E C O N O M Í A

TESIS de MAGÍSTER

IInstituto N S T I de T Economía U T O D E

DOCUMENTO DE TRABAJO

2010

Traspaso de Tasas y Segmentación de Mercados: Implicancias de Competencia, Riesgo y Expectativas sobre la Tasa de Política Monetaria; El Caso Chileno

Andrés Bernardo Vicencio Fuentes.

www.economia.puc.cl

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN

DE ECONOMIA ECONOMIA

TESIS DE GRADO MAGISTER EN ECONOMIA Vicencio Fuentes, Andrés Bernardo Julio 2010

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN

DE ECONOMIA ECONOMIA

TRASPASO DE TASAS Y SEGMENTACION DE MERCADOS: IMPLICANCIAS DE COMPETENCIA, RIESGO Y EXPECTATIVAS SOBRE LA TASA DE POLITICA MONETARIA; EL CASO CHILENO.

Andrés Bernardo Vicencio Fuentes

Comisión Jaime Casassus Vargas Luis Felipe Lagos Marchant Verónica Mies Moreno Francisco Rosende Ramírez

Santiago, julio 2010

Abstract The financial crisis 2008 revived the discussions over the interest rate pass-through that the chilean commercial banks does when the Central Bank of Chile changes the monetary policy rate. The research developed in Chile established that the interest rate pass-through is similar to developed countries; but the most empirical literature does not consider the competition level and specific risk for every credit market. In this context, we focus in evaluate the interest rate pass-through from the monetary policy interest rate to the chilean lending interest rate for each credit market (commercial and consumer), considering their features and particular risk conditions. Our results suggest that the level of competition and credit risk in consumer credit market are determinants to velocity and level of interest rate pass-through. Specifically, less levels of competition in consumer credit market decreases the velocity of pass-through in the short term, whereas higher credit risk has the opposite effect. On the other hand, the effect of expectations on monetary policy rate in this market is not conclusive. Within the commercial credit market; the level of competition, credit risk, and expectations on monetary policy rate would be less relevant.

1

Motivaci´ on La crisis financiera de 2008 revivi´o el debate sobre el traspaso de tasas de inter´es que realiza la banca comercial en Chile ante cambios en la tasa de pol´ıtica monetaria; en especial cuando durante el primer trimestre de 2009 el Banco Central de Chile comenz´o la mayor expansi´on monetaria de su historia, bajando la tasa de pol´ıtica desde 8.25% a 0.5% anual. En este contexto, para la autoridad monetaria es de suma importancia el observar de cerca el nivel del traspaso de estas bajas de tasas hacia la econom´ıa real, y medir la “rapidez” con que act´ ua la pol´ıtica monetaria sobre su objetivo que es contener la inflaci´on en un rango aproximado de dos a˜ nos (De Gregorio (2009)).

De los datos para Chile de tasas de inter´es de colocaci´on se puede apreciar una gran brecha entre las tasas de cr´editos a empresas y las tasas de cr´editos de consumo. La figura (1) presenta estas tasas, junto a la tasa de pol´ıtica monetaria, desde enero de 2002 a diciembre de 2009. Estas tasas muestran una alta correlaci´on. Por ejemplo, la tasa de pr´estamos a empresas presenta una correlaci´on de 0.88 con la tasa de pol´ıtica monetaria mientras que la tasa de pr´estamos de consumo presenta una correlaci´on de 0.72. Sin embargo, es importante notar que el promedio del nivel entre las tasas de pr´estamos a empresas y de consumo es bastante dis´ımil para el per´ıodo; 9% y 28%, respectivamente.

El debate acerca del traspaso de tasas del sector financiero chileno durante la crisis de 2008, no estuvo exento de pol´emica. Las principales autoridades en materia financiera-bancaria del pa´ıs –Jos´e de Gregorio (Presidente del Banco Central), Gustavo Arriagada (Superintendente de Bancos e Instituciones Financieras - en ese momento) y Alejandro Alarc´on (Gerente General de la Asociaci´on de Bancos e Instituciones Financieras)– fueron invitados en Marzo de 2009 a la Comisi´on de Econom´ıa de la C´amara de Diputados de Chile para dar “explicaciones” sobre si el traspaso es lo suficientemente r´apido en Chile o si efectivamente hay lentitud como lo mencionaban algunos medios period´ısticos. A nivel general, la conclusi´on expuesta fue que los riesgos involucrados en dichas tasas era acorde con la incertidumbre provocada por la crisis financiera lo que justificar´ıa tanto el diferencial como la velocidad del traspaso de la pol´ıtica monetaria 1 . 1

Apoyados en la evidencia emp´ırica proporcionada por dos trabajos recientes (Jaramillo, Ormazabal, and Villatoro (2009) y Becerra, Ceballos, Cordova, and Pedersen (2009)) se indica las velocidades de traspaso son relativamente r´ apidos en Chile comparadas con la evidencia internacional. Esto seg´ un De Gregorio (2009) reafirmar´ıa el hecho que gran parte de la relativa lentitud en el traspaso de tasas provendr´ıa de las percepciones de mayor riesgo

2

Pero cabe preguntarse, el porqu´e, cada cierto tiempo, surgen dudas con respecto a la rapidez con que el sistema financiero chileno reacciona a los cambios en la tasa de pol´ıtica monetaria. Miremos por un momento a dos de nuestros pa´ıses vecinos; Argentina y Brasil. La figura (2) compara las tasas de colocaci´on para empresas en los tres pa´ıses junto al spread de tasas (entendido como la diferencia entre la tasa de colocaci´on y una proxy de tasa de pol´ıtica monetaria2 ) en un periodo comprendido entre enero de 2003 y diciembre de 2009. Tal como se puede apreciar, Chile tiene tasas de cr´edito a empresas m´as bajas que los otros dos pa´ıses, lo mismo que los spread. En promedio, el nivel de tasas para Argentina, Chile y Brasil fue de 15%, 9% y 30%, respectivamente; mientras que el promedio de sus spread fue de 8%, 5% y 15%, respectivamente. Mostramos lo mismo para los cr´editos de consumo en la figura (3). Al comparar a Chile con los otros dos pa´ıses, ´este presenta tasas muy similares a las de Argentina pero s´olo en el a˜ no 2009; y mucho m´as bajas que las registradas en Brasil. En promedio, el nivel de tasas de consumo para Argentina, Chile y Brasil fue de 16%, 30% y 58%, respectivamente; mientras que el promedio de sus spread fue de 8%, 24% y 43%, respectivamente.

De la observaci´on r´apida de los niveles de tasas, queda la impresi´on que en Chile el premio entre las tasas de colocaci´on a empresas y de consumo es mayor que el existente en otros pa´ıses. Una explicaci´on para esto ser´ıa que en Chile los usuarios de cr´editos de consumo tienen un riesgo espec´ıfico mayor relativo a los usuarios de cr´edito a empresas comparado con Argentina y Brasil. Entonces, para entender este tipo de divergencias es necesario incorporar a los modelos econom´etricos medidas de riesgo espec´ıficas a cada mercado de cr´edito.

Reconocemos que se necesita de un an´alisis mucho m´as acabado para emitir juicios a fin de comparar los mercados de cr´edito en estos tres pa´ıses; sin embargo, esta evidencia preliminar nos da alguna idea que el riesgo podr´ıa no ser la u ´nica fuente de explicaci´on para el mayor o menor traspaso de tasas. A continuaci´on, exploraremos esta evidencia concentr´andonos solamente en el caso de Chile.

y volatilidad prevaleciente en el mercado y que es parte fundamental en la fijaci´on de tasas por parte de los bancos. 2 Las proxy utilizadas son; para el caso de Argentina la tasa Badlar que es la tasa de pr´estamo entre instituciones bancarias cuyo plazo es menor a 30 d´ıas; y en el caso de Chile y Brasil la tasa de pr´estamos entre instituciones bancarias a 1 d´ıa.

3

1

Introducci´ on

El mercado del cr´edito chileno es interesante al menos por los siguientes motivos. Los actores del mercado son alrededor de 25 bancos de los cuales los que poseen mayor participaci´on de mercado son aquellos que se denominan bancos universales, dado que ofrecen sus productos a distintos segmentos del mercado, en forma gen´erica, atienden a personas individuales (mercado de consumo) y a personas jur´ıdicas (mercado de empresas). Por otro lado el ambiente macroecon´omico en el cual estos actores participan es bastante estable comparado con otros pa´ıses emergentes. Por mencionar s´olo algunos, Chile posee una inflaci´on controlada en el rango de pol´ıtica monetaria de 3% (salvo por los episodios previos a la crisis financiera relativo al aumento del precio de commodities que llevaron a que la inflaci´on anual de 2008 fuera de casi el 9%), instituciones financieras s´olidas, un banco central cre´ıble, aut´onomo e independiente; entre otros factores.

Sin embargo, como mencion´abamos en la secci´on anterior, pareciera existir cierta duda respecto a la velocidad con que los bancos comerciales traspasan los cambios de tasa de pol´ıtica monetaria (en adelante, TPM) a las tasas que ofrecen al p´ ublico no-financiero, dudas que como expusimos al menos para el caso de Chile, provienen del mundo no acad´emico. La defensa de los hechos estilizados encontrados previamente se fundament´o en dos trabajos: Jaramillo, Ormazabal, and Villatoro (2009) y Becerra, Ceballos, Cordova, and Pedersen (2009)3 ; y se concluy´o que el traspaso en Chile es bastante r´apido y que incluso es muy similar a pa´ıses desarrollados. Sin embargo, creemos que existen algunos aspectos que no han sido considerados de manera adecuada en estos an´alisis, como por ejemplo, la forma de medir el riesgo bancario es muchas veces inconexa con el tipo de mercado que se est´a estudiando.

En este contexto, este trabajo busca evaluar el traspaso desde la TPM (tanto en el corto plazo como en el largo plazo) a las tasas de los bancos comerciales en Chile; considerando la existencia de distintos segmentos de mercados, sus caracter´ısticas y condiciones de riesgo particulares. A diferencia de trabajos previos (que ser´an explicados en la secci´on siguiente) la validez de nuestra hip´otesis de investigaci´on esta ´ıntimamente ligada a mediciones espec´ıficas de riesgo y competencia para cada segmento; junto con expectativas sobre TPM.

3

Y otros previos, que revisaremos en las siguientes secciones.

4

Sin embargo, m´as all´a de la contingencia, nos surgen ciertas interrogantes al mirar los estudios previos: (1) ¿es v´alido medir velocidad y traspaso distinguiendo entre mercados de consumo y empresas?, (2) ¿en qu´e podr´ıa ser esto diferente de mirar el mercado como un todo?, (3) ¿son relevantes las variables afines a cada mercado? Borio and Fritz (1995) mencionan que riesgo y competencia son elementos claves que explican las distintas velocidades de traspaso de TPM a tasas bancarias, aunque su comparaci´on es entre pa´ıses y con variables espec´ıficas para cada uno de ellos. Extendiendo esta evidencia emp´ırica, creemos que buenas medidas de estas variables seg´ un el tipo de mercado deber´ıan entregar diferencias claras de traspaso entre los mercados observados. Estos mismos autores establecen que los niveles de competencia en el mercado financiero europeo son altamente influyentes en los tiempos de traspaso de tasas de inter´es. As´ı, postulan, si los mercados financieros son menos concentrados (que como veremos m´as adelante, bajo ciertos supuestos ´esta puede ser entendido como una proxy de competencia), entonces los cambios de tasa de inter´es de la banca comercial ser´an mucho m´as r´apidos versus una situaci´on en que el nivel de concentraci´on es mayor (es decir, hay menos competencia). Para Chile la respuesta no es clara. De trabajos previos hemos aprendido que al observar las tasas agregadas los traspasos son muy similares a pa´ıses desarrollados incluso cuando en la estimaci´on se han considerado medidas de riesgo y competencia, aunque ´estas tambi´en a nivel agregado. En resumen, ¿es esta una pregunta que podemos responder con datos agregados? Creemos que no, y es precisamente en esta l´ınea en la que queremos aportar.

En lo que sigue el trabajo se estructura de la siguiente manera. La secci´on 2 presenta la revisi´on bibliogr´afica; la secci´on 3 introduce las variables claves que contextualizan los estudios de traspaso de tasas de inter´es; la secci´on 4 presenta la metodolog´ıa de estimaci´on; la secci´on 5 presenta los datos utilizados en este estudio; la secci´on 6 presenta los resultados de las estimaciones y, finalmente, la secci´on 7 presenta breves conclusiones.

