Peruano:
Un anlisis de Datos de Panel de las principales CMAC del Per
Jess TantteRamirez
Resumen
En el siguiente informe se analiza el comportamiento de mercado de
las principales Cajas municipales de ahorro y crdito del segmento
microfinanciero peruano para el ao 2012 a travs del empleo de
algunas metodologas de datos de panel que permitirn determinar
los niveles de concentracin y la estructura de competencia de este
segmento. Los resultados obtenidos sugieren que a pesar del rechazo
de la presencia de poder de mercado por parte de las instituciones
seleccionadas, s existi concentracin de mercado de las seis CMAC
durante el ao 2012.
1. Introduccin
El problema principal de nuestro trabajo es demostrar si existe poder de
mercado por parte de las cajas municipales (CMAC) en el segmento
microfinanciero peruano en el ao 2012.
Se investig el periodo 2012, por que ese ao se presentaron elevadas tasa de
rentabilidad en un grupo especifico de cajas y bancos, ya que para el ao 2013
se mostr una disminucin significativa con respecto al ao anterior en cuanto
a la rentabilidad sobre los activos (ROA) y sobre el patrimonio (ROE) pasando
en el 2012 del 1.77% y 13.84% al 1.27% y 9.99% Todo este panorama ha
contribuido en la decisin de estudiar cual es la influencia de participacin de
mercado de colocaciones de crditos directos y la eficiencia en la rentabilidad
de la Caja Municipal de Ahorro y Crdito de Sullana.
Tomando en consideracin lo expuesto en nuestro problema y debido al rol
importante que juegan las Cajas Municipales de Ahorro y Crdito en la
economa del pas, nuestro trabajo servir para demostrar si el poder de
mercado ejercido por estas instituciones les ha permitido obtener ganancias
extraordinarias gracias a su influencia sobre las tasas de inters, si se verifica
la validez de la hiptesis.
De igual forma, se evala que mtodo es el mas apropiado para estimar las
CMAC. El Per cuenta con 13 cajas municipales de ahorro y crdito (CMAC),
dentro de las cuales hemos seleccionado: la Caja Municipal de Ahorro y Crdito
de Arequipa, la Caja Municipal de Ahorro y Crdito de Trujillo, la Caja Municipal
de Ahorro y Crdito de Piura, la Caja Municipal de Ahorro y Crdito de Sullana,
2. Objetivo general
Determinar la existencia de poder de mercado por parte de las seis Cajas
Municipales de Ahorro y Crdito del Per con mayor nmero de crditos a
pequeas empresas en el ao 2012.
2.1.
-
Objetivos especficos
3. Justificacin
En la presente investigacin, de acuerdo con la evidencia emprica y mediante
el uso de tcnicas economtricas desarrolladas,se pretende demostrar que
lasCMAC con mayor nmero de crditos en el ao 2012ejercieron cierto poder
de mercado, de esta manera se contribuye a demostrar teoras existentes
sobre el tema.Adems, el presente trabajo puede servir de gua para trabajos
posteriores relacionados con el tema en discusin.
4. Antecedentes
En el informe sobre Concentracin y Competencia en el Sistema Financiero en
el Per del INEI (2010) para analizar qu tan concentrados se encuentran los
distintos sectores econmicos del Per se emplea el ndice de
HirschmanHerfindhal (IHH) y el indicador C4 ya que ambos buscan revelar el
grado de concentracin de un sector en particular utilizando informacin de la
participacin de las principales entidades en el sector. Para el anlisis, se
recogi datos del mercado de crditos y prstamos de la ltima dcada (2001
2010). Los resultados demuestran que los crditos tienen un ndice IHH entre
900 y 2500 mientras que los depsitos se encuentran entre 1300 y 2200 lo cual
da un indicio de que se trata de un mercado concentrado, tomando en cuenta
que segn los lineamientos internacionales, mercados con niveles superiores a
1800 pueden ser considerados como altamente concentrados.
Por otro lado, como en el informe se seala, el ndice C4 permiti hacer
comparaciones de concentracin entre las distintas industrias existentes en el
Per. En los resultados se pudo comprobar que tanto el mercado de crditos
(crditos hipotecario y crdito comercial) y los de depsitos (de ahorro y a
plazos) son industrias altamente concentradas, junto a otro tipo de industrias
como la de hidrocarburos, telecomunicaciones y tabaco, mientras que
mercados como el de servicios y telecomunicaciones mostraron los menores
Modelo de Efectos
Aleatorios
El modelo de efectos
aleatorios
permite
suponer
que
cada
unidad transversal tiene
un intercepto diferente.
Este modelo se expresa
como:
Y it = i + 1 X 1it + eit
Donde
decir,
i= +u i
en
Modelo de Efectos
Fijos
Nos permite modelar el
carcter individual de
cada caja. El modelo
supone que las
diferencias entre cajas
son fijas por lo que se
ui
debe estimar cada
.
