Paredes León Miriam - Ugarte Vargas Silvia

ESCUELA DE POSGRADO
FACTORES QUE INFLUYEN EN EL NIVEL DE MOROSIDAD DE LA

CARTERA DE CRÉDITOS EN UNA CAJA MUNICIPAL DEL PERÚ
Tesis para optar el grado MAGISTER en:

EJECUTIVA EN ADMINISTRACIÓN DE EMPRESAS
Autores:
Br. MIRIAM PAREDES LEÓN
Br. SILVIA UGARTE VARGAS
ASESOR:
Mg. ALDO ESQUIVEL QUIÑE
Trujillo – Perú
2015
Factores que Influyen en la Calidad de la Cartera
Crediticia en una Caja Municipal del Perú.
DEDICATORIA.
A Dios y a nuestras familias por su comprensión,

tiempo y todo el apoyo incondicional brindado a
lo largo de estos meses de estudio contribuyendo
en el logro de nuestros objetivos trazados.
Miriam y Silvia
Paredes León, M; Ugarte Vargas, S Pág. 2

AGRADECIMIENTO.
A nuestros profesores y compañeros

que con sus conocimientos y experiencia
profesional compartida permitieron nuestro
desarrollo profesional y personal.
Miriam y Silvia

RESUMEN
El presente trabajo busca determinar cuáles son los factores determinantes que influyen
en el nivel de morosidad en las instituciones micro-financieras, en especial de las Cajas
Municipales de Ahorro y Crédito del país, basada en la información histórica y variables
financieras del período 2010-2014, como un fenómeno explicado por variables
microeconómicas y macroeconómicas. La investigación parte de aquellos factores que,
según lo sugiere la teoría económica, condicionan el comportamiento de la calidad de
cartera medida a través del indicador o ratio de morosidad con lo cual se procede a estimar
bajo una estructura de datos de panel de las Cajas Municipales, los principales factores
que la influyen, donde los resultados señalan que, la volatilidad de ciclo económico
mediante la variación del producto bruto interno, de la morosidad del mes anterior, de la
liquidez del sistema financiero, de los gastos operativos que asigne la entidad y del número
de oficinas, son representativos; al mismo tiempo que, se verifica que los signos obtenidos
en estos casos son los esperados según los postulados teóricos.
Esto se considera importante, en vista de que los indicadores de calidad de cartera

ocasionan el incremento de provisiones, refinanciamientos, frecuentes castigos, y en
consecuencia la disminución de la rentabilidad, y por consiguiente el deterioro de sus
activos; para finalmente, presentar las conclusiones en el capítulo final.
La minuciosa compilación y revisión bibliográfica han hecho posible entender que no existe
una teoría que se cumpla a cabalidad respecto al análisis de los determinantes de la
morosidad, pero sí un conjunto de estudios e investigaciones respaldadas y contrastadas
con evidencia empírica.

ABSTRAC
This research aims to identify which are the key factors of quality of customers in
microfinance institutions, especially the municipal savings and credit of the country, based
on historical information and financial variables from 2010 to 2014 period, as a phenomenon
explained by microeconomic and macroeconomic variables.
The research begin of those factors, that according economic theory, determine the
behavior of the customers base quality measured through the indicator or NPL ratio which
can estimate under a panel data structure of municipal savings. The main influence factors,
where the results indicate that the volatility of the business cycle through varying the gross
domestic product, late payment from the previous month, the liquidity of the financial
system, operating expenses that are assigned by the entity, and the number of offices which
are representative; at the same time, it verified that the signs obtained in these cases are
the expected as the theoretical postulates.
This is considered important, as we can see the quality indicators cause the increase in
provisions, refinancing, frequent punishment, and therefore the decline in profitability, and
the deterioration of its assets; to finally, present the conclusions in the final chapter.
The detailed compilation and review of the bibliographic had made it possible to understand
that there is no theory to satisfy the analysis of the determinants of late payment, but a set
of studies and proven researches and contrasted with empirical evidence.

ÍNDICE DE CONTENIDOS
I. INTRODUCCIÓN……………………………………………………………….…………….9
1.PROBLEMA DE INVESTIGACIÓN……………………………………………………....9
A.Realidad Problemática……………………………………………………….………...9
B.Formulación del Problema……………………………………………………….…..17
C.Justificación del Problema…………………………………………….……….......177
2.OBJETIVOS…………………………………………………………………………….....20
A.Objetivo General………………………………………………………………………20
B.Objetivos Específicos…………………………………………………………..….…20
II. MARCO TEÓRICO…………………………………………………………………………20
1.ANTECEDENTES………………………………………………………………………...20
2.BASES TEÓRICAS…………………………………………………………………….…27
3.MARCO CONCEPTUAL…………………………………………………………………34
III. RESULTADOS………………………………………………………………………….……37
1. RESULTADOS DEL MODELO………………………..…………………………….….37
2. PRINCIPALES INDICADORES QUE IMPACTAN EN LA RENTABILIDAD…........55
3. ESTRATEGIAS PARA EL CONTROL DE MOROSIDAD…………………………...57
IV. CONCLUSIONES…………………………………………………………………………...58
V. RECOMENDACIONES………………………………………………………………….…59
VI. FUENTES DE REFERENCIA…………………………………………………….…….60

ÍNDICE DE GRAFICOS Y FIGURAS
1. Gráfico N°01: Evolución del N° de Clientes y Cartera…………………………..…..10
2. Gráfico N°02: Impacto de la Morosidad en la Rentabilidad de las CMAC´s...…....11
3. Gráfico N°03: Utilidad sobre Ingresos Financieros (%) Anual.………………….....12
4. Gráfico N°04: Porcentaje de Provisiones respecto a la Cartera……………….…..12
5. Gráfico N°05: Crecimiento y Morosidad del Sistema de Cajas Municipales…..….13
6. Gráfico N°06: Ratio de Mora en Cajas Municipales….……………………............. 13
7. Gráfico N°07: Porcentaje de Morosidad según Tipo de Crédito de las Cajas

Municipales………………………………………………………………………………14
8. Gráfico N°08: Participación y Ratio de Mora – Cajas Municipales………..…….....15
9. Gráfico N°09: Morosidad Real del Sistema de Cajas Municipales………….….….16
10. Gráfico N°10: Principios Básicos de las Cajas Municipales……….………..……...29
11. Gráfico N°11: Evolución de las Cajas Municipales de Ahorro y Crédito…………..31
12. Gráfico N°12: Crecimiento del PBI – Mora del Sistema……………….……………38
13. Gráfico N°13: Test de Correlación Parcial…………………………………………....53
14. Gráfico N°14: Test de Jarque - Bera para el supuesto de Normalidad……….…...55

ÍNDICE DE CUADROS
1. Cuadro N°01: Ratios de Morosidad según días de incumplimiento del Sistema de

Cajas ………………………………………………………………………………….….16
2. Cuadro N°02: Descripción de variables utilizadas y fuentes de información …….42
3. Cuadro N°03: Principales estadísticos descriptivos de la variable endógena – tasa

de morosidad…………………………………………………………………………… 50
4. Cuadro N°04: Descripción de variables y su relación con la morosidad……….... 51
5. Cuadro N°05: Modelo Dinámico Autorregresivo…….….…………………………... 52
6. Cuadro N°06: Test de White para el supuesto de Heterocedasticidad……………54
7. Cuadro N°07: Test de Breusch – Godfrey para el supuesto de Autocorrelación...54
8. Cuadro N°08: Principales Indicadores de las Cajas Municipales……………….....56

I. INTRODUCCIÓN
1. PROBLEMA DE INVESTIGACIÓN
A. Realidad Problemática
En los últimos años, la economía peruana venía experimentando un crecimiento

económico sostenido, lo cual ha contribuido fuertemente a la expansión de las
colocaciones del sistema financiero; y, de manera paralela, han venido
incrementando los distintos indicadores de calidad de cartera, los cuales repercuten
en la estabilidad de las instituciones financieras e inclusive pueden desestabilizar el
funcionamiento del sistema financiero, más aún en el entorno económico actual, por
lo que se hace relevante el análisis del tema, para prevenir una eventual crisis
financiera al final de una época de auge económico.
El Sistema Financiero Peruano está conformado por Bancos, Financieras, Cajas

Municipales, Cajas Rurales y Entidades de Desarrollo de la Pequeña y
Microempresa (EDPYMES), las cuales son reguladas por la Superintendencia de
Banca, Seguros y AFP (SBS). Dentro de ellas, las Cajas Municipales de Ahorro y
Crédito, que será el ámbito del presente estudio, iniciaron sus operaciones por los
años 1980 y su proceso de expansión por los años 1990, siendo instituciones
financieras que presentan un crecimiento y nivel de participación importante;
estando presentes en la costa, sierra, oriente, norte y sur del país con
aproximadamente 661 agencias y oficinas. A la fecha el Sistema de Cajas
Municipales de Ahorro y Crédito está conformada por 11 CMAC’s.
Desde la creación de la primera Caja Municipal de Ahorro y Crédito en 1982, el

Sistema de CMAC se posicionó como un elemento fundamental de la
descentralización financiera y democratización del crédito en el Perú, logrando que
diversos sectores sociales accedan al crédito y fomenten principalmente el ahorro,
contribuyendo a crear circuitos financieros locales como bases de apoyo para el
proceso productivo regional, asimismo, permiten mejorar la situación de la
población generando fuentes de trabajo y contribuyendo a distribuir mejores
oportunidades a quienes más lo necesitan, por ello se convirtieron en los líderes en
microfinanzas.

Una de las actividades que ha venido potenciándose en estas instituciones es el

microcrédito, que ha cobrado gran importancia, siendo actualmente nuestro país
uno de los países líderes a nivel mundial. Asimismo, las Cajas Municipales han
colaborado con el crecimiento micro-empresarial de miles de clientes, contando a
diciembre 2014 con 1,117 mil prestatarios, cuando a diciembre 2002 donde contaba
con 380 mil, logrando consolidarse como instituciones orientadas al apoyo crediticio
a las PYME, así como han logrado extenderse en diversas provincias del país,
brindándo un buen servicio y ofreciendo productos de acuerdo a sus necesidades.
Gráfico N°01
Evolución de Número de Clientes y Cartera de Créditos CMAC
Fuente: http://www.sbs.gob.pe / Elaboración: Los autores.
Sin embargo, a partir del año 2010, el entorno y el mercado de las Cajas Municipales
se volvió más competitivo, más aún con el ingreso de la banca tradicional al sector
de microfinanzas, como de grandes grupos financieros y de consumo; con
escenarios de compras y fusiones de instituciones financieras de mayor respaldo
patrimonial, aunado con un escenario de mercados con mayores niveles de
endeudamiento; generando así, un acelerado nivel de deterioro de la cartera de
créditos y bajos niveles de rentabilidad en este tipo de instituciones. Si bien es
cierto, los niveles de deterioro medidos por los ratios de morosidad, se presentan
en todas las instituciones del sistema financiero, son más acentuados y acelerados
en el Sistema de Cajas Municipales a partir de los años 2010 en adelante.