2

Revisi´ on de la Literatura

Bernanke and Blinder (1988), junto con Bernanke and Blinder (1992) y Bernanke and Gertler (1995) ampliaron la investigaci´on respecto a c´omo la pol´ıtica monetaria puede afectar las deci-

5

siones de empresas (principalmente) e individuos (en menor medida). Sin embargo, el rumbo que abri´o estos trabajos estuvo centrado en investigar y validar la existencia del canal del cr´edito (credit channel ) y su extensi´on conocida como el balance sheet channel 4 . Kashyap and Stein (1997) resumen algunos trabajos en esta l´ınea y nos explican las implicancias metodol´ogicas y te´oricas que comenzaron luego de los aportes de Bernanke y sus coautores. B´asicamente Kashyap and Stein (1997) nos muestra que, desde el punto de vista te´orico, comenz´o a tomar relevancia el supuesto de la existencia de tres tipos de activos en la econom´ıa: dinero, bonos y pr´estamos bancarios. Aqu´ı los bancos juegan un rol crucial que consiste en la respuesta que tiene su comportamiento como prestamistas ante cambios en la pol´ıtica monetaria. Si bien es cierto que este marco conceptual parece muy sencillo, dio un gran giro a la investigaci´on en esta ´area que nos han ayudado a comprender mejor c´omo trabaja la pol´ıtica monetaria y cu´ales son sus implicancias.

Estos trabajos que hemos mencionado en el p´arrafo anterior est´an enfocados desde el punto de vista de los demandantes de cr´edito, cuyos agentes m´as analizados son las empresas; es evidente que esta visi´on escapa de nuestro objetivo, por lo que no seguiremos ahondando en ella. As´ı, profundizaremos la literatura que complementa lo anterior; es decir, aquella que toma como posici´on de an´alisis los oferentes de cr´editos, cuyo agente de atenci´on son los bancos. A continuaci´on revisamos dos claras tendencias.

La primera de ellas es el estudio de los determinantes de los spread bancarios (tambi´en conocidos en la literatura como m´argenes de intermediaci´on) entre las tasas de colocaci´on y captaci´on. Los motivadores de una vasta evidencia emp´ırica son los trabajos te´oricos de Klein (1971) y Monti (1972), y en alguna medida Ho and Saunders (1981); que a grandes rasgos buscan con un modelo donde participa un agente maximizador de beneficios (con distintas versiones) y establecen qu´e caracter´ısticas de los bancos inciden en la fijaci´on de precios (tasas de inter´es), principalmente el 4

Ambos son mecanismos del “acelerador financiero”. Ellos propagan e intensifican los shocks que ocurren en el sector real, de acuerdo a variaciones end´ ogenas de los costos de selecci´on adversa para los pr´estamos. La visi´ on del credit channel se˜ nala que en los periodos de auge es menos probable que las solicitudes de cr´edito no sean cumplidas, ya que en general los agentes presentan los ingresos actuales suficientes como para pagar Bernanke, Gertler, and Gilchrist (1996). Esto lleva a que los bancos otorguen m´as cr´editos y dinamicen a´ un m´as la econom´ıa. Por otro lado en periodos de depresi´ on es dif´ıcil para los bancos determinar si un proyecto de inversi´on es bueno o no, lo cual lleva a una menor cantidad de cr´editos otorgados. La visi´on del balance sheet channel se˜ nala que en periodos de bajas tasas de inter´es, pol´ıticas monetarias m´as laxas, llevan a que los flujos futuros sean menos descontados y as´ı las empresas se vean m´ as ricas y puedan pedir dinero m´as f´acilmente (ya que tienen un alto colateral). A la inversa, en periodos de altas tasas de inter´es, la valoraci´on de los activos de una empresa es m´as castigada y as´ı cuesta m´ as pedir cr´editos a la banca. Los efectos anteriores llevan a amplificar los ciclos.

6

rol que juegan los costos en sus decisiones. Entre otras cosas, este escenario les permite comparar diversas conductas seg´ un el tipo de mercado en que se desenvuelve la banca, los casos extremos son de monopolio y competencia perfecta. Aportes te´oricos posteriores los entrega Elyasiani, Kopecky, and VanHoose (1995) con un modelo que eval´ ua este mismo comportamiento pero considerando una perspectiva din´amica de la decisi´on (a diferencia de los primeros trabajos que son de car´acter est´atico).

Un segundo camino tiene que ver con la “velocidad de ajuste de corto plazo” y los “traspasos de largo plazo” de las tasas de inter´es a cambios en la tasa de pol´ıtica monetaria. Tal como se˜ nala Fuentes and Mies (2007) esta l´ınea de investigaci´on tiene mucha m´as evidencia emp´ırica que te´orica. Hay dos claros trabajos, que a nuestro juicio, impulsan esta literatura; Cottarelli and Kourelis (1994) y Borio and Fritz (1995). El primero de ellos tiene por objeto estudiar como la estructura financiera afecta el grado de rigidez de la tasa de pr´estamo de los bancos; entendiendo como estructura financiera la existencia y grado de desarrollo de mercados financieros, los niveles de competencia y el acceso de los participantes a fuentes externas de financiamiento. Sus conclusiones se pueden resumir en dos ideas: (1) el hecho que la rigidez de la tasa de inter´es es indicio de cierta inelasticidad de la tasa que cobran los bancos ante cambios en la demanda de los pr´estamos y dep´ositos de los bancos; y (2) ante cambios en la tasa de pol´ıtica monetaria5 , los cambios de la tasa de los bancos es peque˜ no. Esto u ´ltimo influenciado, principalmente, por altas barreras de entrada y poca participaci´on del sector bancario-financiero. Por su parte, Borio and Fritz (1995) comparan la respuesta de tasas de inter´es de pr´estamos de corto plazo a cambios en la tasa de pol´ıtica monetaria para algunos pa´ıses de la uni´on europea adem´as de Jap´on y Estados Unidos. Ellos encuentran que existe un grado de rigidez en el traspaso que, a juicio de los autores, puede ser explicado por: el grado del poder monop´olico de los bancos en algunos segmentos del mercado de pr´estamos, la aversi´on de los clientes para pagos que impliquen tasa de inter´es variable, la volatilidad de las tasas de inter´es tanto de mercado como de pol´ıtica, entre otros factores. De todos estos factores, ellos consideran que el grado de poder monop´olico es sin duda el m´as importante determinante del traspaso. Ocupando el spread de tasas (entre la tasa de pr´estamo y una proxy de la tasa de pol´ıtica monetaria) buscan identificar qu´e factores lo determinan; y sus resultados se pueden resumir en: (1) el grado de competencia en los mercados de pr´estamo, (2) 5

Cuya proxy es la tasa money market.

7

el riesgo de p´erdida de los pr´estamos (asociado al tama˜ no del spread), y (3) la orientaci´on de las pol´ıticas de negocio de los bancos en particular. Finalmente revisan las condiciones en que las tasas de pr´estamos se comportan de manera asim´etrica respecto a incrementos o disminuciones en la tasa de pol´ıtica monetaria.

Finalmente, documentamos algunos trabajos de corte emp´ırico que se enfocan netamente en el traspaso de tasas (pass through). La gran diferencia de estos trabajos est´a en los m´etodos de estimaci´on y los datos usados; sin embargo, a´ un as´ı, ha establecido ciertos consensos respecto a los resultados encontrados.6 En t´erminos generales, los estudios para la zona euro muestran que a nivel agregado la tasa de pol´ıtica se traspasa en forma parcial a la tasa de pr´estamo de corto plazo. Como corolario de la tabla 1 en De Bondt, Mojon, and Valla (2005) hay gran heterogeneidad en los plazos, incluso para un mismo pa´ıs, tanto en la tasa de pr´estamos para empresas como para consumidores; incluso cuando se controla por caracter´ısticas inherentes a los pr´estamos como por ejemplo; el riesgo, tal como lo reporta Gropp, Sørensen, and Lichtenberger (2007). Un aspecto interesante en esta literatura es la evidencia emp´ırica que proporciona Sander and Kleimeier (2004) respecto a que el grado de heterogeneidad se ha reducido con la introducci´on de una moneda u ´nica. Pero, ¿qu´e explica esta variada evidencia emp´ırica? La respuesta m´as plausible y la que genera mayor consenso entre los diversos autores es que el grado de competencia del mercado financiero es una variable clave que permite explicar el grado de traspaso de la tasa de inter´es (esta evidencia emp´ırica es amplia dentro de los estudios a nivel internacional (principalmente europeos), por citar algunos, Borio and Fritz (1995), Lensink and Sterken (2002), Corvoisier and Gropp (2002), De Bondt, Mojon, and Valla (2005), Gropp, Sørensen, and Lichtenberger (2007), entre otros).

As´ı, es posible observar que la evidencia emp´ırica internacional nos proporciona claves que permiten explicar el traspaso de tasas y que este no es homog´eneo entre pa´ıses desarrollados ni tampoco dentro de un mismo pa´ıs. En resumen, para estos autores las variables que inciden o determinan en mayor medida esto, son: grado de competencia y riesgo. Ahora, revisamos brevemente los aportes en esta materia para Chile.

6

En secciones posteriores haremos menci´ on a las metodolog´ıas de estimaci´on que utilizan.

8

2.1

Traspaso de Tasas y la Pol´ıtica Monetaria Nacional

Para Chile la discusi´on sobre los ajustes de corto y largo plazo de tasas de inter´es tampoco es nueva. Sin embargo, el mayor aporte de la literatura que revisamos a continuaci´on se ha centrado en cuantificar el ajuste de corto plazo o velocidad. Podemos decir que el trabajo que inicia la medici´on del traspaso de TPM a tasas de inter´es, y con ello el debate a nivel local, es Berstein and Fuentes (2003), ellos encuentran que el grado de traspaso en el corto y largo plazo es aceptable, dado que la flexibilidad de ´este no es muy distinta si se observan resultados para pa´ıses desarrollados; al extender el an´alisis con un panel de bancos, encuentran que entre bancos hay fuertes diferencias en los traspasos, especialmente en las tasas de corto plazo. Adem´as la velocidad de traspaso es mucho m´as r´apida en la medida que el banco es m´as grande, tiene mayor riesgo de cr´edito involucrado en sus operaciones y hay una mayor proporci´on de personas en su cartera. En una l´ınea algo distinta, Fuentes and Mies (2007) eval´ uan c´omo los cambios en la TPM afectan los m´argenes de intermediaci´on de la banca chilena, para ello cuentan con un panel de bancos y eval´ uan este efecto en periodos pre y post nominalizaci´on7 ; encontrando que post nominalizaci´on, el efecto de la TPM sobre los m´argenes de intermediaci´on8 sigue siendo positivo, pero pierde significancia. Por otro lado, Jaramillo, Ormazabal, and Villatoro (2009) miden la velocidad del traspaso de tasas desagregando por mercados encontrando que efectivamente el traspaso es mucho m´as lento para el cr´editos de consumo que para cr´editos de empresas; sin embargo, a diferencia de la metodolog´ıa cl´asica, estos autores no reportan control por riesgo ni concentraci´on como los ocupados en Berstein and Fuentes (2003) y Chavez (2009), por nombrar algunos. Finalmente, Becerra, Ceballos, Cordova, and Pedersen (2009) presentan una l´ınea de investigaci´on algo distinta a la planteada por los trabajos mencionados, pero que se enmarca en el tema. Ellos buscan evaluar que variables explican los movimientos de tasas de inter´es (tanto de consumo como empresas) separando y evaluando los efectos que en ella producen las variaciones en la tasa de pol´ıtica como variaciones en niveles de riesgo; sin embargo, cabe notar que la forma como miden el riesgo es completamente ajena al riesgo de cada mercado, toda vez que ocupan niveles de riesgo pa´ıs y de grandes empresas, lo cual sin duda puede “distorsionar” los resultados.

Es precisamente en este contexto donde se posiciona nuestro trabajo. Al revisar la literatura 7

Periodo en que el banco central cambi´ o su instrumento de pol´ıtica monetaria de tasas reales a nominales, esto a contar del a˜ no 2001. 8 Spread de tasas de colocaci´ on y captaci´ on.

9

nacional creemos que podemos aportar a ella, b´asicamente, a trav´es de separar los mercados. Consideramos, a la luz de De Bondt, Mojon, and Valla (2005) que esta separaci´on en la evaluaci´on de si el traspaso es o no “m´as r´apido”, permite dimensionar realmente no s´olo las diferencias entre ellos, sino adem´as, qu´e tan relevantes son las variables que la literatura nos ha ense˜ nado deben ser consideradas.