Es
vez
de
vi
PI
SC
O
PA
ITA
LI
M
A
TA
CN
A
SC
O
CU
TR
U
AR
EQ
U
IP
A
JIL
LO
1400000012817685
12000000
10000000
7511809
8000000
5834251
6000000
4668478
4578221
4097990
4050122
3972859
3604529
3202181
4000000
2578306
1023247
2000000
165
0
medio.
Sustituyendo
i=+u i
en (2) obtenemos:
Y it = + 1 X 1it +u i+ eit
Donde:
i pjt : Tasa de inters activa de la CMAC j en el periodo t
i djt : Tasa de inters pasiva de la CMAC j en el periodo t
P jt : Prstamos en soles de la CMAC j en el periodo t
P
( jt )2 : Prstamos en soles al cuadrado de la CMAC j en el periodo t.
Estimated results:
Var
Ip
e
u
Test:
sd = sqrt(Var)
16.22945
.6489114
33.52524
4.028579
.8055504
5.790099
Var(u) = 0
chibar2(01) =
Prob > chibar2 =
Como
el
rechazamos Ho
p-value=0.000
337.52
0.0000
ui
(B)
Fijo
Hausman
(b-B)
Difference
Id
0.0618497
0.0729147
-0.011065
-0.1101918
-0.1102556
0.0000638
P2
0.0004073
0.0004074
-9.67e-08
0.0409
0.0010
0.0022
0.0410
0.0000
0.0012
Rsq
Within
Between
overall
Test F
Test Wald
Rho
0.4150
0.98101163
Coefficients
(b)
Aleatorio
Id
P
P_2
.0729147
-.1102556
.0004074
Test de Hausman
(B)
Fijo
.0618497
-.1101918
.0004073
0.96611496
(b-B)
Difference
.011065
-.0000638
9.67e-08
sqrt(diag(V_b-V_B))
S.E.
.0553409
.0123001
.0000459
Ho:
Al 5%, la probabilidad del Chi2 nos indica que debemos aceptar la Ho. Es decir,
es conveniente trabajar con el Modelo de Efectos Aleatorios.
9. Discusin e interpretacin de resultados
Modelo de Efectos Aleatorios
P
2
( jt)
i pjt =b0 j+ 0.0618497i djt 0.1101918 P jt + 0.0004073
Los signos de los parmetros de la estimacin son los esperados
y van de acuerdo a la teora econmica. Sin embargo, solo la
constante es significativa al 5%.
o Como se puede notar, el parmetro que acompaa a
la variable id es 0.0618497. Esto significa que una
variacin en un punto porcentual de la tasa de inters
pasiva, est asociada a una variacin de 0.06 en la
tasa de inters activa.
Test de autocorrelacin.
La
primera
estimacin
del modelo revela
problemas
de
autocorrelacin, para llegar a esta conclusin, se realiz la Prueba de
Autocorrelacin de Wooldridge, donde la hiptesis nula indica que no
hay autocorrelacin de primer orden, se rechaza Ho para p>5%,1%.
Wooldridge test for autocorrelation in panel data
H0: no first-order autocorrelation
F( 1,
5) =
67.905
Prob > F =
0.0004
X
H = ( i )
i=1 X
Donde
Xi
X
Interpretacin
Nivel bajo de concentracin
Nivel moderado de
concentracin
Nivel alto de concentracin
1,800 IHH
Tomando en cuenta el Cuadro N1, el IHH para las seis CMAC fue de
1924.95 pts por lo cual se estara hablando de un mercado altamente
concentrado. Sin embargo, es importante sealar que a pesar de que en
un mercado se presente concentracin por parte de un grupo de
empresas, esto no implica que no sea competitivo.
CUADRO N 1 PRSTAMOS Y PARTICIPACIN DE LAS CMAC 2012
CAJAS
AREQUIP
A
CUSCO
PIURA
SULLANA
TACNA
TRUJILL
O
TOTAL
Prstamo Participaci
s
n
12817685
28,27
Part_2
6016929
9750925,
2
6176886,
5
3552847,
1
7020525,
2
45335798
13,27
21,51
176,14
462,60
13,62
185,63
7,84
61,41
15,49
239,80
100,00
799,35
1.924,9
5
Fuente: SBS
Elaboracin: Propia
AREQUIPA; 28%
SULLANA; 14%
PIURA; 22%
10. Conclusiones
CUSCO; 13%
Bibliografa
Aparicio, J., & Mrquez, J. (2005). Diagnstico y especificacin de modelos
panel en STATA 8.0. Lima: CIDE.
Gutierrez, J., & Zamudio, N. (s.f.). Diagnstico y especificacin de modelos
de panel en Stata 8.0. Bogot.
Morn, E., Tejada, J., & Villacorta, A. (2010). Competencia y Concentracin
en el Sistema Financiero en el Per. Lima: Revista de la Competencia
y la Propiedad Intelectual N 11.
Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel
Data.Londres: The MIT Press.
Karina, Alva Alfaro. Informe sectorial Per: sector financiero
Equilibrium Clasificadora de Riesgos S.A. (2015).Anlisis del sistema
Microfinanciero Peruano.
Romilio Labra y Celia Torrecillas.Working Paper # 2014/16. Gua CERO para
datos de panel. Un enfoque prctico.