Gráfico N°02
Impacto de la Morosidad en la Rentabilidad de las CMAC's
En los últimos años, el Sistema de Cajas Municipales de Ahorro y Crédito del Perú
ha desplazado su saldo de colocaciones de S/. 7,884,129 en el 2010 a
S/. 12,920,909 a diciembre 2014; crecimiento relativamente alto (61%), y
aumentando su participación en el sistema financiero nacional de forma
significativa; así mismo las tasas de morosidad observadas en estas instituciones
también han venido aumentando, pasando de 5.30% en el 2010 a 6.91% en agosto
del 2014, siendo éste el nivel histórico más elevado, llegando a 5.65% a diciembre
2014; a pesar de este entorno, algunas Cajas Municipales lograron identificar y
responder a esta nueva coyuntura, realizando cambios estratégicos que les
permitieron ser competitivos y continuar con una cuota de mayor participación de
mercado, controlando principalmente sus indicadores de calidad de cartera, que
afecta directamente a sus ingresos y gastos financieros; por lo que, a través del
presente estudio se plantea identificar los factores que influyen en el nivel de
morosidad de la cartera de créditos de las Cajas Municipales de Ahorro y Crédito
en el Perú, a fin de que no perjudiquen sus niveles de rentabilidad como
consecuencia de la disminución de sus ingresos financieros, incremento de costos
y gastos por provisiones; esto más aun considerando que el Perú viene ocupando
los primeros lugares a nivel mundial como el mejor entorno de negocio para las
microfinanzas y dentro de ello, para el desarrollo del país, ya que el sistema de
microfinanzas juega un papel protagónico para ello.

En el siguiente gráfico se muestra la evolución del margen de utilidad de las Cajas

Municipales durante los últimos 5 años, donde las Cajas como Cuzco, Huancayo y
Trujillo presentan mayor porcentaje, mientras que las Cajas del Santa, Paita y Pisco
muestran márgenes negativo.
Gráfico N°03
Utilidad sobre Ingresos Financieros (%) Anual
Si se evalúa el porcentaje de provisiones mensuales respecto a sus respectivas

carteras durante los años 2013 y 2014, son las Cajas del Santa y Paita las que
muestran mayor porcentaje de provisiones, lo cual confirmaría que el incremento
de gastos por calidad de cartera (deterioro), contribuye a la disminución de sus
márgenes de utilidad.
Gráfico N°04
Porcentaje de Provisiones respecto a la Cartera de Créditos - CMAC

En el gráfico Nº 04 se muestra los saldos de cartera de créditos, asi como los niveles
de morosidad del Sistema de Cajas Municipales de manera trimestral desde marzo
2011 y diciembre 2014; es de indicar que se esta considerando la mora real del
sistema; es decir, incluyendo el efecto de cartera castigada, donde se aprecia el
crecimiento constante de la cartera de créditos a nivel de Cajas Municipales, de
igual manera el indicador de morosidad, acentuado en el ultimo año.
Gráfico N°05
Crecimiento y Morosidad del Sistema de Cajas Municipales
El gráfico Nº 05 muestra al cierre del mes de diciembre 2014 los niveles de

morosidad del Sistema de Cajas Municipales, encontrándose que la Caja Municipal
del Santa y Paita presentan los indicadores más altos, seguidas por Tacna y
Maynas.
Gráfico Nº06
Ratio de Mora en Cajas Municipales a Dic. 2014
Fuente: http://www.sbs.gob.pe /elaboración: Los autores.

Respecto al Tipo de Crédito al cierre del mes de diciembre 2014, son los clientes
Pequeñas Empresas (8.57%) los que presentan mayor porcentaje de morosidad,
seguidos por clientes Microempresas (5.98%) y Medianas Empresas (4.35%), y los
de menores porcentajes son los créditos Consumo (2.38%) e Hipotecarios (1.52%),
los créditos Corporativos y Grandes Empresas no presentan morosidad.
Gráfico Nº 07
Porcentaje de Morosidad según Tipo Crédito de las Cajas Municipales
En el siguiente gráfico se muestra los niveles de participación y niveles de

morosidad del sistema de Cajas Municipales tanto en el mes de diciembre del año
2010 respecto al 2014, donde se aprecia que en el año 2010 la participación de las
Cajas Municipales (eje horizontal) estaba distribuida en forma más dispersa y los
niveles de morosidad (eje vertical), eran menores al 6% en promedio,
encontrándose en dicha situación Cajas Municipales de mayor y menor tamaño; sin
embargo a diciembre del 2014 se nota una clara segmentación entre las Cajas
Municipales por el tamaño de su cartera de créditos, 06 Cajas Municipales de menor
tamaño (excluyendo Caja Pisco), las cuales muestran mayores porcentajes de
morosidad (sobre el 7% hasta el 16%) y las más grandes donde el nivel de
morosidad esta por debajo del 7%.

Gráfico Nº 08
Comparativo de Participacion y Ratio de Mora en Cajas Municipales
(diciembre 2010 – diciembre 2014)
Asimismo, considerando el deterioro de la cartera de créditos, y el bajo nivel de

recuperación de ella, utiliza como el mecanismo de los castigos de cartera,
significando que dichas exposiciones (créditos en morosidad), son retirados de sus
activos (balances), lo cual trae como consecuencia, por un lado la disminución de
su cartera total y su cartera morosa. Considerando lo indicado, en el gráfico N° 08
se presenta los indicadores de morosidad de las Cajas Municipales, el cual incluye
la cartera castigada, donde observamos que en el periodo evaluado hay Cajas
Municipales que se mantienen por debajo del promedio del sistema de Cajas
Municipales, asimismo, existen otras que, a pesar de los castigos de cartera
realizados, se mantienen por encima del promedio del Sistema de Cajas
Municipales e incluso presentan una importante y amplia brecha respecto a dicho
promedio.

Gráfico Nº 09
Morosidad Real del Sistema de Cajas Municipales
(sin efecto de castigos de cartera de créditos)
Si bien es cierto, existen varios indicadores para medir la calidad de la cartera de

créditos, como la cartera de alto riesgo (CAR), niveles de provisiones y la tasa de
morosidad, los que miden el desempeño de un prestatario en base a los días de
atraso con que cancela sus obligaciones, para el presente análisis se está
considerando la tasa de morosidad, ya que éste constituye un indicador relevante
para toda institución del sistema financiero y sistema de Cajas Municipales; puesto
que un volumen elevado y persistente de créditos con días de atraso en sus pagos,
puede desencadenar en primera instancia la insolvencia de la institución y posterior
la quiebra de una entidad, lo cual tiene como consecuencia el deterioro del Sistema
Financiero en su conjunto.
Cuadro Nº 01
Ratios de morosidad según días de incumplimiento del Sistema de Cajas
(porcentajes a diciembre 2014)
Porcentaje de créditos con días de atraso

Más de 30 días Más de 90 días de
Más de 60 días de Más de 120 días de
de
incumplimiento incumplimiento 1/ incumplimiento
incumplimiento
6.08 5.14 4.53 4.13

En el cuadro N°01 se muestra los ratios de morosidad por días de atraso, donde se
observa que el mayor porcentaje de créditos se encuentra en más de 30 días de
incumplimiento.
En el Perú y en otros países, se han realizado diversas investigaciones sobre los

factores determinantes de la morosidad, cuya identificación contribuirá a que tanto
los intermediarios financieros como las empresas que éstos financian, puedan
lograr un crecimiento sostenible a lo largo del tiempo. De ahí la importancia de
realizar una investigación en la cual se analicen empíricamente las variables que
ayudarán a explicar la evolución y causas de los incrementos de la tasa de
morosidad en estas instituciones, de tal forma que se cuente con herramientas y
mecanismos de alertas que apoyen al crecimiento sostenido del sistema.
B. Formulación del Problema
¿Cuáles son los factores que influyen en el nivel de morosidad de la cartera de

créditos de una Caja Municipal de ahorro y crédito del Perú?
C. Justificación del Problema
La importancia de identificar cuáles son los factores que influyen en el nivel de

morosidad de la cartera de créditos de una Caja Municipal de Ahorro y Crédito del
Perú, es que se conozca las variables que deben ser monitoreadas por las
entidades financieras, para que enfoquen sus estrategias en ellas; y contribuya a
alcanzar niveles de gestión de calidad de cartera que sean iguales o mejores que
los de las empresas líderes del sector, enfocándose en la valoración de la calidad
de su cartera de créditos, y adicionalmente para que sirva como señal de alerta
para el sistema de Cajas Municipales, a fin de que se desarrollen con un crecimiento
saludable y planificado, que no comprometa sus objetivos institucionales por una
gestión inadecuada de la calidad de cartera, comprometiendo en el mediano y largo
plazo la viabilidad de las mismas; por otro lado, proteger el incremento del riesgo
crediticio, que perjudica no sólo a la entidad financiera, sino también a los ahorristas
que depositan sus ahorros en dichas entidades, por el escaso retorno esperado de
los créditos, conllevando a repercusiones a nivel nacional de producirse un evento
de esta naturaleza y contingencia por la situación planteada, desestabilizando el
sistema financiero peruano.

El ratio de morosidad como resultado del incumplimiento de pago de los clientes

financiados, incrementa el riesgo crediticio de una institución y se define como el
potencial de que el prestatario o contraparte de una institución financiera no se
encuentre en capacidad de responder por las obligaciones que tiene con la
institución, de acuerdo con los términos acordados (Comité de Basilea, 2000). De
esta manera, la administración o manejo del riesgo de crédito busca garantizar una
tasa de retorno ajustada por riesgo para las instituciones financieras manteniendo
las exposiciones al riesgo crediticio bajo estándares aceptables. No obstante, es
importante que las instituciones financieras tengan un manejo del riesgo crediticio
que no solo comprenda un análisis del portafolio crediticio completo, sino que
también considere los riesgos relacionados a cada uno de los créditos que
pertenecen a dicho portafolio (Comité de Basilea, 2000).
Teniendo en cuenta que las entidades bancarias presentan niveles de deterioro de

cartera más bajos respecto a los niveles del Sistema de Cajas, debido quizá al
diferente nivel de apetito al riesgo, a los diferentes segmentos de clientes; a atender
mercados de menor riesgo, de mayor nivel de formalización, entre otros, el presente
trabajo se enfoca a identificar las causas de los deterioro de la cartera de créditos
a fin de mostrar planes de acción que mitiguen disminuciones de la rentabilidad en
las empresas financieras denominadas Cajas Municipales de Ahorro y Crédito del
Perú, que sirvan de herramienta para la gestión en ellas.
Los resultados de la investigación permitirán conocer el impacto que tiene el
deterioro de la cartera de créditos como es la morosidad, en el logro de los objetivos
estratégicos de las Caja Municipales Ahorro y Crédito, afectando sus resultados
económicos y financieros.
Asimismo, considerando que las Cajas Municipales de Ahorro y Crédito tienen como
actividad principal la intermediación de fondos, la que los lleva a asumir el riesgo
del impacto de los créditos que otorga, pudiendo afectar adicionalmente en el riesgo
de liquidez, cuando no es capaz de hacer frente a sus obligaciones con sus
depositantes. Por ello nuestra investigación permitirá contar con un marco útil para
la mejor toma de decisiones financieras y el control de riesgos de la cartera de
crédito, lo que finalmente, de aplicarse, reducirá los indicadores de calidad de
cartera.
La importancia de comprender los factores que determinan el deterioro de la calidad