En base a la literatura que hemos analizado, creemos que, para el caso de Chile, a´ un quedan preguntas pendientes que es necesario precisar. De ah´ı que el enfoque de nuestro trabajo se espec´ıfica en el testeo de las siguientes hip´otesis. 1. El impacto de la competencia en la velocidad y traspaso de tasas de inter´es. Como reportan, por ejemplo, Borio and Fritz (1995) y De Bondt, Mojon, and Valla (2005); este indicador es clave a la hora de explicar estos ajustes dado que, seg´ un postulan, mayores niveles de competencia bancaria deber´ıan acelerarlos. Como hemos visto, los estudios a nivel nacional no se encargan en detalle de analizar el impacto de esto en el traspaso de tasas de inter´es. Por otro lado, creemos que las diferencias entre segmentos son importantes y dado el mayor acceso a cr´edito de parte de las empresas, el mercado de consumo deber´ıa observar ajustes mucho m´as lentos ante una mayor concentraci´on-competencia. En la siguiente secci´on analizamos este asunto. 2. La correcta medici´on de los riesgos nos ayuda a comprender y cuantificar mejor la velocidad y traspaso de las tasas de inter´es. Como hemos visto, la literatura tambi´en se hace cargo de este hecho aunque creemos que para poder diferenciar entre mercados, la forma de medir los riesgos debe ser espec´ıfica a cada uno de ellos. Tal como reporta la literatura, y como veremos en secciones siguientes, esperamos que mayor nivel de riesgo implique mayor velocidad y traspaso a las tasas de inter´es, y creemos que dadas las diferencias de acceso al cr´edito de cada uno de los mercados, en el mercado de consumo se observen ajustes m´as r´apidos ante cambios en las percepciones por riesgo. 3. Finalmente, queremos evaluar el impacto en la velocidad y traspaso de las tasas de inter´es de la expectativas de los agentes sobre la tasa de pol´ıtica monetaria. Este elemento es nuevo en la literatura y a nivel nacional, seg´ un nuestro entendimiento, no se ha estudiado. Como veremos en la siguiente secci´on, esperamos que cambios en las expectativas sobre la tasa 10

de pol´ıtica se traduzcan en mayor o menor rapidez en el traspaso de tasas, y que existan diferencias entre los mercados especialmente motivadas por los montos involucrados. En la siguiente secci´on revisamos con mayor detalle esto.

3

Medici´ on de las variables claves: competencia y expectativas

3.1

Formas de Medir Competencia Bancaria: Implicancias Te´ oricas

Antes de realizar alcances sobre c´omo medir competencia bancaria conviene preguntarse en qu´e medida esto puede ser relevante. Poni´endolo en t´erminos pr´acticos, a la luz de los datos, ¿es posible observar una mayor o menor competencia en el sistema financiero? La respuesta no es f´acil y no ha estado exenta de debate. Claramente, no es posible responder esta pregunta s´olo mirando los precios.

La literatura econ´omica ha encontrado dos maneras de medirla, o al menos aproximarse a un indicador de competencia, uno de sus mayores exponentes es Berger (1995), adem´as un buen resumen se puede revisar en el cap´ıtulo 4 de Van Hoose (2010). La forma tradicional basadas en la visi´on del Structure Conduct and Performance (en adelante, SCP) y en la cual se basa la mayor´ıa de los estudios emp´ıricos (entre ellos, Cottarelli and Kourelis (1994), Borio and Fritz (1995), Berger (1995), Corvoisier and Gropp (2002), Deidda and Fattouh (2005), Degryse and Ongena (2007) y De Graeve, De Jonghe, and Vander (2007)).

Tal como se˜ nala Berger (1995) y Van Hoose (2010) el comportamiento bancario se puede entender bajo dos hip´otesis: 1. Por un lado, la hip´otesis m´as tradicional es la structure-conduct-performance (SCP) que establece que mayor concentraci´on de mercado bancario es el resultado de competencia imperfecta en dicho mercado, lo que la literatura ha asociado o entendido como menor competencia, como se˜ nala Berger (1995), de cumplirse esta hip´otesis, mayor nivel de concentraci´on es menos favorable para los consumidores lo que se ve reflejado en los precios, es decir, mayores tasas de pr´estamos y menores tasas de dep´ositos. 11

2. En contraste a lo anterior, est´a la hip´otesis del efficient-structure (ES) que indica que firmas que son capaces de alcanzar mayor eficiencia en los costos son precisamente aquellas que ´ logran mayor participaci´on de mercado. Estas son capaces de alcanzar econom´ıas de escala que las hacen obtener grandes beneficios. Como se˜ nala Van Hoose (2010), el hecho de alcanzar tal nivel de expansi´on y eficiencia lleva a las instituciones bancarias a ofrecer menores tasas de pr´estamos y mayores tasas de dep´ositos. Berger (1995) testea estas hip´otesis para Estados Unidos y encuentra que la evidencia no apoya la primera, pero si la segunda hip´otesis (aunque evidencia d´ebil). En cambio, para las instituciones europeas que testean la hip´otesis del SCP se encuentra evidencia que la respalda, por ejemplo en Corvoisier and Gropp (2002), Deidda and Fattouh (2005) y Degryse and Ongena (2007). Ambas hip´otesis est´an ligadas a una medida de concentraci´on (que tambi´en se puede aproximar por participaci´on de mercado). Es as´ı como la hip´otesis de Structure Performance afirma que el grado de concentraci´on del mercado est´a inversamente relacionado con el grado de competencia, mientras que la hip´otesis Efficient Structure afirma que los beneficios de las empresas est´an positivamente relacionados con sus niveles de eficiencia y que ellos surgen de mayor concentraci´on.

Sin embargo, a pesar de la aparente relaci´on inversa entre concentraci´on y competencia, ambas hip´otesis han sido altamente cuestionadas y presentan algunas falencias que no permiten validar esta relaci´on. La literatura de organizaci´on industrial ha presentado la relaci´on entre competencia y concentraci´on como un paradigma, y la principal desventaja es que dicha forma de medici´on se puede resumir en dos puntos: (1) no permite establecer si es la competencia la que implica la concentraci´on o ocurre lo contrario; y (2) estas hip´otesis no toman en cuenta la conducta de las empresas en el mercado y el impacto de su rendimiento en la estructura de mercado (al respecto se puede ver Berger (1995)).

Asumiendo las falencias mencionadas dentro del marco de la primera hip´otesis, y a pesar de ello, la literatura ha ocupado esta medida de competencia como la m´as “aceptada” en los trabajos emp´ıricos de traspaso de tasas de inter´es. Con el ´ındice de Herfindahl-Hirschaman (en adelante, ´ındice HHi) se busca obtener mediante la concentraci´on bancaria una proxy de competencia. Algunos de estos trabajos son; Berger and Hannan (1991), Borio and Fritz (1995), De Bondt, Mojon, and Valla (2005), Gropp, Sørensen, and Lichtenberger (2007), Chavez (2009), entre otros. 12

Como una forma de superar los inconvenientes anteriores, la literatura desde hace algunos a˜ nos ha elaborado mejores alternativas para medir competencia basadas, principalmente, en la segunda hip´otesis (eficiencia). Por mencionar algunos de estos nuevos ´ındices, est´an; el ´ındice de Panzar y Rosse, y el ´ındice de Boone. El primero se construye con datos de los estados de resultados a nivel de industria o banco y permite discriminar entre competencia perfecta, competencia monop´olica y monopolio. La idea de este ´ındice es sencilla; lo que busca es determinar la magnitud en la cual cambios en los precios de un factor de insumo se reflejan en los beneficios de equilibrio ya sea a nivel de industria o un banco espec´ıfico. Metodol´ogicamente el ´ındice de Panzar y Rosse corresponde a la suma de las elasticidades de una forma reducida para la funci´on de utilidad con respecto a precios de insumos. Al respecto, Oda and Silva (2010) documentan evidencia contrapuesta para el caso de Chile. Es decir, por un lado algunos trabajos que buscan medir competencia con este ´ındice han encontrado una industria bancaria local altamente competitiva si se le compara con otros pa´ıses similares; sin embargo, al considerar pa´ıses m´as heterog´eneos en la muestra, Chile cae a una industria bancaria de competencia monop´olica. El segundo ´ındice, el ´ındice de Boone, se fundamenta en la noci´on de que en mercados m´as competitivos las empresas son castigadas de manera m´as dura en t´erminos de beneficios si son ineficientes. Este ´ındice busca capturar las dos formas en la cual la competencia puede intensificarse en los mercados; (1) una disminuci´on de las barreras de entrada, lo que permitir´ıa una mayor competencia en la industria; y (2) la mayor “agresividad” entre los participantes, lo que incrementa la competencia, pero tambi´en la concentraci´on dado que hay empresas que deben salir del mercado. En resumen, el ´ındice de Boone, permite que ambas “fuerzas” del mercado trabajen al momento de medir competencia. Oda and Silva (2010) son los primeros en estimar este ´ındice para Chile, y como ventaja del mismo indican que permite distinguir de mejor manera la competencia entre mercados particulares del cr´edito bancario9 .

Las ventajas de estos ´ındices respecto al ´ındice HHi radican en que miden directamente el grado de competencia deslig´andose en su construcci´on de la hip´otesis de concentraci´on como es el caso del ´ındice HHi y centr´andose en la hip´otesis de eficiencia; sin embargo, con los datos que disponemos no nos es posible replicarlos (´ındice Panzar y Rosse y Boone) dado que los datos que requieren en su c´omputo exigen un mayor desglose de la estructura de costos de la industria bancaria, que no est´an 9

Lo que a juicio de los autores no es del todo claro con el ´ındice de Panzar y Rosse; ni mucho menos con el ´ındice HHi, ver tambi´en los comentarios de Berger (1995).

13

disponibles en forma p´ ublica. Por otro lado, la mayor´ıa de los datos disponibles de estos ´ıtemes son “agregados” en el sentido que no nos permiten construirlos separando por sector consumo y empresa. Por esta raz´on, nos abocaremos a la visi´on cl´asica de concentraci´on-competencia que nos proporciona el ´ındice HHi y que tiene la ventaja de que es un ´ındice conocido, posible de construir bajo nuestros prop´ositos y que adem´as, permitir´ıan establecer comparaciones con otros trabajos que lo reportan. En resumen, presentamos dos novedades que nos diferencian de trabajos previos para Chile: (1) mediremos este ´ındice de concentraci´on-competencia seg´ un el tipo de mercado, y (2) estudiaremos directamente su impacto en el traspaso de tasas10 .

Finalmente, es conveniente recordar que en base a nuestras hip´otesis, nuestro fin no es establecer si existe mayor o menor competencia en la industria bancaria chilena ni si esta genera mayores o menores tasas, sino que establecer como una medida de competencia puede explicar los niveles de traspaso de tasas de inter´es, un punto al que volveremos algunas secciones siguientes, cuando expliquemos la metodolog´ıa de estimaci´on.

3.2

El Rol de las Expectativas sobre la Tasa de Pol´ıtica Monetaria

¿Cambiar´a en algo las velocidades de traspaso si consideramos que los agentes pueden prever los cambios futuros de tasas de pol´ıtica monetaria? De Gregorio (2007) plantea que la curva de retorno (yield curve) permite determinar las expectativas que tiene el mercado sobre la tasa de pol´ıtica monetaria, en otras palabras, nos da la expectativa que tiene el mercado sobre la evoluci´on de la tasa de pol´ıtica11 . Tal como se˜ nala Banerjee, Bystrov, and Mizen (2010), si consideramos que esta metodolog´ıa de extracci´on de se˜ nales es correcta, un cambio en la tasa de pol´ıtica que sea anticipada por los agentes (en este caso, bancarios) deber´ıa traspasarse m´as r´apido al resto de la econom´ıa (es decir, se reducir´ıan los tiempos de traspaso de tasas) como respuesta a una evoluci´on estable “esperada” de la pol´ıtica monetaria12 .

