución que enfrentaría (en
términos esperados) niveles bajos de capital como porcentaje de sus activos, representaría
una amenaza significativa al sistema. Es así, que usamos el indicador planteado por la
ecuación (3).
De otro lado, Interbank pudo enfrentar una pérdida esperada considerable en 2001, pero no
representó un buen porcentaje de pérdidas respecto a todo el sistema. Mientras tanto, el
BCP es el banco que mantuvo pérdidas esperadas grandes como porcentaje del sistema
hasta inicios del 2007; sin embargo, también su capacidad de respuesta se ha mantenido
relativamente estable hasta esa fecha. En periodos posteriores, si bien cae su nivel de
patrimonio respecto a sus activos, también lo hace su contribución al riesgo agregado.
0.4
0.2
0
enero-95 enero-97 enero-99 enero-01 enero-03 enero-05 enero-07 enero-09 enero-11 julio-12
𝐸𝑡𝑖∗𝑀𝐸𝑆𝑡𝑖
Nota: El gráfico muestra el indicador: 𝑟𝑠𝑡𝑖 = ∑𝑛 𝑖 𝑖 , para α=0.05 y α=0.01. Este indicador muestra la significancia
𝑖=1 𝐸𝑡 ∗𝑀𝐸𝑆𝑡
de la pérdida individual como porcentaje de las pérdidas totales en escenarios de tensión financiera.
45 Para ambos niveles de confianza y para todos Valores en Riesgo de mercado considerados, la evolución es similar.
En adición, BBVA es un banco que ha mantenido estable su nivel esperado de ratio
patrimonio a activos, así como su contribución al riesgo agregado, a excepción del 2008
donde hubo probabilidad de que pierda mayor nivel de capital en relación a sus activos,
comparados con los otros bancos. No obstante, si bien cayó su nivel esperado de patrimonio
respecto a sus activos, así también cayó su contribución al riesgo agregado, por lo que
ambos se compensaron.
En general, hasta finales de 2007, BCP fue el banco que en términos esperados pudo haber
tenido un mayor nivel de pérdidas como proporción del sistema; mientras que el Interbank
es la firma cuya pérdida es poco significativa frente al total, en todo el periodo de estudio.
Sin embargo, a partir de 2010 el porcentaje de pérdidas que representa cada firma en el
total, ha disminuido para las tres instituciones (BCP, BBVA, Scotiabank) más riesgosas
sistémicamente, así como para el Interbank. Asimismo, el nivel de patrimonio que
mantendrían las firmas financieras en situaciones de pérdidas extremas ha mejorado
respecto al periodo de la crisis subprime. Sin embargo, este nivel es menor al periodo 2000
- 2006, a excepción del Scotibank.
9. Conclusión
Si bien en el periodo de estudio, el Perú no ha enfrentado una crisis financiera que haya
estancado la economía como en el caso de los Estados Unidos, sí hubo escenarios de crisis
que demandaron demasiados recursos del estado46 y contrajeron la demanda interna y la
producción47.
El análisis CoVaR indica que el Scotiabank es el que aporta mayor volatilidad en los
Valores en Riesgo del mercado; sin embargo, no se ha ahondado esta metodología 48 ni se
ha volcado estas pérdidas en términos monetarios. De otro lado, el Marginal Expected
Shortfall arroja como resultado que en el 2008 los bancos que mayores niveles de pérdidas
esperadas hubieran alcanzado, tanto al 5% y 1% de probabilidad, fueron el BBVA y el
Scotiabank, respaldando su carácter de bancos internacionales subsidiarios49; cuyas
matrices fueron afectados considerablemente por la crisis subprime.
Al margen de ello, en 2008 sólo BBVA conseguiría niveles de patrimonio sobre activos
totales por debajo de 5% en términos esperados; mientras que Scotiabank es la institución
que mantuvo mayores ratios (superiores al 8%), en contraste al periodo previo a 1999,
donde consiguió ratios de patrimonio sobre activos totales por debajo del 7% (menor a
todas las instituciones estudiadas), para todos los escenarios presentados (α = 0.05, α =
0.01)50.
46 Ver cuadro 1.
47 Ver gráfico 5.
48 Queda pendiente analizar esta metodología de manera rigurosa en próximos estudios.
49 Procedencia española y canadiense respectivamente.
50 α es la probabilidad de encontrarse en un escenario de tensión financiera.
10. Bibliografía
Acerbi C. y D. Tasche (2001), “Expected Shortfall: a natural coherent alternative
to Value at Risk”.
Beck T. y R. Levine (2004), “Stock markets, Banks, and growth: Panel evidence”,
Journal of Banking & Finance, Vol. 28, Nº 3, pp. 423-442.
Brownlees y Engle (2011), “Volatility, correlations and tails for systemic risk
measurement”, Stern School of Business, New York University.
Dowd K. (2009), “Moral Hazard and the Financial Crisis”, Cato journal, Vol. 9
N°1.
Freixas X., B. Parigi, y J. C. Rochet (2000), “System risk, interbank relation and
liquidity provision by the central bank”, Journal of Money Credit and Banking Vol.
32, pp. 611-638.
Glosten L., R. Jagannathan, D. Runkle (1993) “On the Relation between the
Expected Value and the Volatility of the Nominal Excess Return on Stocks”. Journal
of Finance Vol. 48, pp.1779-1801.
Schwarcz S. L. (2008), “Systemic Risk”, Duke Law School Legal Studies, Research
Paper Series, Research Paper No. 163.
World Bank (2011), “The great recession and developing countries: economic
impact and growth prospects”.