de cartera de una Caja Municipal de Ahorro y Crédito se deriva de la capacidad que

tiene el mismo para desestabilizar el funcionamiento del sistema financiero y, a su

vez, la relación de este último para el crecimiento económico. Esto debido a la
relevancia que tiene la participación e importancia del sistema de Cajas en el
sistema financiero y para la generación del crecimiento económico, tal como lo
explican Schumpeter (1912) cuando expone la idea de que el crédito caracteriza al
emprendedor, el cual dotado con el poder de compra suficiente para llevar a cabo
los proyectos que, ulteriormente, llevan al desarrollo de un sistema económico, por
lo que, vista la evidencia empírica que el desarrollo del sistema financiero
representa un factor de consideración del crecimiento y desarrollo económico,
entonces se hace aún más relevante el estudio como riesgo esencial del negocio
financiero.
Tomando lo anterior en cuenta, es fácil entender las razones por las cuáles los entes
de regulación y control del sistema financiero, establecen medidas y guías para el
manejo exclusivo del riesgo de crédito e indicadores de deterioro de la cartera, en
vista que impactan en la medición e interpretación de los indicadores del riesgo de
crédito, y de los requerimientos de capital, comprometiendo los resultados
económico financiero de estas instituciones.
Un ejemplo de esto, es que la Comisión Nacional para la Investigación de las

Causas de la Crisis Económica y Financiera en Estados Unidos, ha señalado en su
reporte final, que una de las razones más importantes para el desarrollo de la
reciente crisis financiera, fue el incremento de los niveles de riesgo de crédito en
los portafolios de créditos de las instituciones bancarias norteamericanas, fruto de
la disminución de los estándares crediticios mínimos para el otorgamiento de
préstamos hipotecarios y el endeudamiento excesivo.
Por lo anteriormente expuesto, se considera de relevancia el presente análisis y

constituye la motivación de este trabajo de investigación, más aún, considerando la
coyuntura económica actual del país y la escasa investigación que se ha realizado
acerca del riesgo de crédito y los niveles de morosidad que enfrenta el sector
microfinanciero.

2. OBJETIVOS
A. Objetivo General
Determinar cuáles son los factores que influyen en el nivel de morosidad de la
cartera de créditos de una Caja Municipal de ahorro y crédito del Perú.
B. Objetivos Específicos
- Determinar los principales factores o causas del deterioro de la cartera.
- Determinar los principales indicadores de gestión que impactan en la
rentabilidad de la institución.
- Proponer estrategias de control del deterioro de cartera de créditos.
II. MARCO TEÓRICO
Con el propósito de fundamentar la presente investigación, en este capítulo se reseñan

algunos antecedentes relacionados con estudios o investigaciones realizadas sobre
las causas o factores que influyen en la calidad de la cartera de créditos de una Caja
Municipal del Perú, así como las bases teóricas y la definición de los principales
términos involucrados en el estudio.
1. ANTECEDENTES
En la búsqueda para indagar sobre el tema en estudio se pudieron obtener los

siguientes antecedentes de trabajo que permitirán fundamentar esta investigación.
a) Calidad de Cartera
Aguilar y Camargo (2003) indican que el análisis de la calidad de cartera de una
institución financiera requiere de la utilización de un indicador adecuado para
tales fines. No existe sin embargo, unanimidad en la discusión sobre cuál es el
“adecuado indicador” de los niveles de morosidad que exhibe la cartera de una
entidad crediticia. De la información financiera publicada por la
Superintendencia de Banca y Seguros, se evidencia el reporte de tres
indicadores de calidad de cartera que cuantifican en valores relativos el nivel de
cartera morosa o de mayor riesgo crediticio. Los indicadores son: cartera
atrasada, cartera de alto riesgo y cartera pesada.

Según Aguilar, Camargo y Morales (2004), la cartera atrasada o morosa está

definida como el ratio entre las colocaciones vencidas y en cobranza judicial
sobre las colocaciones totales. La cartera de alto riesgo es un indicador de
calidad de cartera más severo, incluyendo en el numerador las colocaciones
vencidas, en cobranza judicial, refinanciadas y reestructuradas; no obstante, el
denominador es el mismo, las colocaciones totales. Finalmente, la cartera
pesada está definida como el cociente entre las colocaciones y créditos
contingentes clasificados como deficientes, dudosos y pérdidas, y el total de
créditos directos y contingentes. Este es un indicador más fino de la calidad de
la cartera al considerar, la totalidad del crédito que presenta cuotas en mora.
Según Cermeño, León y Mantilla (2011), la morosidad definida como la

proporción de créditos con atraso sobre el total de la cartera de una institución,
es utilizada como una medida del riesgo de crédito que permite evaluar la
calidad de uno de sus principales activos de la institución financiera, comparar
su gestión con la de los principales competidores así como para la evaluación
del ente supervisor.
Según Vela y Uriol (2012), la calidad de cartera en las instituciones financieras

es el indicador más importante para la sostenibilidad a largo plazo, porque la
mayor fuente de riesgo está en sus carteras de créditos […..] El coeficiente más
ampliamente utilizado para medir la calidad de la cartera en el sector de las
microfinanzas es la Cartera en Riesgo (CeR), que mide la porción de la cartera
de créditos “contaminada” por deudas atrasadas y en riesgo de no ser pagada
como porcentaje de la cartera total.
b) Causas de Morosidad
Wadhwani (1984, 1986) y Davis (1992), indican que otro aspecto muy importante
para explicar la morosidad en créditos hipotecarios, tarjetas de crédito y en otros
créditos de carácter más general, es el nivel de endeudamiento de los
prestatarios que explica el nivel de morosidad. Agentes con un mayor nivel de
endeudamiento pueden enfrentar más dificultades para hacer frente a sus
compromisos crediticios, ya sea porque deben enfrentar un servicio de la deuda
mayor o porque ven reducido su acceso a nuevos créditos.

Clair, (1992); Solttila y Vihriala, (1994); Saurina, (1998), relevan que una política
crediticia expansiva puede ir acompañada de un relajamiento en los niveles de
exigencia a los solicitantes, lo que eleva la posibilidad de enfrentar problemas de
selección adversa y con ello, el consiguiente incremento de los niveles de
morosidad. No obstante, si la expansión de los créditos se lleva a cabo de
manera cuidadosa esta no implica necesariamente mayores niveles de mora
para la institución.
Petersen y Rajan (1995) han señalado que el poder de mercado que tiene una
entidad bancaria puede afectar la calidad de sus créditos. Los bancos con
elevado poder de mercado pueden estar dispuestos a aceptar créditos más
riesgosos porque en el futuro esa mayor morosidad puede ser compensada
cobrando una tasa de interés más alta a sus clientes.
Padilla y Requejo, (1998), mencionan que la existencia de garantías es otro

factor que determina la morosidad de las instituciones financieras. Sin embargo,
no existe consenso sobre el sentido de la relación entre morosidad y garantías,
ya que mientras algunas teorías sostienen que los prestatarios más cumplidos
están dispuestos a aportar más garantías para señalizar que son de bajo riesgo,
asimismo, la aportación de mayores garantías limita el riesgo moral del cliente y
disminuye los incentivos que tiene la institución para un adecuado monitoreo del
crédito.
Saurina (1998) analizó la morosidad de las Cajas de ahorro españolas y encontró

que la morosidad de estas entidades estaba relacionada fuertemente con
algunas variables macroeconómicas importantes: demanda agregada, tasa de
desempleo, salarios, etc. Asimismo, identificó también que algunos factores
asociados directamente con el comportamiento de cada institución (factores
microeconómicos) permiten explicar el comportamiento de la morosidad: cuota
de mercado, tasa de crecimiento de las colocaciones, políticas de incentivos de
las firmas, niveles de eficiencia, niveles de solvencia, etc.
Muñoz (1998), Guillén (2002), Morón (2003) han incluido variables que toman en
cuenta la evolución del tipo de cambio o la devaluación como otro factor que
afecta la calidad de la cartera crediticia, tanto si se consideran las deudas de las
empresas como las de las familias. Un incremento del tipo de cambio eleva la

carga de deuda de los agentes elevando la posibilidad de enfrentar atrasos en

sus pagos.
Muñoz (1998) analizó el rol de la actividad económica, el crecimiento de las

colocaciones bancarias y las tasas de interés activas sobre la morosidad, a
través de un panel de datos para todas las entidades bancarias peruanas durante
el periodo 1993-1998. Los resultados presentados por este autor justifican un
comportamiento contra-cíclico de la morosidad bancaria. Además, sustentan un
efecto negativo del crecimiento del crédito y de las tasas de interés activas sobre
la morosidad.
Jorge Muñoz (1999), indica que durante procesos de expansión del crédito, los
préstamos otorgados por una institución bancaria a prestatarios no
necesariamente solventes influirán en la evaluación de créditos que efectúen
otras instituciones sobre dichos prestatarios, con lo cual, la expansión de las
colocaciones será mayor, pero también lo será la probabilidad de que se
produzcan impagos ante una reversión del ciclo económico. Estos problemas de
información implican que la expansión de los activos bancarios durante un boom
de crédito probablemente genere un deterioro en la calidad de dichos activos; lo
cual no será detectado hasta que el ritmo de crecimiento del crédito disminuya y
la capacidad de pago de los prestatarios sea puesta a prueba. […..].
Asimismo indica que la calidad de los activos bancarios y la solvencia de las
instituciones bancarias, se encuentra ligada a la evolución de factores
macroeconómicos, como el Producto Bruto Interno (PBI), así como a variables
del sector bancario, así como variables específicas de cada banco, tales como
el costo del crédito. […..] En su análisis muestra la relevancia de la tasa de
crecimiento del PBI real por sectores económicos donde aquellos sectores en
los que se concentran la mayor parte de las colocaciones bancarias explican más
significativamente las fluctuaciones en la calidad del portafolio bancario.
Aguilar y Camargo (2003) indican que respecto a las variables

macroeconómicas, una conclusión compartida por los modelos teóricos y
empíricos es que existe una relación negativa entre ciclo económico y
morosidad. Por otro lado, las mayores restricciones de liquidez pueden generar
problemas en la capacidad de pago. Una disminución generalizada de los
salarios, hace que se deteriore la capacidad de pago de los agentes; así como