En este contexto, Kuttner (2001) es bastante cr´ıtico al respecto de la extracci´on de se˜ nales de 10

Ambas ventajas las explicaremos en secciones siguientes. Hip´ otesis de Expectativas. 12 Claramente a pesar de la anticipaci´ on, los cambios diferir´an si nos referimos a un alza o una baja de la tasa de inter´es. 11

14

la (yield curve), aunque no se refiere a la velocidad del traspaso de la tasa de inter´es que es el tema que nos compete. Sin embargo, el aporte de su trabajo se puede resumir en tres puntos: (1) Plantea lo inveros´ımil de que las tasas de mercado se muevan inmediatamente ante cambios en la tasa de pol´ıtica. Muestra que para diversos periodos de tiempo la evidencia emp´ırica no es concluyente. (2) De lo anterior, establece que el error es que no se considera que la respuesta a tal heterogeneidad de resultados radica en no separar la anticipaci´on en los cambios de la tasa de pol´ıtica monetaria. (3) As´ı, apoyado en la hip´otesis de expectativas de las tasas de inter´es se˜ nala que la respuesta de las tasas de inter´es al componente “sorpresivo” (no anticipado) de la pol´ıtica monetaria es considerablemente significativo, no as´ı cuando el cambio es anticipado. Esto, seg´ un el autor, queda plasmado en las tasas futuro de los bonos de la autoridad monetaria13 , dado que son una proxy “natural” de las expectativas14 .

Kleimeier and Sander (2006) considerando los aportes de Kuttner (2001) expanden la investigaci´on y consideran las expectativas de tasa de pol´ıtica monetaria como determinante del traspaso de tasas de inter´es de los bancos (europeos). Los autores encuentran que cuando los cambios en la tasa de pol´ıtica monetaria son previsto por los bancos (es decir, no hay componentes sorpresivos), el tiempo de traspasos desde tasa de pol´ıtica a tasas de inter´es aumenta significativamente. Usando el 3-months EURIBOR futures como predictor de las tasas de inter´es futuras de pol´ıtica y un panel de 10 pa´ıses de la zona euro; concluyen que: (1) hay un impacto significativo y positivo de la anticipaci´on de la tasa de inter´es de pol´ıtica sobre el traspaso en el mercado de pr´estamos bancarios; (2) una respuesta mucho mayor de cambios en las tasas de inter´es de los bancos (del sector retail) a cambios anticipados de pol´ıtica monetaria; y (3) a pesar de una mejor comunicaci´on y transparencia de la pol´ıtica monetaria por parte del banco central, eso no sustituye la importancia de mayor competencia en el mercado.

Finalmente, un aporte actual y en l´ınea con el traspaso de tasas de inter´es lo hace Banerjee, Bystrov, and Mizen (2010). Sin embargo, los autores no hacen la divisi´on de pol´ıtica anticipada que reportan Kleimeier and Sander (2006). La intenci´on de ellos es b´asicamente evaluar si los modelos que permiten establecer velocidad de traspaso de tasas de inter´es y que no consideran las 13

Fed Funds Futures Rates. Se˜ nala que los pron´ osticos de tasa de pol´ıtica basados en estos futuros son m´as eficientes dado que el error de pron´ ostico no est´ a significativamente correlacionado con otras variables cuando el contrato fue valorado. 14

15

expectativas dentro de sus estimaciones son o no correctos. Para ello utilizan distintos modelos que consideran tasas de bonos de distinta madurez, tasas swap y variables macroecon´omicas que pueden influenciar el “camino” de la pol´ıtica monetaria (como por ejemplo, el ´ındice de precios, el nivel de los agregados monetarios, el precio de algunos commodities, etc.). El punto de ellos es muy distinto al de Kleimeier and Sander (2006) y Kuttner (2001). B´asicamente ellos plantean que los agentes (en este caso los bancos o instituciones financieras) pactan “contratos” con sus deudores y son los primeros lo que determinan la tasa a cobrar t´ıpicamente evaluando su calidad crediticia y niveles de riesgo. Sin embargo, ellos plantean que en este proceso tambi´en es relevante la expectativa que tenga el agente sobre cambios en la tasa de pol´ıtica monetaria y estar´a ligado al plazo en que se este pactando el contrato. As´ı, Banerjee, Bystrov, and Mizen (2010) plantean que a mayor plazo del contrato, es mucho m´as relevante el impacto que tengan las expectativas pues equivocarse al respecto, desde el punto de vista del agente, puede ser costoso; especialmente porque modificar esos contratos en el futuro puede ser extremadamente dif´ıcil. Concluyen que existe evidencia significativa sobre el rol de las expectativas como un determinante del traspaso de tasa de inter´es; adem´as, plantean que incluir dicha variable produce resultados muy distintos y que no proveen estimaciones exactas.

Es en esta u ´ltima l´ınea donde nos queremos centrar y, a nuestro juicio, es un campo no explorado en los estudios previos para Chile. En una evaluaci´on metodol´ogica muy en l´ınea con Banerjee, Bystrov, and Mizen (2010), los trabajos de Alarc´on and Sotz (2007) y Varela (2007) nos indican la forma c´omo a trav´es de swap de la tasa interbancaria es posible anticipar el comportamiento de la TPM. Nos referiremos a eso m´as adelante.

4

Revisi´ on de la Metodolog´ıa y Formas de Identificaci´ on

Finalmente, antes de presentar los datos a utilizar y los resultados de nuestras estimaciones, queremos revisar las l´ıneas metodol´ogicas presentes en los principales trabajos revisados anteriormente. Ellos los podemos dividir en dos grupos generales; metodolog´ıa de series de tiempo y metodolog´ıa de paneles. Nuestra intenci´on no es hacer una revisi´on exhaustiva de las metodolog´ıas, sino que exponer a nivel general las especificaciones utilizadas; y cu´ales nos ayudar´an a identificar nuestras

16

hip´otesis.

Antes de pasar a la revisi´on de las metodolog´ıas creemos necesario exponer claramente qu´e entendemos por ajustes de corto y largo plazo. Los ajustes de corto plazo la literatura los entiende como velocidad de traspaso, es decir, aquella forma en que variaciones de la tasa de pol´ıtica monetaria (medida con la tasa interbancaria) se derivan en cambios en las tasas de inter´es de colocaci´on. Por otro lado, la literatura en esta ´area entiende los ajustes el largo plazo como el traspaso total que tienen los cambios en la tasa de pol´ıtica sobre las tasas de inter´es de colocaci´on. Nuestro enfoque va ligado a estos ajustes de corto plazo, porque asumimos que el traspaso de largo plazo debe ser completo, volveremos sobre este punto m´as adelante.

4.1

Metodolog´ıa de Series de Tiempo

En general la pregunta que se ha buscado responder con esta metodolog´ıa es respecto a la velocidad y al traspaso de la tasa de inter´es; utilizando para ello una tasa agregada en el periodo t que es la tasa de inter´es ponderada de todos los bancos o actores del sistema financiero. Claramente para poder establecer una relaci´on de largo plazo, necesitamos la existencia de cointegraci´on entre la tasa de inter´es de los pr´estamos y la tasa de pol´ıtica monetaria (o su proxy) tal como se se˜ nala en general en esta literatura emp´ırica (al respecto, ver por ejemplo, Borio and Fritz (1995), Cottarelli, Ferri, and Generale (1995), Heffernan (1997), Mojon (2000), De Bondt, Mojon, and Valla (2005), De Graeve, De Jonghe, and Vander (2007), Fuertes, Heffernan, and Kalotychou (2010)).

Buscamos una estimaci´on est´andar, de manera que nos permita hacer comparaciones con otros trabajos. Es por ello que utilizaremos la metodolog´ıa de Engle and Granger (1987) en nuestra identificaci´on. As´ı, la estimaci´on se centra en dos pasos claros. Primero, queremos dilucidar si efectivamente las tasas de inter´es que observaremos cointegran con nuestra proxy de TPM, es decir, primero estimaremos una ecuaci´on cuya especificaci´on gen´erica es15 : (Tasa de Inter´es Pr´estamos)t = α0 + α1 (Proxy de TPM)t + εt 15

(1)

Hay que ser cuidadosos dado que Engle and Granger (1987) mencionan que primero es necesario validar que las variables tengan el mismo orden de integraci´on.

17

Ahora bien, el test de cointegraci´on necesita de los residuos estimados de la ecuaci´on (1) (un vector que llamaremos {b εt }). As´ı, estimamos la siguiente ecuaci´on: ∆b εt = a1 εbt−1 + ξ

(2)

Donde ∆ corresponde a la primera diferencia de la variable. En la ecuaci´on anterior realizamos el test de Dicky-Fuller para a1 donde la hip´otesis nula es: H0 : a1 = 0, es decir, si no podemos rechazar dicha hip´otesis, entonces las variables (Tasa de Inter´es Pr´estamos) y (Proxy de TPM) no cointegran16 . Sin embargo, dado que trabajamos con residuos estimados, MacKinnon (2010) proporciona los valores cr´ıticos correctos para validar o no esta hip´otesis17 .

Una explicaci´on intuitiva de (1) se basa en Klein (1971) y Elyasiani, Kopecky, and VanHoose (1995) que ofrecen un modelo que busca explicar la forma c´omo los bancos fijan sus tasas de inter´es. El supuesto es simple, y se fundamenta en que los bancos establecen un margen de ganancia en las tasas de colocaci´on sobre la tasa libre de riesgo, que es fijada por la autoridad monetaria. En este caso, esta tasa corresponde a la tasa interbancaria. Un ejemplo de la vigencia del uso de esta intuici´on se puede encontrar en Heffernan (1997) y Banerjee, Bystrov, and Mizen (2010).

El segundo paso es estimar las relaciones de corto y largo plazo, de ah´ı que para prop´ositos es esencial que las tasas de inter´es de los pr´estamos cointegren con la tasa interbancaria18 . Para ello estimaremos un modelo de correcci´on de error (VEC por sus siglas en ingl´es19 ) de la siguiente forma: ∆(Tasa

Colocaci´on)jt

=β01 + β1 {b εt−1 } +

p X

βi1 ∆(Tasa Colocaci´on)jt−i + . . .

i=1

... +

q X

βl2 ∆(Proxy de TPM)t−l + Θ(Variables Control) + . . .

(3)

l=1

. . . + (T´ermino de error de la ecuaci´on de Tasa Colocaci´on)jt 16

Dado que {b εt } ser´ıa no estacionario. N´ otese que si las variables cointegran, la estimaci´on por m´ınimos cuadrados entregar´a estimadores consistentes de α0 y α1 . 18 N´ otese que este es nuestro concepto de relaci´on de largo plazo, y corresponde a la manera de identificaci´ on que llevaremos a cabo. 19 Vector error correction model. 17

18

∆(Proxy de TPM)t =β02 + β2 {b εt−1 } +

r X

βi1 ∆(Tasa Colocaci´on)jt−i + . . .

i=1

... +

s X

βl2 ∆(Proxy de TPM)l−i + Θ(Variables Control) + . . .

(4)

l=1

. . . + (T´ermino de error de la ecuaci´on de TPM)t Donde j indexa al tipo de tasa de colocaci´on, ya sea consumo o empresa. N´otese que el VEC est´a conformado tanto por las ecuaciones (3) como por (4); donde nuevamente ∆ representa la diferencia de la variable entre el periodo (t) y (t − 1). La selecci´on de los lags (p y q, principalmente) la realizaremos mediante los criterios de Akaike y Schwarz. En la siguiente secci´on volveremos sobre esta estimaci´on para indicar de manera expl´ıcita la forma en que identificaremos nuestras hip´otesis y las variables de control que consideraremos.

4.2

Metodolog´ıa de Paneles

Como un complemento a la metodolog´ıa anterior en esta secci´on buscamos medir los ajustes de la tasa de inter´es considerando aquellas caracter´ısticas propias de los bancos. La mayor´ıa de los trabajos que ocupan paneles de bancos lo hacen con base de datos que contienen tasas agregadas bancarias por pa´ıses. La mayor´ıa de estos trabajos estiman ecuaciones independientes para cada pa´ıs, es decir, realizan la metodolog´ıa de serie de tiempo para cada pa´ıs por serparado sin explotar la riqueza de la heterogeneidad; o han realizado estimaciones considerando efectos fijos en las especificaciones. Ejemplo de ello, por mencionar algunos, son: Cottarelli and Kourelis (1994), Corvoisier and Gropp (2002), Brock and Franken (2003) (para el caso de Chile), De Bondt, Mojon, and Valla (2005), Gropp, Sørensen, and Lichtenberger (2007), Banerjee, Bystrov, and Mizen (2010), entre otros. Por otro lado, Berstein and Fuentes (2003) utiliza paneles din´amicos para responder sus hip´otesis, como complemento al estudio de series de tiempo que llevan a cabo; aunque su base de datos no es entre pa´ıses (a diferencia de los otros trabajos), sino que un panel que contiene distintas insituciones bancarias chilenas.