un aumento del precio de las materias primas o de los tipos de interés activos. A
nivel de las variables microeconómicas, se involucran aquellas variables que son
específicas de cada empresa: Solvencia, Efectividad y Gestión, Rentabilidad y
Liquidez.
[…..] es importante no perder de vista el hecho de que las altas tasas de
morosidad presentadas por algunas instituciones, probablemente como reflejo
de una mayor ineficiencia en su gestión, pueden generar, de mantenerse en el
largo plazo, efectos perversos sobre la sostenibilidad y viabilidad del sistema
microfinanciero en su conjunto.
Aguilar, Camargo y Morales (2004), estiman que la estructura de la cartera de

colocaciones es un factor importante para determinar la morosidad crediticia de
una institución financiera, pues, la entidad asume diferentes niveles de riesgo a
través de las distintas estructuras de la cartera de inversiones crediticias. En
efecto, los créditos hipotecarios tienen un menor riesgo (y probablemente menos
mora) que los créditos de consumo (Saurina, 1998). Por otra parte, un mayor
riesgo de crédito suele estar asociado a sectores que, por su naturaleza,
presentan un elevado riesgo como es el sector agropecuario (Keeton y Morris,
1987, 1988; Solttila y Vihriala, 1994). Si la institución financiera concentra sus
colocaciones en créditos y sectores de elevado riesgo, es probable que enfrente
mayores niveles de morosidad que aquellas que diversifican el riesgo. […..] La
política crediticia expansiva, la diversificación de la cartera de colocaciones por
tipo de crédito y sectores, la eficiencia de la empresa en el manejo del riesgo, la
presencia de garantías, la solvencia y otros incentivos que tienen las entidades
para expandirse y el poder de mercado de la entidad, son importantes factores
en la determinación de la morosidad observada en las colocaciones de una
institución crediticia.
Según Andrade y Muñoz (2006), el otorgamiento del microcrédito conlleva a un

mayor riesgo de crédito y por lo tanto las instituciones microfinancieras se
enfrentan a niveles de morosidad más altos y volátiles respecto a las
instituciones bancarias.
Jiménez y Saurina, (2006), encontraron evidencia de que los bancos durante la

fase de crecimiento económico relajan sus procesos de otorgamiento de crédito
impulsados por la competencia, cultivando la mora que se gana después.

Presentaron relación positiva, aunque desfasada en el tiempo, entre el

crecimiento rápido del crédito y los impagos en los préstamos bancarios, así
mismo muestra una mayor relajación de los estándares crediticios de las
entidades durante periodos de expansión económica, tanto en términos de
evaluación de los prestatarios como de exigencias de garantías. En los
momentos de bonanza económica, los prestatarios (prestamistas) confían en
exceso en el éxito de sus proyectos de inversión (préstamos) y en su capacidad
de devolución (recuperación) del principal de los préstamos y de los
correspondientes intereses. Este optimismo por parte de los bancos sobre las
perspectivas futuras de sus acreditados, unido a la posición sólida de los bancos
(esto es, con un capital muy por encima de los requerimientos mínimos) y a una
competencia en aumento, conduce a políticas crediticias más liberales, con unos
menores estándares de crédito. Si los gestores son retribuidos más en términos
de objetivos de crecimiento que en función de la rentabilidad, se podría estar
incentivando el rápido crecimiento de la morosidad.
Según Oscar Díaz (2009), reconoce que la morosidad de las entidades

financieras está estrechamente relacionada con el ciclo económico, en vista de
que en las fases recesivas los agentes económicos ven deteriorada su capacidad
para generar ingresos, que puede llevar a la quiebra en el caso de las empresas
y una reducción de salarios e ingreso disponible en los hogares, lo que puede
conllevar al deterioro de su portafolio de créditos y por la tanto de sus activos
ante un eventual incumplimiento de pago de intereses y capital debido al
deterioro en la capacidad de pago de los deudores. Sin embargo, no todas las
entidades registran los mismos niveles de morosidad en una determinada fase
del ciclo, lo cual indicaría que existen factores internos de cada institución que
también afectan sus índices de morosidad. El grado de aversión al riesgo dado
por la política crediticia que adopta la entidad puede ser un factor importante, la
información asimétrica, por lo tanto, parece razonable suponer que la morosidad
de cartera de las entidades financieras se halla influenciada por variables macro
y microeconómicas.
c) Consecuencias de la Morosidad
Según Freixas y Rochet (1998) indican que en efecto, la fragilidad de una
institución financiera debido a altos niveles de morosidad de sus créditos
conlleva inicialmente a un problema de liquidez, que en el largo plazo, si es

recurrente y si la institución no posee líneas de créditos de contingencia, se

convierte en uno de solvencia que determina, probablemente, la liquidación de
la institución.
Jorge Muñoz (1999), indica que un ratio de cartera atrasada sobre colocaciones
brutas refleja el riesgo crediticio, aquellos bancos con elevada proporción de
activos problemáticos deberán cubrir las pérdidas asociadas a dichos activos
reduciendo sus utilidades y, finalmente, su capital. Por lo tanto, un elevado ratio
de cartera atrasada a colocaciones brutas estará positivamente relacionado con
la probabilidad de insolvencia o quiebra bancaria.
Según Harriet (2000), el gestionar, analizar y controlar los niveles de morosidad

permite la autosuficiencia operativa de una institución financiera, disminuir los
gastos operativos aseguran la viabilidad y sostenimiento de una empresa en el
largo plazo.
Según Aguilar, Camargo y Morales (2004), la causa principal de las dificultades

que han sufrido algunos sistemas financieros y ciertas entidades de tamaño
considerable ha sido la morosidad. Una elevada cartera morosa constituye un
serio problema que compromete la viabilidad de largo plazo de la institución y
finalmente del propio sistema.
d) Modelos utilizados predecir la Morosidad

Gambera (2003), para EE.UU., utiliza modelos de regresión lineal simple (MCO)
y modelos VAR para proyectar el ratio de morosidad de tres grupos de bancos
(pequeños, medianos y grandes). El autor utiliza tanto variables
macroeconómicas regionales (ingreso del sector agricultura, tasa de empleo de
estado, ingreso per cápita, declaraciones de quiebra) como del conjunto de la
economía (ventas de carros, tasa de empleo nacional). Conclusión: son buenos
predictores del ratio de morosidad.
Arreaza, Castillo y Martínez (2006) analizaron los determinantes de la cartera

crediticia problemática (créditos vencidos, reestructurados y en litigio)
venezolana para el periodo 1997-2005 a través de datos de panel para las
entidades bancarias. Los resultados obtenidos por este modelo sugieren un

impacto positivo del crecimiento de la cartera de crédito y el porcentaje de

créditos problemáticos con respecto de la cartera total.
Azabache (2006, 2009): Mediante el uso de un modelo umbral encuentra que
existe una relación no-lineal entre los choques de tipo de cambio y el ratio de
morosidad de los créditos en moneda extranjera. Adicionalmente, encuentra
indicios de posibles efectos asimétricos entre la actividad económica y este ratio
de morosidad.
Greenidge y Grosvenor (2009), para Barbados, utiliza modelos de regresión

lineal simple para proyectar el ratio de morosidad para el sistema bancario y
para cada banco (6 bancos). Variables: rezago del ratio de morosidad, tasa de
crecimiento del PBI, tasa de inflación, tasa de interés, tamaño del banco,
crecimiento de las colocaciones.
Marcucci y Quagliariello (2009): aplica un modelo umbral de series de tiempo, y

un modelo de datos de panel-umbral para el sistema bancario Italiano.
Cualitativamente encuentra los mismos resultados que Gasha y Morales (2004).
Díaz-Quevedo (2009), por su parte, analiza la morosidad del sistema bancario

boliviano para el periodo 2001-2008 a través de un modelo de panel dinámico.
Los resultados obtenidos por este autor sostienen que el ciclo económico es un
factor importante para explicar la morosidad de la cartera del sistema financiero
boliviano. Asimismo, las restricciones de liquidez medidas por las tasas de
interés activas, la devaluación de la moneda nacional y el mayor endeudamiento
de las empresas tienen efectos importantes sobre la morosidad.
Gutiérrez y Saade (2009) utilizan un modelo multivariado de componentes no-

observados con el fin de identificar los riesgos que caracterizan la relación entre
el riesgo crediticio y la actividad económica para el sistema bancario colombiano
en el periodo 1933-1997. Sus resultados sugieren que las fluctuaciones del
producto bruto interno y las del indicador de morosidad ocurren en sentido
contrario.
2. BASES TEÓRICAS
A continuación se presentan las bases teóricas que sustentan la presente
investigación:

2.1 Modelos Econométricos utilizados

Saurina-Salas (1998), analiza los determinantes de la morosidad de las Cajas
Españolas, y encuentra que dentro de las variables que afectan a la morosidad
son: El ciclo económico, la política crediticia de cada entidad financiera, la cuota
de mercado de cada entidad. Para lo cual utiliza técnicas econométricas de
panel de datos, incluyendo dentro de las variables explicativas al rezago de la
morosidad así como el rezago de la actividad económica.
Aguilar y Camargo (2003), determinan cuales son los determinantes relevantes

estadísticamente que explican el comportamiento de la calidad de cartera de
una muestra de entidades especializadas en microcréditos, tales como
CRACS, CMAC, EDPYMES y Bancos especializados en microfinanzas. Dentro
de los factores macro encuentran que son el crecimiento de la actividad
económica, la liquidez del sistema financiero y el nivel de endeudamiento de
los agentes. Dentro de los factores micro encuentran que son política de
colocaciones, intermediación financiera, monto colocado por analista, nivel de
endeudamiento de los clientes, gestión y eficiencia operativa de la entidad, nivel
de solvencia, diversificación, garantías y composición de sus activos. En este
estudio se utilizó un modelo estadístico generalizado de momentos con rezagos
en la variable endógena (Arellano Bond 1991) sobre una base de panel de
datos.
Aguilar, Camargo y Morales (2004), en este trabajo busca identificar

determinantes agregados y específicos que afectan a la calidad de cartera de
los bancos, en cuyo estudio utiliza la metodología de panel de datos dinámicos
(es decir con variable dependiente rezagada como variable explicativa), se
tiene como componente importante al rezago de la morosidad como variable
explicativa, otras variables tales como PBI, endeudamiento de los agentes,
variaciones en el tipo de cambio, y otras variables micro como el spread de
tasas, la cuota de mercado, crecimiento de colocaciones rezagadas o de
periodos anteriores.
2.2 Cajas Municipales

Las Cajas Municipales son empresas públicas con personería jurídica de
derecho privado que, de acuerdo con la Ley Orgánica de Municipalidades, “se
crean por una o más municipalidades provinciales o distritales y funcionan con
estricto arreglo a la legislación especial sobre la materia.” La legislación

especial es la Ley General del Sistema Financiero y del Sistema de Seguros y

Orgánica de la Superintendencia de Banca y Seguros, aprobada por la Ley Nº
26702, la cual establece que para el inicio de sus operaciones se debe contar
con la autorización de la Superintendencia de Banca y Seguros; operan
preferentemente dentro de los territorios provinciales en que las autoriza la
Superintendencia de Banca y Seguros y no pueden concertar créditos con
ninguna de las municipalidades del país.
Desde la creación de la primera Caja Municipal de Ahorro y Crédito en 1982, el
Sistema CMAC se posicionó como un elemento fundamental de la
descentralización financiera y democratización del crédito en el Perú, logrando
que diversos sectores sociales accedan al crédito y fomenten principalmente el
ahorro, contribuyendo a crear circuitos financieros locales, que son la base de
apoyo para el proceso productivo regional, y convirtiéndose a la vez en los
líderes de las microfinanzas.
La creación del Sistema de Cajas Municipales de Ahorro y Crédito, tuvo como
objetivo constituir instituciones financieras descentralizadas orientadas a
atender aquellos estratos de población no atendidos por el sistema crediticio
formal. El Sistema de Cajas Municipales de Ahorro y Crédito fundamenta su
éxito en los siguientes principios básicos:
Gráfico Nº 10
Principios Básicos de las Cajas Municipales
1 Instituciones Financieras con Autonomía
2 Cobertura de sus Costos Totales
3 Orientación Local y Regional
4 Gradual Desarrollo Institucional
5 Tecnología Financiera y Crediticia Propia
Fuente: Federación de Cajas Municipales de Ahorro Y Crédito (FEPCMAC)
2.2.1 Evolución de las Cajas Municipales

En la década de los años 80 nuestra economía se vio invadida por una
multiplicidad de micro y pequeñas empresas dedicadas a diferentes
actividades, todas ellas requiriendo un apoyo adecuado de créditos.