Nuestra aproximaci´on es de car´acter similar al trabajo de Berstein and Fuentes (2003); pero

19

con diferencias metodol´ogicas claras. Al igual que ellos explotaremos la ventaja de contar con un panel de instituciones bancarias20 , pero mantendremos la l´ınea de nuestro an´alisis respecto a la din´amica de corto y largo plazo incluyendo para ello la evaluaci´on de cointegraci´on en el panel21 y estimando, cuando sea necesario, la relaci´on VEC en paneles. En esto, nuestra forma de identificaci´on es muy similar a la ocupada por De Graeve, De Jonghe, and Vander (2007).

Tal como reporta Baltagi (2005) el panel de datos con que contamos no constituye un caso t´ıpico de estimaci´on que se caracteriza por contar con un N grande y un T peque˜ no. De esta forma, procedemos de manera muy similar a la secci´on de series de tiempo; es decir, realizamos los test de ra´ıces unitarias y, cuando corresponda, evaluamos la relaci´on de cointegraci´on siguiendo los test de Kao que propone Baltagi (2005).

Entonces, estimamos el siguiente modelo:

∆(T.

Colocacion)kt

= αk × (V.E.) +

p X

φkj ∆(T.

Col)kt−j

+

p X

θkj ∆(T. Inter.)t−j + . . .

j=1

j=1

(5)

. . . + Θ × (Var. Control Ex´ogenas) + εkt Donde, al igual que la metodolog´ıa de series de tiempo, ∆ corresponde a la primera diferencia de la variable y V.E. corresponde al error correction vector. Por su parte, k indexa los bancos presentes en el panel. La metodolog´ıa que utilizamos para estimar (5) es la propuesta por Pesaran and Smith (1995) y Pesaran, Shin, and Smith (1999) que se basan, precisamente, en estimaciones de paneles din´amicos no estacionarios en el cual los par´ametros son heterog´eneos a trav´es de los grupos, y que De Graeve, De Jonghe, and Vander (2007) ocupa para una muestra de B´elgica. A su vez, hemos utilizado el pooled mean-group estimators que se caracteriza por permitir que el intercepto, los coeficientes de corto plazo y la varianza del error puedan variar entre grupos, pero se restringe a que los coeficientes de largo plazo sean iguales entre ellos. Adem´as, Pesaran, Shin, and Smith (1999) desarrollan este m´etodo de estimaci´on basado en m´axima verosimilitud.22 20

Aunque a diferencia del trabajo de estos autores, nosotros contamos con datos para tasas de colocaci´ on de pr´estamos de consumo. 21 Una excelente revisi´ on sobre paneles no estacionarios (nonstationary panels) se puede encontrar en Baltagi (2005), cap´ıtulo 12 y en Phillips and Moon (2000). 22 Una aplicaci´ on y ejemplo para ser implementado en STATA se puede encontrar en Blackburne III and Frank (2007).

20

5

Datos y modelos estimados

Los datos que ocuparemos en nuestras estimaci´on son datos p´ ublicos que se han obtenido principalmente de los reportes mensuales de la Superintendencia de Bancos e Instituciones y de la base de datos del Banco Central de Chile. El Cuadro (1) muestra un resumen de los datos utilizados en este trabajo. Las tasas de inter´es indicadas en la primera fila son las que ocuparemos para llevar a cabo nuestras estimaciones de series de tiempo que hemos hecho menci´on en la secci´on anterior; mientras que las de la segunda fila, ser´an ocupadas en la estimaci´on de paneles. Cabe destacar que para el caso de estas u ´ltimas, s´olo se cuenta con informaci´on p´ ublica para el mercado del consumo. Por su parte, el Cuadro (2) muestra los estad´ısticos descriptivos de todas las tasas de inter´es que utilizaremos junto con las variables de control que revisamos en breve.

5.1

Modelos de Series de Tiempo

Las tasas de colocaci´on las hemos dividido en dos grupos principalmente; pr´estamos de consumo y pr´estamos comerciales. Hemos obtenido estas tasas del Banco Central de Chile para el periodo comprendido entre enero de 2002 y diciembre de 2009. Para la tasa de consumo consideramos los siguientes plazos: pr´estamos hasta 180 d´ıas, pr´estamos hasta 1 a˜ no, pr´estamos hasta 3 a˜ nos, pr´estamos a m´as de 3 a˜ nos, y una tasa que agrega estos plazos ponderando por los montos de colocaci´on de cada uno de ellos; que hemos denominado tasa de inter´es de consumo agregada. Para el caso de la tasa de inter´es de pr´estamos comerciales, los plazos considerados son: pr´estamos hasta 30 d´ıas, pr´estamos hasta 89 d´ıas, pr´estamos hasta 180 d´ıas, pr´estamos hasta 1 a˜ no, pr´estamos a m´as de 1 a˜ no, y una tasa de inter´es comercial agregada (que se basa en la misma metodolog´ıa de la tasa de consumo agregada). En la figura (1) presentamos gr´aficamente la evoluci´on de las tasas agregadas de cada uno de los mercados considerados, y que discutimos al inicio de nuestro trabajo. Cabe mencionar que todas est´as tasas est´an expresadas en forma anual.

Como proxy de la tasa de pol´ıtica monetaria ocupamos la tasa interbancaria, que corresponde a la tasa con la cual los bancos llevan a cabo sus transacciones por un d´ıa. Esta tasa es proporcionada

21

por el Banco Central de Chile tanto en forma diaria como en forma mensual, y su correlaci´on con la tasa de pol´ıtica es pr´acticamente 1.

Previo a la estimaci´on para cada una de las tasas de inter´es mencionadas, se realizaron test de ra´ıces unitarias para asegurarnos que son variable integradas de orden 1, siguiendo con ello a Engle and Granger (1987). Luego, hemos realizado los test de cointegraci´on que hemos mencionado en la secci´on anterior; cuyos resultados se muestran en el Cuadro (3). Dado nuestras hip´otesis, y como mencionamos en secciones previas, nos interesa s´olo aquellas especificaciones que involucren relaciones de largo plazo entre las tasas de colocaci´on y la tasa de pol´ıtica monetaria (en este caso su proxy). Por ello, s´olo estimaremos modelos que muestran test de Engle & Granger significativos al menos al 10%. Es decir, para el caso de la tasa de inter´es de consumo nos centraremos en la tasa de consumo agregada, y las de largo plazo (hasta 3 a˜ nos y m´as de 3 a˜ nos); y para el caso de la tasa de inter´es comercial con la tasa de pr´estamos hasta 89 d´ıas, hasta 180 d´ıas, hasta 1 a˜ no y m´as de 1 a˜ no.

Por otro lado, s´olo nos interesa una especificaci´on que explique cada una de las tasas de inter´es de pr´estamos (consumo y cr´edito), por tanto de nuestro modelo de correcci´on de error presentado en la secci´on previa nos concentraremos en la ecuaci´on (3).

Hemos procedido de la siguiente forma; para cada una de las tasas de pr´estamos de consumo y comercial hemos estimados modelos en forma separada donde hemos incluido el mismo conjunto de variables de control de manera de poder comparar los efectos de traspaso entre las tasas consideradas.

5.2

Modelos de Panel

Tal como explicamos en la secci´on previa, hemos estimado mediante metodolog´ıas de paneles noestacionarios –ecuaci´on 5– para lo cual requerimos, a su vez, tres pasos intermedios: estimar la presencia de ra´ız unitaria en el panel, evaluar la relaci´on de cointegraci´on (en caso de existir) y la estimaci´on usando pooled mean-group estimators.

Al igual como lo hicimos para las estimaciones de series de tiempo, los resultados del test de 22

cointegraci´on se encuentran en el Cuadro (3).

De esta forma, buscamos estimar la siguiente ecuaci´on, que presentamos de manera general, pero que sigue el esp´ıritu de las estimaciones que hacemos tanto en series de tiempo como en panel.

Entonces, estimamos el siguiente modelo: ∆(T. Colocacion)t = Ω + π1 (HHi(t−1) × TPM) + π2 (Riesgo(t−1) × TPM) + . . .

(6)

. . . + π2 (Exp TPM) + Γ × (Var. Ct Ex) + εt Donde;

Ω = β0 + β1 (EC) +

p X

δi ∆(Tasa Colocaci´on)t−i + . . .

i=1 p X

(7)

φj ∆(Tasa Interbancaria)t−i

j=1

Nuestro objeto es explicar los coeficientes π1 , π2 y π3 ; principalmente.

5.3

Variables explicativas incluidas en los modelos

Finalmente, presentamos y explicamos la relevancia econ´omica de nuestras variables de control incluidas tanto en las estimaciones de series de tiempo y de panel. Hemos agrupado estas variables en dos categor´ıas: (1) variables primarias, que corresponden a aquellas variables sobre las cuales se centra nuestra atenci´on y que, a la luz de la literatura revisada en secciones previas, tienen mayor incidencia en el traspaso de tasas de inter´es; y (2) aquellas variables secundarias, que utilizamos como medidas de control adicional y que nos ayudar´an a obtener estimadores m´as precisos de nuestras ecuaciones.

5.3.1

Variables primarias

Medida de Competencia. Como mencionamos en secciones previas con la disponibilidad de nuestra base de datos para cada actor del sistema financiero hemos construido el ´ındice HHi 23

(´ındice de Herfindahl) separando el mercado de consumo y empresas. Este ´ındice se construye como la suma de las participaciones de mercado de cada uno de los bancos en un periodo determinado. A su vez, para medir la participaci´on de mercado hemos ocupado el nivel de colocaciones de consumo y empresas al igual que lo hace la Superintendencia de Bancos e Instituciones Financieras. M´as all´a de las desventajas respecto a sus consideraciones te´oricas que tiene este ´ındice, ser´a nuestra medida de concentraci´on y/o competencia reconociendo que presenta limitaciones, pero que a su vez es la medida m´as usada en estudios nacionales e internacionales por la facilidad de su construcci´on e interpretaci´on, por ejemplo, para el caso de los estudios a nivel nacional, cabe mencionar: Fuentes and Mies (2007), Fuentes and Vergara (2007) y Chavez (2009). As´ı, los resultados esperados, al igual que la literatura, es que mayor nivel de concentraci´on (que ser´ıa sin´onimo de menor competencia bajo los supuestos mencionados antes) producir´an menor ajuste de corto plazo. Nuestra hip´otesis adem´as establece que debiese existir diferencias entre ambos mercados, y que en el sector de consumo el traspaso sea relativamente mucho menor que en el sector empresas. Finalmente, para visualizar las diferencias entre ambos segmentos, la figura (4) muestra estos ´ındices para cada segmento y su comparaci´on con el ´ındice agregado, que es el que mayoritariamente se ha usado en los estudios emp´ıricos locales. Como se puede observar el ´ındice agregado y el ´ındice comercial muestran comportamientos muy similares, esto porque en la mayor´ıa de las colocaciones (sobre las cuales se construye el ´ındice) corresponden a colocaciones comerciales.

Medida de Riesgo. Hemos utilizado dos medidas de riesgo, centr´andonos principalmente en el riesgo de cr´edito, que tal como reporta Barajas, Luna, and Restrepo (2006) es el riesgo m´as importante para el sistema financiero chileno, seguido del riesgo de liquidez y del riesgo de tipo de cambio. Hemos obtenido de los informes que proporciona peri´odicamente la Superintendencia de Bancos e Instituciones Financieras medidas que reflejan el riesgo de cr´edito que son: el ´ındice de provisiones de colocaciones e ´ındice de cartera vencida. Ambos son ´ındices que consideran las condiciones pasadas de la econom´ıa. Las provisiones se constituyen en mayor o menor cuant´ıa dependiendo si los escenarios esperados son mejores o no. A su vez el ´ındice de cartera vencida, la segunda medida, es un ´ındice que se construye en base al los pr´estamos no cancelados y cuya morosidad supera los 90 d´ıas. Tambi´en es considerado un indicador de riesgo, pero creemos que es un indicador un tanto m´as tard´ıo de las condiciones econ´omicas. As´ı, esperamos que los efectos sobre la velocidad sean positivos, es decir, mayores percepciones de riesgo de cr´edito vayan acompa˜ nados

24

mayores variaciones de tasas, es decir, menos inercia. Dada la naturaleza que diferencia a ambos ´ındices, esperamos que los efectos de las provisiones sean superiores a los efectos del ´ındice de cartera vencida en los segmentos de mercado se˜ nalados.

Expectativas sobre TPM. Hemos considerado dos indicadores. Por un lado, la encuesta que realiza el Banco Central de Chile a diversos agentes del sistema financiero sobre sus creencias respecto al nivel de tasas de pol´ıtica desde 1 mes hasta 24 meses siguientes (esta variable la llamamos “Encuesta de Expectativas”); por el otro lado, siguiendo la metodolog´ıa propuesta por Alarc´on and Sotz (2007) y Varela (2007) utilizamos las tasas swap promedio de c´amara23 para extraer las expectativas sobre TPM del mercado (esta variable la llamamos “Expectativas de Mercado). La metodolog´ıa de su construcci´on es la siguiente. Dado que para cada una de las variables se obtiene informaci´on en el periodo t a T periodos m´as (donde T puede ser 1 mes, 1 a˜ no, 2 a˜ nos, etc.) hemos construido una proxy de “curva de retorno” y hemos calculado la pendiente entre la tasa TPM en t versus la expectativa que se tiene para T periodos. En este caso, hemos considerado las expectativas que m´as se adecuan al plazo de las tasas que estamos considerando.

N´otese que esta variable no es interactuada con TPM dado que ya la considera en su construcci´on. As´ı, una variaci´on positiva (negativa) en la expectativas que tienen los agentes (bancarios) sobre la TPM para los lleva a cambiar de manera positiva (negativa) las tasas de inter´es. En particular, si los agentes observan que hoy (t) el Banco Central proceder´a aumentar las tasas de inter´es en (t + k) periodos la variaci´on de tasas es mayor en el momento presente dependiendo de cu´al sea el nivel de alza de TPM esperado. N´otese, y tal como se˜ nala Banerjee, Bystrov, and Mizen (2010), es de especial relevancia en este canal de transmisi´on el plazo de los “contratos’ de pr´estamos que est´an pactando los agentes (bancarios) con sus deudores. En t´erminos sencillos, es de esperar que el traspaso de tasas sea mucho m´as r´apido ante un cambio en las expectativas de TPM futura cuando el “contrato firmado’ implique un mayor tiempo en que el deudor, por ejemplo, deba pagar una tasa fija (un “contrato’ de este tipo ser´ıa un pr´estamo de consumo a 5 a˜ nos plazos).

23

“El swap promedio de c´ amara consiste en un swap de tasa fija versus tasa flotante, en el cual la tasa flotante se calcula como el promedio simple de la C´ amara, ya sea tanto en tasa Nominal como en tasa reajustable. La compensaci´ on se realiza una vez, al final, para plazos cortos y peri´odicamente para plazos largos (90, 180, 360 d´ıas, etc.)” Varela (2007).

25

5.3.2

Variables secundarias de control

Dentro de este grupo hemos considerado aquellas variables que, a la luz de la literatura, nos ayudar´an a captar de mejor manera los efectos sobre los cuales nos centramos en este trabajo. A continuaci´on exponemos una breve descripci´on de los mecanismos de transmisi´on y los efectos que deber´ıamos observar de estas variables sobre las variaciones de tasas de inter´es.

La volatilidad mensual de la tasa interbancaria. La hemos construido a partir de los valores diarios de la tasa interbancaria que proporciona el Banco Central de Chile, de esta forma dicha volatilidad corresponde a la experimentada durante un mes espec´ıfico. Siguiendo a Ho and Saunders (1981), bajo la hip´otesis de Fisher24 mayor volatilidad deber´ıa tener impactos positivos en la variaci´on de tasas en torno a su nivel promedio, dado que los bancos observan que la volatilidad de las tasas de la proxy de TPM se debe a volatilidad en la inflaci´on, entreg´andoles la se˜ nal que las pol´ıticas monetarias no son del todo efectivas a la hora de cumplir su objetivo de mantener la inflaci´on estable.

La liquidez del sistema financiero. La hemos medido como la proporci´on de los activos l´ıquidos del sistema financiero sobre el total de activos. En esta construcci´on seguimos de cerca la adopci´on que hace el Informe de Estabilidad Financiera publicado cada semestre por el Banco Central de Chile. La literatura interpreta este indicador que tiene cierta relaci´on al riesgo, dado que la acumulaci´on de mayor liquidez por parte de los bancos estar´ıa ligado a percepciones de mayor riesgo y/o incertidumbre de la econom´ıa. En otras palabras, est´an “cerrando la puerta” a los pr´estamos, ya sean comerciales o de consumo; est´an restringiendo la oferta. As´ı, mayor nivel de liquidez estar´ıa asociado a variaciones positivas en las tasas de inter´es en torno a su nivel promedio.

El crecimiento del IMACEC de Tendencia y la Brecha de IMACEC. Este tipo de control es usual en la literatura y los consideramos como variables que buscan ser proxy que permitan identificar movimientos en la demanda de cr´edito25 . Si bien Barajas, Luna, and Restrepo (2006) exponen evidencia sobre el comportamiento contrac´ıclico de la demanda por cr´edito, en este 24

Es decir, que las tasas reales no dependen de las medidas monetarias ni de la tasa nominal. Es decir, al hablar en el lenguaje de endogeneidad, permiten estimar una forma reducida de un modelo simult´ aneo. 25

26

trabajo no se asumir´a que ello es as´ı; es decir, la identificaci´on hecha no depende de tal resultado26 . En efecto, dado un movimiento en la demanda por cr´edito se espera que la variaci´on de las tasas de inter´es en torno a su nivel de tendencia, tenga el mismo sentido que la demanda. Como la demanda por cr´edito no se tiene certeza sobre si es pro o contra c´ıclica, el signo es ambiguo; sin embargo, un signo positivo (negativo) en la brecha (crecimiento de tendencia) apoya la evidencia emp´ırica encontrada en Barajas, Luna, and Restrepo (2006) .

La profundidad del sistema financiero. Lo hemos medido como la raz´on entre agregado monetario M3 y el producto interno bruto, medida similar a trabajos internacionales como por ejemplo, Cottarelli and Kourelis (1994). Un mercado m´as profundo entrega mayores instrumentos de diversificaci´on de riesgo a la banca al tiempo que provee sustitutos al cr´edito bancario (e.g. para el cr´edito comercial). Esto lleva a una demanda m´as el´astica y posiblemente m´as baja (para los grupos que se pueden beneficiar de dichos sustitutos). En tal caso los bancos frente a shocks de pol´ıtica monetaria, al enfrentar una mayor “competencia”, lo ´optimo es ajustar las tasas m´as r´apido; es decir, debiera haber un impacto positivo en la variaci´on de tasas de inter´es en torno a su nivel de tendencia.

Dummy para alzas y bajas en la tasa de pol´ıtica monetaria. Esta dummy toma el valor de 1 cuando la TPM ha experimentado un alza (baja) respecto al periodo anterior y cero en caso contrario. El objetivo de esta variable es poder medir si la velocidad presenta asimetr´ıas respecto a alzas o bajas de la tasa de pol´ıtica monetaria. Varios estudios han utilizado este indicador a objeto de medir estos cambios asim´etricos, motivo por el cual evaluamos sus implicancias.

Dummy de participaci´ on de mercado. Siguiendo a Berstein and Fuentes (2003) controlamos adem´as, en las estimaciones de panel, por el tama˜ no de los actores del sistema financiero que conforman nuestra base de datos. As´ı, los dividimos en instituciones grandes, aquellas que tienen una tasa de participaci´on de mercado superior al 10%; medianas, aquellas cuya tasa de participaci´on es mayor al 5% pero menor al 10%; y el resto las consideramos instituciones peque˜ nas.

26

De hecho el autor busca establecer cual de dos hip´otesis sobre el comportamiento c´ıclico de la demanda por cr´edito se puede respaldar con datos chilenos. Las referidas hip´otesis son la teor´ıa del suavizamiento del consumo (la gente demanda cr´edito cuando su ingreso actual es menor que el permanente, lo cual ocurre en particular en las partes bajas del ciclo econ´ omico) y la teor´ıa del canal del cr´edito (ver nota al pie n´ umero 4 en este trabajo).

27

Como mencionamos, el Cuadro (2) muestra los estad´ısticos descriptivos de estas variables.

6

Resultados Table 1: Principales Resultados de Tasas de Inter´es (en puntos base) Herfindahl-TPM

Riesgo-TPM

Consumo (Variable Dependiente en Primeras Diferencias) Min

Max

Prom

Min

Max

Prom

Consumo Agregada

-10

-5

-8

24

30

28

Hasta 3 a˜ nos

-12

-6

-9

31

33

32

M´ as de 3 a˜ nos

-24

-10

-18

66

74

72

Comerciales (Variable Dependiente en Primeras DiferenciasDiferencias) Min

Max

Prom

Min

Max

Prom

Hasta 89 d´ıas

-7

-7

-7

ns

ns

ns

Hasta 180 d´ıas

ns

ns

ns

ns

ns

ns

Hasta 1 a˜ no

-3

-3

-3

39

39

39

M´ as de 1 a˜ no

-6

-6

-6

68

70

69

S´ olo se consideraron aquellos coeficientes significativos al 5%. ns: no significativo al 5% (el coeficiente)

6.1

Resultados de Series de Tiempo

Los resultados de nuestras estimaciones en series de tiempo se encuentran en el Cuadro (4) paneles A, B y C para las tasas de consumo (donde la variable dependiente est´a en primeras diferencias); y en el Cuadro (5) paneles A, B, C y D para las tasas comerciales. Por su parte, la Tabla (1) resume 28

los principales resultados de las variables de inter´es. Reporta el valor m´aximo, el valor m´ınimo y el promedio de todos aquellos coeficientes que fueron signicativos al 5% o inferior. La medida de riesgo considerada fue la medida de provisiones para cada uno de los segmentos identificados. N´otese la ausencia de las expectativas sobre TPM, lo que ser´a explicado en breve. Ahora bien, revisamos cada una de las variables: 1. Respecto a la Competencia. Como se puede observar nuestro indicador de competencia (HHi) es bastante robusto y significativo en todas las especificaciones de tasa de pr´estamos de consumo. Tal como se esperaba el signo del coeficientes es negativo, lo que indica que la diferencia en tasas es menor. Mayor ´ındice de concentraci´on del sistema financiero genera una menor diferencia de la tasa de consumo en (t) versus (t − 1), lo que sugerir´ıa que la concentraci´on (menor competencia) del sistema tiene un impacto negativo en el traspaso de tasas de inter´es en torno a un nivel de tendencia medio. En otras palabras, ante un cambio de tasa de pol´ıtica el ajuste de corto plazo en las tasas de pr´estamos de consumo tienden a ser menores. Llama la atenci´on el hecho que a mayores plazos, el impacto de competencia genere mayor inercia en las tasas de inter´es, generando una variaci´on negativa cercana a los 20 puntos bases por cada punto m´as de aumento en la concentraci´on. Esto sin duda est´a en l´ınea con la literatura especialmente por lo mencionado en Borio and Fritz (1995) quien menciona que esta medida es relevante a la hora de medir competencia. Por otro lado, esto confirmar´ıa la hip´otesis SCP para el mercado bancario chileno al igual que lo hace Corvoisier and Gropp (2002), Deidda and Fattouh (2005) y Degryse and Ongena (2007) para el caso de Europa; sin embargo, esto contradice lo encontrado en Fuentes and Mies (2007) donde ellos validan la hip´otesis de eficiencia. Aunque, en este u ´ltimo trabajo la hip´otesis se testea sobre los m´argenes de intermediaci´on y no sobre las variaciones de tasas de inter´es como aqu´ı se ha presentado.