Durante mucho tiempo las políticas de desarrollo descuidaron la

atención de las necesidades de las mayorías con menores recursos,
generando grandes conflictos sociales que afectaron a la microempresa
y pequeña empresa (MYPE). La Cooperación Internacional decide
convertir a este sector en importante destinatario de su cooperación.
Sin embargo, no se trataba de utilizar un análisis tradicional focalizado

en impulsar la concesión de los créditos a cualquier precio; sino de
lograr instituciones financieras que atiendan a las MYPE con eficiencia
y rapidez y al mismo tiempo que demostraran que eran
económicamente viables.
En este marco, en mayo de 1980 se promulga el decreto Ley N° 23039

que regula la creación y funcionamiento de las Cajas Municipales de
Ahorro y Crédito fuera del ámbito de Lima y Callao; cuyo objetivo fue
constituir instituciones financieras descentralizadas orientadas a la
atención de aquellos segmentos de población que no tenían acceso al
sistema crediticio formal.
El modelo de estas nuevas entidades creadas exigía un enfoque

comercial que tenga en cuenta las condiciones de cada mercado
financiero, con una tecnología apropiada, una estructura organizativa
con incentivos compatibles, con objetivos, y en especial un manejo y
control adecuados, todo ello en función a una normatividad que no
dificulte la oferta de estos servicios.
Históricamente, la banca tradicional nunca llegó a estos pequeños

sectores empresariales debido a la falta de garantías, el alto riesgo que
implicaba su recuperación, los elevados costos operativos de mantener
una cartera numerosa de pequeños créditos y su complicado trámite.
En ese contexto, en 1982 se funda la primera Caja Municipal de Ahorro
y Crédito en Piura, contando con el apoyo de la Cooperación Técnica
Alemana, cuyos expertos en finanzas contribuyeron a diseñar una
estrategia de crecimiento para las Cajas Municipales de Ahorro y
Crédito en el Perú. El Sistema de Cajas Municipales de Ahorro y Crédito
está conformado por 11 CMAC. (http://www.fepcmac.org.pe/).

Gráfico Nº 11
Evolución de las Cajas Municipales de Ahorro y Crédito
Piura Iquitos Arequipa Huancayo Paita Tacna
Trujillo Del Santa Sullana Cuzco Ica Pisco
Fuente: Federación de Cajas Municipales de Ahorro y Crédito (FEPCMAC)
2.3 Crédito
El crédito es una operación financiera donde una persona presta una cantidad
determinada de dinero a otra persona llamada (deudor), en la cual este último
se compromete a devolver la cantidad solicitada en el tiempo o plazo definido
según las condiciones establecidas para dicho préstamo más los intereses
devengados, seguros y costos asociados si los hubiera.
2.4 Proceso Crediticio

El proceso crediticio se compone de cinco fases: Planificación, Promoción,
Evaluación, Aprobación y Recuperación.
La Planificación implica que el Analista de Crédito, al inicio del día, deberá

elaborar una hoja de ruta donde debe indicar las labores que desarrollará
durante todo el día, la que tendrá que contar obligatoriamente con visitas de
promoción, evaluación y recuperación.
La Promoción lo constituyen las visitas a clientes potenciales o recurrentes,

para ofertar productos financieros, para lo cual deberá ir con todas las
herramientas necesarias: merchandising, calculadora, tarjetas de presentación,
etc.
La Evaluación comprende el levantamiento de información de la unidad

económico – familiar del potencial prestatario y la visita a la garantía.

La Aprobación es la sustentación de la operación crediticia ante el Comité de

Créditos, la cual es analizada, a fin de detectar las posibles deficiencias del
crédito presentado.
La Recuperación es la visita a los clientes en mora, desde el primer día de

vencimiento, pudiendo ser antes del vencimiento.
2.5 Riesgo de Crédito

La posibilidad de pérdidas por la incapacidad o falta de voluntad de los
deudores, contrapartes, o terceros obligados, para cumplir sus obligaciones
contractuales registradas dentro o fuera del balance.
Según Alan Elizondo, los aspectos más importantes que se deben considerar
en lo referente al riesgo de crédito son:
- La correlación entre la probabilidad de incumplimiento y la calidad del
crédito otorgado.
- La concentración del riesgo.
- La incertidumbre ante el incumplimiento de pago y la habilidad de las
instituciones, empresas o individuos de cumplir con sus obligaciones una
vez que asumen sus deudas.
2.6 Morosidad
El retraso en el cumplimiento de una obligación se denomina jurídicamente
mora, y por consiguiente se considera moroso al deudor que se demora en su
obligación de pago. Consecuentemente se considera que el cliente se halla en
mora cuando su obligación está vencida y retrasa su cumplimiento.
La mora del deudor en sí, desde el punto de vista formal, no supone un

incumplimiento definitivo de la obligación de pago, sino simplemente un
cumplimiento tardío de la obligación. La consecuencia inmediata de la
constitución en mora del deudor es el devengo de intereses moratorios como
indemnización de los daños y perjuicios que causa al acreedor el retraso en el
cobro. De suerte que, una vez constituido en mora, corresponde al moroso el
pago del importe principal de la deuda más los intereses moratorios que
resulten de aplicación en función del retraso acumulado que contribuirán a
compensar los costes financieros que el retraso en el pago ha originado al
acreedor.

En una de las obras de Pere Brachfield: “La lucha contra la morosidad”,

menciona: “la morosidad constituye un incumplimiento contractual que
ocasiona onerosas cargas administrativas y financieras a las empresas,
especialmente a las PYMES, las cuales deben soportar plazos de pago
excesivos que les obligan a mantener de forma permanente importantes saldos
de clientes en sus balances. Esta «sobre - inversión» en activos circulantes
provocada por el aumento de las partidas de cuentas por cobrar, implica
incrementos de las necesidades operativas de fondos que son generalmente
sufragados con financiación bancaria a corto plazo. Consecuentemente los
costos financieros que tienen las PYMES aumentan debido a los plazos de
pago excesivamente prolongados”.
2.7 Recuperación de Créditos

En lo descrito por Pere Brachfield en su libro: “Gestión del Crédito y Cobro”,
recomienda 3 tipos de medidas a tomar para aminorar el riesgo de impago en
las operaciones comerciales:
Al interno todas las empresas deben implantar procedimientos de prevención y
gestión de riesgos, filtrando los posibles clientes, estudiando su solvencia,
limitando el riesgo para cada deudor, así como aumentar la juridicidad del
crédito, documentar las operaciones, firmar contratos, etc.
Tener en cuenta las condiciones y garantías para garantizar el cobro, reforzar
sus derechos de crédito que les permita facilitar la reclamación en caso de
morosidad o resarcirle por los daños y perjuicios de la mora ocasionada.
Otra medida es transferir el riesgo a una aseguradora o mediante la utilización
de terceras compañías que prestan algún servicio financiero que garantice el
cobro al acreedor.
En el libro “Recobrar Impagados y Negociar con Morosos” de Pere Brachfield
menciona: “La importancia de la función recuperadora de los impagados viene
determinada por el hecho de que en la gestión integral del crédito comercial
(Credit Management) existen tres áreas bien definidas:
1. La prevención de los riesgos de crédito a clientes.
2. La gestión del crédito comercial y control del riesgo de clientes en
circulación.
3. El recobro de los impagados y negociación con morosos.

3. MARCO CONCEPTUAL
3.1 SBS.- Superintendencia de Banca, Seguros y AFP, es una Institución de

derecho público cuya autonomía funcional está reconocida por la Constitución
Política del Perú. Es un organismo encargado de la regulación y supervisión
de los sistemas financieros, de seguros y del sistema privado de pensiones;
así como de prevenir y detectar el lavado de activos y financiamiento del
terrorismo.
3.2 Riesgo.- La condición en que existe la posibilidad de que un evento ocurra e
impacte negativamente sobre los objetivos de la Entidad.
3.3 Clientes.- Personas naturales o jurídicas que han recibido financiamiento de
las Entidades del sistema financiero tales como créditos, inversiones,
contingentes, operaciones de arrendamiento financiero, etc.
3.4 Créditos.- Se refiere a la suma de los créditos directos más indirectos.
3.5 Actividad Económica.- Cualquier actividad de carácter empresarial,
profesional o artístico siempre que suponga la ordenación por cuenta propia
de los medios de producción, de los recursos humanos o ambos, con la
finalidad de intervenir en la producción o distribución de bienes y servicios.
3.6 Cartera Atrasada o Cartera en Mora Contable.- Cartera judicial más cartera
vencida. Se le considera a la cartera que muestra incidencia de no pago. El
mínimo de días de mora se cuentan a partir de la fecha de vencimiento y la
fecha de pago de la deuda vencida.
3.7 Créditos Indirectos o créditos contingentes.- Representan los avales,
cartas fianza, aceptaciones bancarias, cartas de crédito, créditos aprobados
no desembolsados y las líneas de créditos revolventes no utilizadas.
3.8 Cartera Vencida.- Créditos con atrasos iguales o superiores a: Créditos a
Deudores no Minoristas dieciséis (16) días, créditos a Micro y Pequeña
Empresa treinta y un (31) días, Consumo Revolvente y No Revolvente e
Hipotecario para Vivienda a los noventa y un (91) días.
3.9 Cartera Refinanciada.- Saldo capital de los créditos refinanciados.
3.10 Cartera Extrajudicial.- Saldo de capital de cartera vencida que se encuentra
en un área de recuperaciones sin demanda judicial.
3.11 Cartera Judicial.- Saldo de capital pendiente de pago con demanda judicial.

3.12 Cartera de Alto Riesgo (CAR).- Nominalmente es el saldo de colocaciones

que suma la cartera vencida, la cartera judicial y la cartera refinanciada.
Porcentualmente, es el obtenido dividiendo la suma anterior entre el total de
las colocaciones de la Entidad.
3.13 Castigo de Créditos.- Considerar como pérdida contable a los créditos
clasificados como Pérdida, íntegramente provisionados, cuando exista
evidencia real y comprobable de su irrecuperabilidad o cuando el monto del
crédito no justifique iniciar acción judicial o arbitral.
3.14 Créditos Directos.- Representa los financiamientos que, bajo cualquier
modalidad, las empresas del sistema financiero otorguen a sus clientes,
originando a cargo de éstos la obligación de entregar una suma de dinero
determinada, en uno o varios actos, comprendiendo inclusive las obligaciones
derivadas de refinanciaciones y reestructuraciones de créditos o deudas
existentes.
3.15 Mora Contable.- Es el indicador que se determina dividiendo la sumatoria de
los saldos vencidos más la cartera judicial entre el saldo total de la cartera de
colocaciones. Los días de atraso para que un crédito se considere vencido lo
establece la SBS de acuerdo a los tipos de crédito. Este indicador puede ser
determinado a nivel de producto crediticio, por agencia, por Asesor de
Negocios.
3.16 Identificación de Riesgos.- Proceso por el que se identifican los riesgos
internos y externos que pueden tener impacto negativo sobre los objetivos de
la Entidad. Entre otros aspectos, considera la posible interdependencia entre
eventos, así como los factores influyentes que los determinan.
3.17 Evaluación de Riesgos.- Proceso por el que se evalúa el riesgo de una
Entidad, actividad, conjunto de actividades, producto o servicio mediante
técnicas cualitativas, cuantitativas o una combinación de ambas.
3.18 Gestión del Riesgo de Crédito.- Es el proceso que permite mantener el
riesgo de crédito dentro de los parámetros aceptables, establecidos en las
políticas y procedimientos internos de cada Entidad.
3.19 Riesgo de Contraparte.- Es la posibilidad de incumplimiento de las
obligaciones por una de las partes, antes que se liquiden los flujos de caja de
la misma, que generan pérdida económica.
3.20 Riesgo de Migración.- Es la probabilidad de pérdidas ocasionadas por el
incumplimiento de las obligaciones del deudor debido al deterioro de su
calidad crediticia.

3.21 Riesgo Moral.- Se define cuando una vez que se ha desembolsado el crédito,
la Entidad a través de las visitas in situ de los analistas, coordinadores,
administradores y supervisores trata de constatar el adecuado uso de
recursos de acuerdo a lo solicitado y al destino del financiamiento definido
antes del desembolso.
3.22 Apetito al Riesgo.- El nivel de riesgo que la Entidad está dispuesta a asumir
en su búsqueda de rentabilidad y valor.
3.23 Tolerancia al Riesgo.- Es el nivel aceptable de desviación en relación con el
logro de los objetivos establecidos y está alineado con el apetito al riesgo. El
nivel de variación que la Entidad está dispuesta a asumir en caso de
desviación a los objetivos empresariales trazados.
3.24 Probabilidad de incumplimiento.- Posibilidad de que el deudor no pueda o
no quiera cumplir.
3.25 Riesgo Crediticio.- Es la probabilidad de incurrir en pérdidas derivadas del
incumplimiento de las obligaciones contractuales dentro o fuera del Balance,
contraídas por los deudores o contrapartes.
3.26 Riesgo de Concentración de Créditos.- Se presentan cuando se producen
grandes exposiciones con un mismo prestatario o con un grupo vinculado de
prestatarios. También se puede producir grandes concentraciones de
industrias, sectores económicos o regiones geográficas en particular, o por
tener grupos de préstamos con otras características que los hacen
vulnerables a los mismos factores económicos.
3.27 Riesgo de liquidez.- La posibilidad de pérdidas por incumplir con los
requerimientos de financiamiento y de aplicación de fondos que surgen de los
descalces de flujos de efectivo, así como por no poder cerrar rápidamente
posiciones abiertas, en la cantidad suficiente y a un precio razonable.
3.28 Riesgo de mercado.- La posibilidad de pérdidas en posiciones dentro y fuera
de balance derivadas de fluctuaciones en los precios de mercado.
3.29 Riesgo operacional.- La posibilidad de pérdidas debido a procesos
inadecuados, fallas del personal, de la tecnología de información, o eventos
externos. Esta definición incluye el riesgo legal, pero excluye el riesgo
estratégico y de reputación.
3.30 Riesgo de reputación.- La posibilidad de pérdidas por la disminución en la
confianza en la integridad de la institución que surge cuando el buen nombre
de la empresa es afectado. El riesgo de reputación puede presentarse a partir
de otros riesgos inherentes en las actividades de una organización.

3.31 Ventas de cartera.- Es el proceso por el cual las entidades financieras

transfieren al comprador la propiedad del activo de créditos, de manera que
el comprador se convierte en el acreedor de todos los derechos inherentes al
activo transferido y además de los riesgos implícitos del mismo, las carteras
a ser vendidas son aquellas colocadas a clientes o empresas que han
incumplido con el pago de sus créditos, en una venta de cartera vencida se
hace a un descuento sobre el valor de capital. El precio es establecido con
base en las expectativas de recuperación que tienen el comprador y la entidad
financiera. El comprador logra un rendimiento sobre su inversión en la medida
en que logre una recuperación atractiva, pero es quien asume el riesgo de
exponerse a los deudores del portafolio.
III. RESULTADOS
1. RESULTADOS DEL MODELO
1.1 EL ENFOQUE DE LA INVESTIGACIÓN

El propósito que se tiene al desarrollar el presente trabajo de investigación
es determinar los factores que explican la morosidad de las Cajas
Municipales en el Perú.
1.2 TIPO DE INVESTIGACIÓN

El presente trabajo es una investigación del tipo causal y correlacional que
describe los rasgos más saltantes de la morosidad dentro de las Cajas
Municipales. Además mide, determina y busca explicar el grado de
asociación de las variables macro y microeconómicas que determinan la
morosidad.
1.3 VARIABLES E INDICADORES

a) Variable Dependiente: Tasa de Morosidad
 Mora.- Es el retraso en el cumplimiento de una obligación, se
denomina jurídicamente mora, y por consiguiente se considera
moroso al deudor que se demora en su obligación de pago. La
Cartera Atrasada, conocida como la tasa de morosidad, es el ratio
entre las colocaciones vencidas y en cobranza judicial sobre las
colocaciones totales.

b) Variables Explicativas: Se evaluará el impacto que podrían tener las

variables internas o de gestión así como las variables externas o
impredecibles sobre el indicador de calidad de cartera más importante
para una institución financiera dedicada a otorgar crédito a la
microempresa. Para el análisis, se está considerando a las Cajas
Municipales del país entre los periodos 2010 y 2014, que tenga más de
20 años en el mercado. Entre las variables explicativas se proponen:
b.1 MACROECONOMICAS:
 Variación del PBI:

El Producto Bruto Interno es el valor de todos los bienes y servicios
finales producidos por un país en un determinado período.
Comprende el valor de los bienes producidos, como viviendas,
comercio, servicios, gobierno, transporte, etc., cada uno de estos
bienes y servicios se valora a su precio de mercado y los valores se
suman para obtener el PBI. Se expresa como una tasa de variación
con respecto a un periodo anterior.
*Si la tasa de variación es positiva: CRECIMIENTO

*Si la tasa de variación es negativa: RECESION
La tasa de variación es un promedio del comportamiento de los

distintos sectores. Entonces, puede crecer el PBI global y al mismo
tiempo estar algún sector en recesión. Se espera que en las etapas
de crecimiento de Producto Bruto Interno, los niveles de morosidad
presenten bajos niveles, mientras que en periodos de recesión
económica, los niveles de morosidad se incrementan, es decir
presentan una relación inversa.
Gráfico Nº 12
Crecimiento del PBI – Mora del Sistema
Fuente: SBS-BCRP/elaboración: Los autores

 Precios – Tipo de Cambio

Un incremento de los precios de mercado, como es el tipo de cambio,
en economías dependientes como la nuestra, eleva la carga de deuda
de los agentes, disminuyendo la capacidad adquisitiva y de pago de
los deudores o clientes, elevando la posibilidad de enfrentar atrasos
en sus pagos, por lo que esta variable presenta una relación directa
con los niveles de morosidad, como es la variable dependiente.
 Empleo.- Se conoce con el nombre de población económicamente

activa al conjunto de la población que a partir y hasta la edad que cada
Estado fija como límites mínimo y máximo para ingresar y egresar del
mundo laboral, se encuentra efectivamente trabajando o está
buscando activamente un puesto de trabajo. Está por lo tanto,
integrada por quienes están trabajando y por los desempleados. Se
espera presente una relación directa con la variable dependiente.
 Liquidez.- Es la capacidad de una empresa/cliente para atender a sus

obligaciones de pago a corto plazo. A mayores niveles de liquidez de
los deudores menores niveles de morosidad y viceversa, por lo que se
espera una relación indirecta con la variable dependiente.
 TAMS.- Tasa de interés activa en moneda nacional. Se calcula

diariamente con la información de los 8 bancos más grandes en
función a sus créditos, tomando el promedio geométrico de las tasas
de interés de operaciones de cuenta corriente, descuentos y
préstamos en moneda extranjera, ponderadas por el saldo quincenal
de créditos.
b.2 MICROECONÓMICAS:
 Crecimiento de Colocaciones.- Debido al acelerado ritmo y la falta

de información con que las empresas principalmente retail colocan
sus créditos (basados en su tecnología crediticia y sus instrumentos
de gestión), y esta información a su vez es utilizada por las Cajas
como antecedente para la colocación de sus créditos, generando así
riesgo de incumplimiento de pago, por lo que se espera que a

mayores niveles de colocaciones existan mayores niveles de

morosidad presentando una relación directa.
 Sobreendeudamiento
Bajo la coyuntura económica que presenta el país, donde existe una
gran apertura a las instituciones financieras a través de la banca
tradicional y el sector micro-financiero, se está generando un mayor
endeudamiento de clientes, mayor probabilidad de morosidad y
viceversa, por lo tanto se espera una relación directa con la variable
dependiente.
 Solvencia: Mide la capacidad de una empresa para hacer frente a

sus obligaciones de pago. Este ratio se puede encontrar tanto de
forma agregada, activo total entre pasivo total, o de forma
desagregada, en función del activo y pasivo corriente o no corriente.
Obviamente este es uno de los ratios que las entidades financieras
tienen en consideración a la hora de analizar las operaciones de
financiación que solicitan sus clientes. (Activo Total / Pasivo Total).
 Efectividad: Considera solamente el efectivo o disponible, que es el

dinero utilizado para pagar las deudas y no toma en cuenta las
cuentas por cobrar (clientes) ya que es dinero que todavía no ha
ingresado a la empresa. (Caja y banco / Pas. Corriente).
 Gestión o Actividad: Indican la eficiencia con que la empresa utiliza

sus activos para generar ventas. A su vez, los ratios de gestión se
dividen en:
1. Ratio de rotación de cobro y período de cobro.
2. Ratio de rotación por pagar y período de pagos.
3. Ratio de rotación de inventarios.
 Rentabilidad: Miden con que eficacia la administración de una

empresa genera utilidades con base en ventas, activos e inversiones
de los accionistas. A su vez, los ratios de rentabilidad se dividen en:
1. Ratio de rentabilidad del activo.
2. Ratio de rentabilidad del patrimonio.
3. Ratio de rentabilidad bruta sobre ventas.
4. Ratio de rentabilidad neta sobre ventas.
5. Ratio de rentabilidad por acción.
6. Ratio de dividendos por acción