Adem´as, para el caso de las tasas comerciales, el ´ındice de concentraci´on no es significativo para todas las tasas y a diferencia de las tasas de consumo, el impacto es mucho menor, s´olo 7 puntos bases. Esto podr´ıa dar pie para pensar que los efectos de la competencia en el mercado comercial no son tan relevantes como en el mercado de consumo, lo que podr´ıa ser explicado por la mayor oferta relativa de cr´editos de los integrantes del segmento comercial versus del de consumo. 29

Por otro lado, a pesar de los cambios en contabilizaci´on que afectan el ´ındice de HHi a contar de 2008, al efectuar el test de Wald para determinar si este es v´alido o no en ambos periodos de tiempo (pre y post 2007), se puede concluir que dicha diferencia es significativa, es decir, el aumento del HHi efectivamente genera menor variaci´on de corto plazo27 . Una observaci´on importante al respecto tiene que ver con que hemos considerado en nuestras estimaciones el ´ındice de Herfindahl con un rezago, dado que las variables dependientes (las distintas tasas de inter´es) se construyen a partir de ponderaciones sobre las colocaciones de cada instituci´on financiera al igual que nuestro ´ındice de concentraci´on. Para evitar problemas el sesgo y eficiencia en nuestras estimaciones, hemos realizado este ajuste, al igual que evitar potenciales problemas de simultaneidad. 2. Respecto a los indicadores de Riesgo. La evidencia que entregan nuestras estimaciones esta acorde con los resultado esperados, es decir, mayor (menor) percepci´on de riesgo de cr´edito dado un cambio en la TPM genera menor (mayor) inercia en las tasas de inter´es de colocaci´on. En la Tabla (1) resalta el mayor impacto en las variaciones de tasas de inter´es de este indicador sobre el HHi, adem´as de la menor inercia que se genera en la medida que el plazo de las tasas aumenta. N´otese que a pesar de tener plazos distintos entre tasas de colocaci´on de consumo y comercial, la direcci´on del coeficiente del riesgo se mantiene en ambos. 3. Respecto a los indicadores de Expectativas. A diferencia de lo esperado, aqu´ı no hay evidencia de que las expectativas incidan en este ajuste; para ninguna de las estimaciones realizadas en series de tiempo. Ahora bien, creemos que a pesar de no encontrar significancia en los coeficientes, esto no invalida las hip´otesis. Al respecto creemos dos cosas, (1) las tasas swap promedio de c´amara son tasas relativamente nuevas, en Chile llevan poco m´as de 5 a˜ nos. Esto puede generar problemas en las estimaciones, toda vez que se cuenta con muy pocos datos, (2) el hecho que no haya significancia con la medida de expectativas que entrega el banco central puede ser explicado por errores de medici´on de esta variable. 27

Para esto se ha realizado lo siguiente: (1) se ha construido una dummy que toma valor 1 desde enero 2008 en adelante, (2) se ha corrido la regresi´ on con la nueva variable, y finalmente (3) se ha hecho un test de Wald para saber si la diferencia de ambos coeficientes (el de la interacci´on con dummy y sin ella) son iguales a cero. La hip´ otesis nula se ha rechazado al 5%.

30

4. Respecto a las asimetr´ıas del traspaso. Aunque no reportamos, hemos realizado este test con el fin de probar nuestra intuici´on que hay diferencias cuando se produce un alza o una baja en TPM, sin embargo, esto no es as´ı, no hay evidencia que soporte esta hip´otesis. Esto sin duda contradice lo presentado por Jaramillo, Ormazabal, and Villatoro (2009), Berstein and Fuentes (2003) y Chavez (2009), sin embargo, creemos que la explicaci´on ha esto est´a relacionada al hecho que estas tasas son m´as espec´ıficas mientras que las tasas consideradas en esos estudios son agregadas.

5. Respecto a la velocidad de traspaso. Nuestros resultados aqu´ı son bastantes heterog´eneos y de alguna forma est´an en l´ınea con lo presentado por Jaramillo, Ormazabal, and Villatoro (2009) y Berstein and Fuentes (2003). Al incluir todos los controles, el segmento de consumo exhibe velocidades de traspaso entre 50% y 88% (Jaramillo, Ormazabal, and Villatoro (2009) reporta velocidades entre 51% Y 95% para pr´estamos de mayor plazo), controlando por nuestras variables claves. Por otro lado, el segmento comercial exhibe tasas mayores que el mercado de consumo, tal como reportan los autores mencionados arriba, para este caso, las velocidades fluct´ uan entre los 50% y 90%.

6.2

Resultados de Panel

Los resultados de las estimaciones del panel de bancos se encuentran en el Cuadro (6) paneles A, B, C y D. Como se puede observar la evidencia no apoya las hip´otesis ni de riesgo de cr´edito (medido como provisiones o como cartera vencida) ni de expectativas (ya sean estas de mercado o de la encuesta del Banco Central del Chile). Sin embargo, a la luz de lo presentado en estos resultados se pueden comentar los siguientes puntos: 1. Respecto a la Competencia. Como se puede observa para algunos casos el signo es contrario a lo esperado. Por ejemplo, si se observa el panel A, es posible observar que, seg´ un la evidencia, dado un cambio de TPM un mayor nivel de concentraci´on llevar´ıa a que las tasas de inter´es tuvieron menos inercia, es decir, la variaci´on de ellas en torno a un valor de tendencia promedio, es positiva; en este caso particular, alrededor de 3 puntos bases por cada punto de aumento de concentraci´on. Esto sin duda contrasta con los resultados encontrados en las estimaciones de series de tiempo, sin embargo, pareciera sugerir que la existencia de la 31

hip´otesis de eficiencia en el mercado es v´alida, tal y como lo se˜ nala Fuentes and Mies (2007) para el caso chileno. N´otese, adem´as, que para todas las tasas los ordenes de magnitud del impacto de competencia dado un cambio en TPM es positivo y en un rango entre 3 y 6 puntos bases. 2. Respecto a la velocidad de traspaso. Este es un resultado interesante dado que reduce las estimaciones hechas para el caso de series de tiempo. N´otese que el ajuste de corto plazo fluct´ ua entre un 15% y 48% aproximadamente, muy lejos de los valores mayores al 50% documentado para el caso anterior. Esto sugerir´ıa la presencia de mayor demora en la actualizaci´on de los movimientos de tasas de pr´estamos de las instituciones financieras de consumo ante cambios en la TPM.

6.3

Variables de Control Secundarias.

Respecto a estas variables, comentamos al finalizar a nivel general los resultados obtenidos en forma muy breve. Si observamos la variable volatilidad de la tasa interbancaria en los Cuadros (4) al (6) vemos que en algunos casos el signo es negativo y significativo al 5%. Esto sin duda no est´a en l´ınea con los resultados que esperamos respecto a la observaci´on como se˜ nal de efectividad de las pol´ıticas, dado que sugiere que los agentes al observar una mayor volatilidad en la proxy de TPM realizan cambios m´as inertes de las tasas de colocaci´on. Sin embargo, considerando el hecho que esta incertidumbre est´a instalada en el mercado quiz´a sea l´ogico suponer que las tasas m´as largas queden un tanto inertes respecto a un nivel de tendencia promedio a la espera de la normalizaci´on de las condiciones de pol´ıtica monetaria. Ah´ı el signo negativo de este coeficiente pudiera tener sentido. Con todo la magnitud est´a en torno a los 2 o 3 puntos bases.

Por otro lado, est´a la variable de liquidez del sistema financiero. Si bien es cierto hemos reportado en las secciones anteriores que a nuestro entender este signo deber´ıa tener impactos positivos en las variaciones de tasas de inter´es; existe quiz´a otro canal que puede explicar los signos negativos y significativos que se reportan en los Cuadros (4) al (6); y est´a muy ligado a los comentarios de la variable anterior. Ante condiciones de incertidumbre financiera o econ´omica junto con observar restricciones a las colocaciones de parte de las instituciones financieras es posible que las tasas de inter´es no var´ıen tanto producto de que los riesgos percibidos no han sido aclarados, tal como menciona Claro and Gredig (2010) que fue lo que aconteci´o para la crisis de 2008. En esta l´ınea el 32

signo negativo, significativo y econ´omicamente relevante de nuestra variable de liquidez, pudiera tener alg´ un sentido. Con todo el efecto sobre la variaci´on de las tasas es negativo y en torno a los 20 puntos bases.

Respecto al crecimiento del IMACEC de Tendencia y la Brecha de IMACEC s´olo reportamos este u ´ltimo, dado que el primero no tuvo resultado significativos en ninguna de nuestras especificaciones. El segundo en cambio, result´o significativo y positivo s´olo en las regresiones de panel apoyando la evidencia emp´ırica de Barajas, Luna, and Restrepo (2006); sin embargo, la magnitud de esta variable es muy baja y en torno a 0,1 puntos bases. Finalmente, la variable profundidad del sistema financiero tambi´en presenta signos en l´ınea con lo esperado para algunas especificaciones de series de tiempo y panel; con todo, el efecto econ´omico de esta variable es en torno a los 3 puntos base en las regresiones de series de tiempo y 1 punto base en las regresiones de panel.

7

Conclusiones

Tal como hemos analizado a trav´es de este trabajo, nuestros resultados sugieren que el nivel de competencia y riesgo financieros en el mercado de cr´editos de consumo podr´ıan ser importantes para la velocidad y el traspaso de tasas de inter´es. Espec´ıficamente, menor competencia (mayor concentraci´on) dentro del mercado de consumo tiene impactos negativos en las variaciones de tasas de inter´es toda vez que se observa un cambio en la tasa de pol´ıtica monetaria. Por su parte, mayores percepciones de riesgo lleva a variaciones positivas en las tasas de colocaci´on al observar un cambio en TPM. Respecto al rol que juegan las expectativas sobre la tasa de pol´ıtica monetaria nuestros resultados no son concluyente en la l´ınea que plantea Banerjee, Bystrov, and Mizen (2010). Dentro el mercado de cr´editos a empresas, competencia y riesgo ser´ıan menos relevantes para el traspaso de tasas; sin embargo, las medidas de expectativas tampoco tienen un rol central. Por otro lado, nuestra evidencia emp´ırica encuentra que al estimar las velocidad de corto plazo separando por tipo de mercado (consumo y empresas) ´estas est´an en l´ınea con al evidencia sugerida por estudios previos para Chile; no obstante, al observar los datos a nivel m´as desagregados en un panel de bancos estas velocidades disminuyen considerablemente en aproximadamente un 50% de las estimadas a nivel agregado, aunque esto es v´alido s´olo para el mercado de consumo.

33

Creemos que las investigaciones futuras en este campo deber´ıan centrarse, al menos para el caso de Chile, en la construcci´on de mejores indices de competencia que permitan separar la discusi´on respecto a las dificultades de identificaci´on que presenta el ´ındice de Herfindahl-Hirschaman; sin embargo, dada la restricci´on de acceso a los datos, creemos que por ahora sigue siendo el ´ındice m´as “popular” para evaluar nuestras hip´otesis. De esta forma, se podr´ıa proporcionar mayor debate a la discusi´on aqu´ı planteada respecto a las diferencias entre segmento de consumo y segmento de empresas.

34

References Alarc´on, Felipe, and Claudia Sotz, 2007, Mercado swap de tasas de inter´es y expectativas de tpm e inflaci´on, Revista Econom´ıa Chilena 10, 97–102. Baltagi, Badi H., 2005, Econometric Analysis of Panel Data (John Wiley & Sons). Banerjee, Anindya, Victor Bystrov, and Paul Mizen, 2010, Interest rate pass-through in the major european economies - the role of expectations, Discussion Papers 10-07 Department of Economics, University of Birmingham. Barajas, Adolfo, Leonardo Luna, and Jorge Restrepo, 2006, Fluctuaciones macroecon´omicas y comportamiento de los bancos en chile., Informe de estabilidad financiera Banco Central de Chile. Becerra, Sebastian, Luis Ceballos, Felipe Cordova, and Michael Pedersen, 2009, Traspaso de grandes cambios de la tasa de pol´ıtica monetaria - evidencia para chile, Working Papers Central Bank of Chile 522 Central Bank of Chile. Berger, Allen, and Timothy Hannan, 1991, The rigidity of prices: Evidence from the banking industry, American Economic Review 81, 938–45. Berger, Allen N, 1995, The profit-structure relationship in banking–tests of market-power and efficient-structure hypotheses, Journal of Money, Credit and Banking 27, 404–31. Bernanke, Ben, and Alan Blinder, 1988, Credit, money, and aggregate demand, American Economic Review 78, 435–39. Bernanke, Ben, and Alan Blinder, 1992, The federal funds rate and the channels of monetary transmission, American Economic Review 82, 901–21. Bernanke, Ben, and Mark Gertler, 1995, Inside the black box: The credit channel of monetary policy transmission, Journal of Economic Perspectives 9, 27–48. Bernanke, Ben, Mark Gertler, and Simon Gilchrist, 1996, The financial accelerator and the flight to quality, The Review of Economics and Statistics 78, 1–15.

35

Berstein, Solange, and Rodrigo Fuentes, 2003, De la tasa de pol´ıtica a la tasa de colocaci´on bancaria: La industria bancaria chilena., Revista Econom´ıa Chilena 6, 49–67. Blackburne III, Edward, and Mark Frank, 2007, Estimation of nonstationary heterogeneous panels, Stata Journal 7, 197–208. Borio, Claudio, and Wilhelm Fritz, 1995, The response of short-term bank lending rates to policy rates: a cross-country perspective, BIS Working Papers 27 Bank for International Settlements. Brock, Philip, and Helmut Franken, 2003, Sobre los determinantes de los spreads marginal y promedio de las tasas de inter´es bancarias: Chile 1994-2001., Revista Econom´ıa Chilena 6, 45–65. Chavez, Javier, 2009, Transmision de la politica monetaria: El efecto traspaso a las tasas de interes bancarias. un analisis para chile., Seminario de Titulacion de Macroeconom´ıa, Instituto de Economia, Pontificia Universidad Catolica de Chile. Claro, Sebasti´an, and Fabi´an Gredig, 2010, La Pregunta de a Reina; lecciones de la primera crisis econ´omica mundial del siglo XXI (Pearson Educaci´on). Corvoisier, Sandrine, and Reint Gropp, 2002, Bank concentration and retail interest rates, Journal of Banking & Finance 26, 2155–2189. Cottarelli, Carlo, Giovanni Ferri, and Andrea Generale, 1995, Bank lending rates and financial structure in italy: A case study, IMF Working Papers 95/38 International Monetary Fund. Cottarelli, Carlo, and Angeliki Kourelis, 1994, Financial structure, bank lending rates, and the transmission mechanism of monetary policy, IMF Working Papers 94/39 International Monetary Fund. De Bondt, Gabe, Benoit Mojon, and Natacha Valla, 2005, Term structure and the sluggishness of retail bank interest rates in euro area countries, Working Paper Series 518 European Central Bank. De Graeve, Ferre, Olivier De Jonghe, and Rudi Vander, 2007, Competition, transmission and bank pricing policies: Evidence from belgian loan and deposit markets, Journal of Banking Finance 31, 259 – 278. 36

De Gregorio, Jos´e, 2007, Macroeconom´ıa: Teor´ıa y Pol´ıticas (Pearson Educaci´on). De Gregorio, Jos´e, 2009, La pol´ıtica monetaria y su traspaso a la tasa de inter´es, Discurso pronunciado ante la comisi´on de econom´ıa, fomento y desarrollo de la honorable c´amara de diputados. Banco Central de Chile. Degryse, Hans, and Steven Ongena, 2007, The impact of competition on bank orientation, Journal of Financial Intermediation 16, 399–424. Deidda, Luca, and Bassam Fattouh, 2005, Concentration in the banking industry and economic growth, Macroeconomic Dynamics 9, 198–219. Elyasiani, Elyas, Kenneth J Kopecky, and David VanHoose, 1995, Costs of adjustment, portfolio separation, and the dynamic behavior of bank loans and deposits, Journal of Money, Credit and Banking 27, 955–74. Engle, Robert, and C. Granger, 1987, Co-integration and error correction: Representation, estimation, and testing, Econometrica 55, 251–276. Fuentes, Rodrigo, and Ver´onica Mies, 2007, Changes in monetary policy conduct and their effects on banking spreads, Working Papers Central Bank of Chile 428 Central Bank of Chile. Fuentes, Rodrigo, and Marcos Vergara, 2007, Is ownership structure a determinant of bank efficiency?, Working Papers Central Bank of Chile 456 Central Bank of Chile. Fuertes, Ana-Maria, Shelagh Heffernan, and Elena Kalotychou, 2010, How do uk banks react to changing central bank rates?, Journal of Financial Services Research 37, 99–130. Gropp, Reint, Christoffer Sørensen, and Jung-Duk Lichtenberger, 2007, The dynamics of bank spreads and financial structure, Working Paper Series 714 European Central Bank. Heffernan, Shelagh A, 1997, Modelling british interest rate adjustment: An error correction approach, Economica 64, 211–31. Ho, Thomas S. Y., and Anthony Saunders, 1981, The determinants of bank interest margins: theory and empirical evidence, The Journal of Financial and Quantitative Analysis 16, 581– 600.

37

Jaramillo, Patricio, Francisco Ormazabal, and Felix Villatoro, 2009, Traspaso de tasas de inter´es en la banca chilena, Nota t´ecnica Superintendencia de Bancos e Instituciones Financieras. Kashyap, Anil, and Jeremy Stein, 1997, The role of banks in monetary policy: a survey with implications for the european monetary union, Economic Perspectives pp. 2–18. Kleimeier, Stefanie, and Harald Sander, 2006, Expected versus unexpected monetary policy impulses and interest rate pass-through in euro-zone retail banking markets, Journal of Banking & Finance 30, 1839–1870. Klein, Michael, 1971, A theory of the banking firm, Journal of Money, Credit and Banking 3, 205–218. Kuttner, Kenneth N., 2001, Monetary policy surprises and interest rates: Evidence from the fed funds futures market, Journal of Monetary Economics 47, 523–544. Lensink, Robert, and Elmer Sterken, 2002, Monetary transmission and bank competition in the emu, Journal of Banking & Finance 26, 2065–2075. MacKinnon, James, 2010, Critical values for cointegration tests, Working Papers 1227 Queen’s University, Department of Economics. Mojon, Benoˆıt, 2000, Financial structure and the interest rate channel of ecb monetary policy, Working Paper Series 40 European Central Bank. Monti, Mario, 1972, Mathematical methods in investment and finance (Deposit, credit, and interest rate determination under alternative bank objectives: Amsterdam). Oda, Daniel, and Nancy Silva, 2010, Competencia y toma de riesgo en el mercado de cr´editos de consumo bancario chileno (1997 - 2009), Working Papers Central Bank of Chile 562 Central Bank of Chile. Pesaran, M. Hashem, Yongcheol Shin, and Ron P. Smith, 1999, Pooled mean group estimation of dynamic heterogeneous panels, Journal of the American Statistical Association 94, 621–634. Pesaran, M. Hashem, and Ron P. Smith, 1995, Estimating long-run relationships from dynamic heterogeneous panels, Journal of Econometrics 68, 79–113.

38

Phillips, Peter, and Hyungsik Moon, 2000, Nonstationary panel data analysis: an overview of some recent developments, Econometric Reviews 19, 263–286. Sander, Harald, and Stefanie Kleimeier, 2004, Convergence in euro-zone retail banking? what interest rate pass-through tells us about monetary policy transmission, competition and integration, Journal of International Money and Finance 23, 461–492. Van Hoose, David, 2010, The Industrial Organization of Banking. Bank behavior, mark structure and regulation (Springer). Varela, Felipe, 2007, Mercado de derivados: Swap de tasas promedio c´amara y seguro inflaci´on, Estudios Econ´omicos Estad´ısticos 56 Banco Central de Chile.

39

CUADRO 1: RESUMEN DE DATOS Datos

Frecuencia y Fuente

Detalle

Tasas de interés promedio para mercado de consumo y empresas.

Mensual (2002 ­ 2009) Fuente: Banco Central de Chile

Esta tasa se encuentra para toda la muestra en distintos plazos. Por ejemplo, para operaciones menores a 90 días, entre 90 y 180 días, entre 180 días y 1 año, y más de un año.

Tasas de consumo desagregadas por tipo, monto y plazo; en un panel de Instituciones Financieras. Corresponden a las tasas de pizarra

Mensual (2002 ­ 2009) Fuente: Superintendencia de Bancos e  Instituciones Financieras

Tasas Swap Promedio de Cámara

Balances y Estados de Resultados del Sistema Financiero chileno

Se cuenta con información para créditos de consumo en los siguientes montos: $500.000, $1.000.000 y $3.000.000. En dos tipos de plazos: a 24 y  36 meses. Esta información es por cada actor del sistema finaniciero.

Esta tasa está para operaciones denominadas en pesos y para periodos de: 6 meses, 1, 2, 3, 5 y 7 años

Mensual (2004 ­ 2009) Fuente: Bloomberg

Mensual (2002 ­ 2009) Fuente: Superintendencia de Bancos e  Instituciones Financieras

40

Se cuenta con información detallada de las cuentas de activos, pasivos y resultados de cada una de las instituciones financieras que participan en el mercado (lo que a su vez permite obtener el total del sistema financiero). Esta fuente de información permite construir variables de control que son explicadas en la sección respectiva.

CUADRO 2: ESTADÍSTICOS DESCRIPTIVOS DE LOS DATOS Para cada una de las variables utilizadas se presentan el número de observaciones, el promedio y la desviación estándar de todo el  periodo que abarca la serie. Los datos fueron obtenidos del Banco Central de Chile y la Superintendencia de Bancos e Instituciones  Financieras. La muestra corresponde a datos mensuales desde enero 2002 a diciembre de 2009, salvo aquellas marcadas con (*) donde   el inicio es abril de 2004.

Número de  Observaciones

Promedio

Desviación  Estándar

Tasa de Interés para Préstamos de Consumo (Agregada).

96

27.57%

3.17%

Tasa de Interés para Préstamos de Consumo hasta 180 días.

96

26.99%

4.18%

Tasa de Interés para Préstamos de Consumo hasta 1 año.

96

32.16%

4.44%

Tasa de Interés para Préstamos de Consumo hasta 3 años.

96

24.79%

3.84%

Tasa de Interés para Préstamos de Consumo más de 3 años.

96

25.61%

3.38%

Tasa de Interés para Préstamos Comerciales (Agregada).

96

8.64%

2.33%

Tasa de Interés para Préstamos Comerciales hasta 30 días.

96

7.41%

2.41%

Tasa de Interés para Préstamos Comerciales hasta 89 días.

96

7.63%

2.69%

Tasa de Interés para Préstamos Comerciales hasta 180 días.

96

7.83%

1.82%

Tasa de Interés para Préstamos Comerciales hasta 1 año.

96

10.22%

2.32%

Tasa de Interés para Préstamos Comerciales más de 1 año.

96

11.84%

2.30%

Tasa Interbancaria

96

3.95%

1.98%

Tasa de Política Monetaria

96

3.99%

1.87%

Herfindahl de Préstamos Comerciales.

96

0.122

0.005

Herfindahl de Préstamos de Consumo.

96

0.136

0.013

(* ) Provisiones Préstamos Comerciales.

67

1.681

0.367

(* ) Provisiones Préstamos de Consumo.

67

4.672

0.928

(* ) Cartera Vencida de Préstamos Comerciales.

67

1.204

0.360

(* ) Cartera Vencida de Préstamos de Consumo.

67

0.706

0.157

Variable

Continúa en la página siguiente.

41

Continuación Cuadro 2.

Volatilidad Tasa Interbancaria

96

4.98%

20.70%

Liquidez del Sistema Financiero.

96

4.64%

1.16%

Crecimiento de la Base Monetaria

96

1.09%

4.42%

Crecimiento Imacec Tendencia.

96

0.30%

0.19%

Brecha Imacec.

96

0.034

1.007

(* ) Expectativas de Mercado.

67

0.47%

0.90%

Encuesta de Expectativas.

96

­0.50%

0.69%

Profundidad del Sistema Financiero.

96

116.26%

19.28%

Crecimiento del IPSA.

96

1.27%

4.77%

42

CUADRO 3: TEST DE COINTEGRACIÓN DE LAS TASAS DE INTERÉS (SERIES DE TIEMPO) Según metodología de Engle and Granger (1987). La hipótesis nula corresponde a la presencia de raíz unitaria en el error estimado. Los  Según metodología de Engle and Granger (1987). La hipótesis nula corresponde a la presencia de raíz unitaria en el valores críticos del test t corresponden a la Tabla 2 de Mackinnon (2010). Datos obtenidos fueron obtenidos de la Superintendencia de  Bancos e Instituciones Financieras y el Banco Central de Chile. error estimado. Los valores críticos del test t corresponden a la Tabla 2 de Mackinnon (2010). Datos obtenidos de la

Superintendia de Bancos e Instituciones Financieras. Panel A Variable Dependiente: Tasas de Crédito de Consumo en Primeras Diferencias (según plazo)

Test Engle and Granger

Agregada

Hasta 180 dias

Hasta 1 año

Hasta 3 años

Más de 3 años

2.71*

2.51

1.53

4.38* * *

2.68*

95

95

95

95

95

Número Observaciones

Panel B Variable Dependiente: Tasas de Crédito Comercial en Primeras Diferencias (según plazo) Agregada

Hasta 30 dias

Hasta 89 dias

Hasta 180 dias

Hasta 1 año

Más de 1 año

Test Engle and  Granger

2.26

2.52

2.75*

4.84* * *

2.80*

6.00* * *

Número  Observaciones

95

95

95

95

95

95

* * *  p