 Liquidez: Indican la capacidad de la empresa para cumplir con sus

obligaciones de corto plazo. (Activo Corriente / Pasivo Corriente).
 Productividad: Tratamos de medir la productividad de la mano de

obra o de los empleados, definida como la contribución de éstos a la
obtención del resultado final de la gestión. (N° Créditos/Analista).
 Eficiencia: Es un indicador que relaciona el conjunto de ingresos que

obtiene una entidad financiera en un periodo determinado con los
costos de explotación que ha asumido. (gastos
administrativos/ingresos financieros).
 Mercado: Relacionado con el nivel de colocaciones/captaciones, es

decir la participación de mercado, se espera que a mayor participación
de mercado, mayor morosidad.
 Costo del Crédito: Mientras mayor sea el costo de un crédito, mayor

es la probabilidad de impago, por lo que se espera que a mayor costo
del crédito, se presente un mayor nivel de morosidad, es decir
presenta relación directa.
 Política Crediticia: Relacionado con el mayor o menor apetito al

riesgo de cada entidad, reflejadas en sus políticas, ya sea para la
admisión de nuevos clientes o de clientes recurrentes, se espera que
la relación que presente con la variable dependiente sea directa, es
decir a mayor flexibilidad en las políticas, en el otorgamiento de
créditos, mayor probabilidad de mora. Considerando que no se cuenta
con esta información, esta variable no será considerada para el
presente estudio.
 Estructura de Cartera: Si la institución financiera concentra sus

colocaciones en créditos y sectores de elevado riesgo, es probable
que enfrente mayores niveles de morosidad que aquellas que
diversifican el riesgo. Esto relacionado con el riesgo de concentración,
a más concentración mayor nivel de riesgo, relación directa con la
variable dependiente.
 Nivel de Garantías: A mayores niveles de garantías reales que tenga

una institución, menor será su morosidad y viceversa, esperando una
relación inversa.

 Gastos Operativos.- Los gastos operativos representan el capital que

una empresa utiliza para ejecutar su negocio. Cada empresa tiene
gastos operativos. Los contadores son responsables de registrar y
reportar estas transacciones en el libro mayor general de la empresa.
 Oficinas.- El número de oficinas con las que cuenta la empresa a nivel

nacional.
Cuadro Nº 02
Descripción de variables utilizadas y fuentes de información
Fuente
Variable Descripción Reporte
de datos
mora Saldo de vencida mas judicial SBS Reporte de indicadores financieros
rmora Cartera vencida más judicial entre la cartera vigente SBS Reporte de indicadores financieros
VPBI Variación aualizada del PBI BCRP Reporte de series mensuales
PBICB_94 PBI con base 1994 BCRP Reporte de series mensuales
PBICB_07 PBI con base 2007 BCRP Reporte de series mensuales
GastosOper Gastos operativos mensuales SBS Reporte de Estados Financieros
EmpleoPer Población Económicamente activa en la ciudad de Lima BCRP Reporte de series mensuales
LiquidezSF Liquidez del Sistema Financiero Total en Moneda Nacional (mill. S/.) BCRP Reporte de series mensuales
TAMS Tasa activa en moneda nacional BCRP Reporte de series mensuales
ColocDirectas Colocaciones directas SBS Reporte de alcance y participación de mercado
Oficinas Número de oficinas SBS Reporte de créditos y depósitos por oficinas
Fuente: SBS-BCRP/elaboración: Los autores.
1.4 FUENTE DE DATOS

La información del presente estudio se realiza en base fuentes de
informaciones primarias y secundarias. Los instrumentos de investigación
serán estadísticos de medición. Dentro de las fuentes primarias tenemos:
resultados estadísticos de investigaciones y documentos llevados a cabo
por universidades e instituciones financieras, esta información se utilizara
para sustentar los resultados obtenidos.
La información de fuentes secundarias se obtendrá de fuentes
institucionales como: documentos estadísticos de la Superintendencia de
Bancos y Seguros (SBS), Instituto Nacional de Estadística e Información
(INEI) y el Banco Central de Reserva del Perú (BCRP).
Fuente de las variables TAMN, PBI, LIQUIDEZ DEL SISTEMA

FINANCIERO.
https://estadisticas.bcrp.gob.pe/estadisticas/series/mensuales
Fuente de las variables: mora, rmora, colocaciones, gasto por empleado

número de empleados y número de oficinas.
http://www.sbs.gob.pe/app/stats/EstadisticaBoletinEstadistico.asp?p=3#

1.5 FUNDAMENTACIÓN ESTADÍSTICA DEL MODELO ECONOMÉTRICO
1.5.1. Modelos Econométricos
Concepto de Modelo
El término modelo debe de identificarse como un esquema mental,
ya que es una representación de la realidad. En este sentido, Pulido
(1983) establece que un modelo debe de entenderse como una
representación simplificada de cualquier sistema, entendiendo como
tal “a todo conjunto de elementos o componentes vinculados entre sí
por ciertas relaciones”. Una definición concisa de modelo puede ser
por lo tanto: “representación simplificada y en símbolos matemáticos
de cierto conjunto de relaciones” es decir un modelo formulado en
términos matemáticos.
A partir de la definición general de modelo, podemos llegar a la
definición de modelo teórico o económico sin más que añadir a la
definición anterior, que los modelos se refieren a fenómenos
económicos, así pues según Sanpedro (1959) “un modelo
econométrico es una representación simplificada y en símbolos
matemáticos de cierto conjunto de relaciones económicas” es decir,
un modelo matemático referido a relaciones económicas.
Expresión del modelo econométrico básico de Regresión

Lineal
La expresión formal del modelo básico de regresión lineal, que es el
modelo básico en econometría queda formulada como se expresa a
continuación:
𝑌𝑖 = 𝛼 + 𝛽1 𝑋1𝑖 + . . . +𝛽𝑘 𝑋𝑘𝑖 + 𝜀𝑖
Donde:
𝒀: Es la variable endógena o dependiente cuyo comportamiento se
quiere analizar.
𝜶: Parámetro de intersección constante a través del tiempo.

𝑿: Son cada una de las variables exógenas o explicativas y que son

consideradas como las causas que crean transformaciones en la
variable endógena.
𝜷: Son los parámetros cuyo valor desconozco y voy a estimar. A
través de la estimación de los parámetros se obtiene una
cuantificación de las relaciones existentes entre la Y y cada una de
las X.
𝜺: Es la perturbación aleatoria que recoge el efecto conjunto de otras
variables no directamente explicitadas en el modelo, cuyo efecto
individual sobre la endógena no resulta relevante.
i: Es el subíndice que hace referencia a las diversas observaciones
para las cuales se establece su validez. Según el tipo de valores con
los que esté trabajando, el subíndice hará referencia a distintos
momentos del tiempo o a distintas unidades económicas.
Utilidades de los modelos Econométricos

El modelo econométrico tiene tres utilidades principales:
 Análisis estructural: cuantificación de las relaciones que entre el
periodo analizado ha existido entre las variables implicadas, a
través del conocimiento del signo y valor de los parámetros
estimados. Es decir, sirve para conocer como incide en la
endógena variación de las variables explicativas.
 Predicción: Dados unos valores a futuro para las variables
explicativas, y conociendo la expresión matemática que relaciona
las variables explicativas y la variable endógena, es posible
predecir los valores que tomará a futuro la variable objeto de
estudio.
 Simulación o evaluación de políticas: Efectos que tienen sobre la
endógena diferentes estrategias que se planteen de las variables
explicativas.
En general, el modelo econométrico es una herramienta de análisis

que ayuda en la toma de decisiones tanto a nivel económico en
general (macro) como en el ámbito de la dirección de empresas
(micro).

Clasificación de los Modelos Econométricos

Existe una tipología amplia de modelos econométricos en función de
distintas clasificaciones:
a) Según el tipo de datos de las variables utilizadas en el modelo:

 Series temporales: los datos pueden corresponder a los
valores de una variable en el tiempo. Estos pueden tener
frecuencia, diaria, semanal, mensual o anual.
 Series de corte transversal: los valores corresponden a
distintos sujetos para un mismo momento del tiempo.
b) Según el momento del tiempo al que hacen referencia se

distingue entre:
 Modelos estáticos: cuando el subíndice i hace referencia al
mismo momento del tiempo o al mismo individuo económico
tanto para la endógena como para todas las explicativas.
 Modelos dinámicos: cuando están involucradas las variables
en diferentes puntos del tiempo. Al incluir variables endógenas
y exógenas en distintos momentos del tiempo podemos hablar
de modelos dinámicos.
c) Según el número de variables endógenas que se desee explicar:

 Modelos uniecuaciones: únicamente existe una variable
endógena.
 Modelos multiecuacionales: existen varias variables
endógenas que deseamos explicar, algunas de las cuales
pueden ser a su vez variables explicativas de otras ecuaciones.
d) Según la transformación de los datos que se realice:

 Modelo en niveles: las variables aparecen expresadas en
unidades de medida.
 Modelo en tasas de variación: las variables aparecen
expresadas como incrementos. Cuando una variable se
expresa en vez de niveles en incrementos se está eliminando
la tendencia. Al introducir las variables en niveles se puede
encontrar un mayor número de variables explicativas

aparentemente correctas, ya que es más fácil encontrar

variables explicativas que tengan la misma tendencia que la
endógena.
 Modelo en logaritmos: El modelo básico de regresión lineal
permite únicamente trabajar con relaciones lineales, pero no
todas las variables tienen porque estar expresadas a través de
una relación lineal. Cuando se estima un modelo únicamente
con una variable endógena y una explicativa lo que trata es de
encontrar la línea que mejor me recoja la información
suministrada por ambas variables.
Tipos de serie de datos según su proyección en el espacio-

tiempo
De entre las muchas clasificaciones referentes a las series de datos
se consideran las siguientes:
a) Series Temporales: Cuyos datos se refieren a los distintos
períodos de un rango de tiempo.
b) Series Transversales: Cuyos datos hacen referencia a distintos
individuos u objetos para un mismo momento del tiempo.
c) Datos de Panel: Cuyos datos cubren, a un tiempo, un espacio
temporal y transversal. Generalmente, según predomine la
dimensión temporal o transversal en el análisis suelen distinguirse
los paneles MICRO (predominio de dimensión transversal) de los
paneles MACRO (predominio de la dimensión temporal).
Modelos Dinámicos
La característica principal de los modelos econométricos dinámicos
es tener una variable rezagada. Esto indica que la influencia de una
variable explicativa (X) sobre la dependiente (Y) se efectiviza en un
lapso de tiempo, siendo este lapso el que se denomina rezago.
Frecuentemente se distingue 2 tipos de modelos:
- Modelo Autorregresivo: donde la variable a rezagar es la
variable endógena (dependiente), en la cual se realiza una
autorregresión sobre la misma variable; es decir, se realiza una
regresión sobre los valores que la variable endógena tomó en el
período o periodos anteriores.

𝑌𝑡 = 𝛼 + 𝛽1 𝑌𝑡−1 + 𝛽2 𝑋𝑖𝑡 + 𝜀𝑖
- Modelo de Rezagos Distribuidos: donde la variable a rezagar
es una variable explicativa exógena. Los rezagos distribuidos pueden
ser finitos o infinitos, de acuerdo a que se conozca el número exacto
de rezagos.
𝑌𝑡 = 𝛼 + 𝛽1𝑋𝑡 + 𝛽2 𝑋𝑡−1 + 𝜀𝑖
Supuestos estadísticos de un Modelo Econométrico
a) Supuesto de Heterocedasticidad: Es un supuesto muy

importante del modelo clásico de regresión lineal, donde se debe
aceptar que las perturbaciones (𝜇𝑖 ) son homocedásticas; es decir;
todas tienen la misma varianza.
Simbólicamente: 𝐸 (𝜇𝑖2 ) = 𝜎 2 𝑖 = 1,2, … , 𝑛

Hipótesis estadística: 𝐻0 : El modelo es homocedástico
𝐻1 : El modelo es heterocedástico
b) Supuesto de Autocorrelación: La autocorrelación se puede

definir como la “correlación entre miembros de series de
observaciones ordenadas en el tiempo o en el espacio”. En el
contexto de regresión, se debe suponer que no existe tal
autocorrelación en las perturbaciones (𝜇𝑖 ).
Simbólicamente: 𝐸(𝜇𝑖 𝜇𝑗 ) = 0
Hipótesis estadística: 𝐻0 : No hay autocorrelación en el modelo

𝐻1 : Si hay autocorrelación en el modelo
c) Supuesto de Normalidad: Se debe aceptar el supuesto que

las perturbaciones aleatorias (𝜇𝑖 ) están distribuidas normalmente.
Simbólicamente: 𝜇𝑖 ≈ 𝑁(0, 𝜎 2 )
Hipótesis estadística:
𝐻0 : Los errores se distribuyen normalmente
𝐻1 : Los errores no se distribuyen normalmente

1.6 JUSTIFICACIÓN DEL MODELO ECONOMÉTRICO

Dentro de los tipos de modelos más utilizados para explicar el impacto de
variables externas a los indicadores de gestión de un sistema financiero ya
sea éste bancario o de microfinanzas, tenemos que se han trabajado en
estructuras de bases de datos panel, ya que estos trabajos están
interesados en el impacto diferenciado en cada entidad que conforma el
sistema, entre ellos tenemos el trabajo realizado por Giovana Aguilar y
Camargo (2004) quienes utilizan modelos dinámicos sobre panel data con
mínimos cuadrados ordinarios, es decir que dentro de las variables
explicativas se encuentra la variable dependiente del mes anterior, ya que
el efecto de variables externas tal como el PBI puede tener rezagos al
momento de impactar en la variable dependiente.
Mientras que otros trabajos se enfocan en el impacto que podrían tener solo
variables macroeconómicas o externas al sistema financiero en estudio, tal
como, el trabajo de investigación realizado por José Salcedo Pérez (2012)
en cuyo estudio utiliza una estructura de panel data y un modelo de
corrección de error, con la finalidad de medir el impacto a corto y largo plazo
en la variable dependiente; en este trabajo también considera diferentes
rezagos dentro del modelo econométrico para explicar el tipo de impacto de
variables externas como el tipo de cambio, producto bruto interno o inflación
a las variables dependientes que miden la calidad de cartera.
En el presente trabajo se considera un modelo dinámico auto-regresivo y se

utiliza una estructura de base de datos tipo panel, en vista de que se
considera la información del sistema de Cajas en diferentes periodos, donde
la variable explicativa considera a la variable dependiente con un primer
rezago, así como otras variables explicativas.
1.7 RESULTADOS DE MODELO ECONOMÉTRICO

Según el análisis que se persiga, se puede utilizar series de tiempo es decir
analizar el comportamiento de una variable en el tiempo histórico, pero
también puede analizar el comportamiento de varias unidades de análisis,
como personas, empresas hogares, etc. Los datos de panel permiten al
investigador evaluar el comportamiento entre unidades de análisis y el
comportamiento de cada una de éstas en el tiempo. El principal objetivo de

utilizar este tipo de bases de datos es capturar la diferencia en

comportamiento de cada unidad de análisis en el tiempo (en el presente
informe de cada empresa financiera), dichas diferencias de comportamiento
no se podrían capturar con series de tiempo o con datos transversales, estas
diferencias de comportamiento de las diferentes instituciones financieras no
observables pueden ser atribuidas a la capacidad empresarial, eficiencia
operativa, diferencia en tecnología crediticia, etc. Por otro lado los efectos
temporales pueden ser aquellos que afectan a todos por igual, tal como la
ocurrencia de una desaceleración u depresión de la economía o efectos de
un Fenómeno del Niño.
Por otro lado la morosidad es una variable que presenta inercia en el tiempo,
es decir, que presenta pocas variaciones en el tiempo, por lo tanto, es ideal
emplear un modelo dinámico con rezagos de la variable dependiente para
modelar esta inercia, ésta metodología causa el problema de endogeneidad
y que podría causar problemas en generar parámetros sesgados e
inconsistentes, problema que se puede resolver testeando la no
autocorrelación o incluyendo variables instrumentales (variables que estén
correlacionadas con la dependiente pero no correlacionadas con las
explicativas).
El modelo estimado, para la presente investigación considera 05 variables

explicativas significativas, de las cuales 03 son variables microeconómicas,
la cual contempla a una variable dependiente rezagada en un periodo y 02
variables macroeconómicas. A continuación se presenta estadísticos
descriptivos de la base utilizada.
Estadísticos Descriptivos:
Como se puede ver en el siguiente cuadro, la variable dependiente muestra
inercia en el tiempo, es decir que las mayores variaciones ocurren en
periodos de tiempo prolongados.

Cuadro Nº 03
Principales estadísticos descriptivos de la variable endógena
Tasa de morosidad
Periodo Media Desv. Estándar
2011 7.39% 0.28%
2012 7.84% 0.36%
2013 6.72% 0.60%
2014 6.76% 0.40%
2011 – 2014 7.18% 0.63%
Fuente: http://www.sbs.gob.pe/ fecha: 09.12.14 Elaboración: Los autores.
Estimación del Modelo Econométrico:

A continuación se presenta la explicación de las variables
consideradas en el modelo que mejor explica el comportamiento de
la morosidad, la cual depende de las variables: Número de oficinas,
el nivel de liquidez, gastos operativos, el PBI y el nivel de morosidad
del mes anterior.
La expansión de mayores puntos de atención de una entidad

financiera a través de más oficinas, tiene un impacto inverso al
comportamiento de la morosidad, es decir a mayor implementación
de oficinas menor ratio de morosidad, este impacto aunque pequeño
(-0.1050%) podría estar influenciado por el rápido crecimiento de
colocaciones en nuevos mercados aún no bancarizados y por lo
tanto, al incrementar el denominador el ratio de morosidad
disminuye.
El nivel de liquidez que la entidad financiera maneja en un

determinado periodo de tiempo impacta al comportamiento de la
morosidad de manera positiva (0.00001%), es decir, cada vez que la
entidad financiera se enfrenta a una mayor liquidez en el sistema
financiero, la entidad asume que las otras entidades de la
competencia están flexibilizando las políticas de otorgamiento de
crédito y responde aumentando las colocaciones, incluso a clientes
con mayor riesgo, actitud que provoca aumento en los ratios de
morosidad.

Cada vez que los gastos operativos se incrementan los ratios de

morosidad disminuyen, por lo que el impacto de los gastos en la
morosidad es negativo (-0.000163%). Este impacto es explicado por
la estructura de gastos operativos de una entidad financiera los
cuales son intensivos en mano de obra (se necesita más personal
que otros factores productivos) en el proceso de otorgamiento y
recupero de créditos y que además la ejecución de éstos gastos se
ve reflejado en una disminución del ratio de morosidad.
El crecimiento y decrecimiento de la actividad económica está

relacionado inversamente con el ratio de morosidad (-5.63%). Cada
vez que la economía crece los productores y clientes de la institución
financiera tienen mayor demanda, invierten y tienen capacidad de
cubrir sus obligaciones financieras y por lo tanto el ratio de morosidad
disminuye.
La variable que captura la inercia en el tiempo de la variable

dependiente (ratio de morosidad) es el rezago de un mes de la
misma, la cual tiene un impacto positivo (56%), es decir el
comportamiento del ratio de morosidad es afectado positivamente
por el indicador que la entidad financiera alcance en el mes anterior.
Cuadro Nº 04
Descripción de variables y su relación con la morosidad
Tipo de Relación con la
Variable Descripción Impacto
Variable morosidad
Dependiente
RMORA(-1) Positiva 0.5657140
rezagada
Micro
GASTOSOPER Gastos Operativos Negativa -0.0000016
OFICINAS N° Oficinas Negativa -0.0010500
VPBI Variación del PBI Negativa -0.0563160
Macro Liquidez en el
LIQUIDEZSF Positiva 0.0000001
sistema financiero
Elaboración: Los autores.
El modelo estadístico se muestra a continuación:

Cuadro Nº 05
Modelo Dinámico Autorregresivo
Dependent Variable: RMORA

Method: Least Squares
Date: 07/15/15 Time: 23:52
Sample (adjusted): 2011M03 2014M12
Included observations: 46 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 0.076081 0.016183 4.701224 0.0000

RMORA(-1) 0.565714 0.101116 5.594678 0.0000
VPBI -0.056316 0.027943 -2.015388 0.0506
GASTOSOPER -1.63E-06 6.90E-07 -2.355242 0.0235
LIQUIDEZSF 1.20E-07 5.22E-08 2.295812 0.0270
OFICINAS -0.001050 0.000354 -2.961586 0.0051
R-squared 0.765318 Mean dependent var 0.071699

Adjusted R-squared 0.735983 S.D. dependent var 0.006517
S.E. of regression 0.003349 Akaike info criterion -8.439320
Sum squared resid 0.000449 Schwarz criterion -8.200801
Log likelihood 200.1044 Hannan-Quinn criter. -8.349969
F-statistic 26.08867 Durbin-Watson stat 1.876854
Prob(F-statistic) 0.000000
Fuente: Superintendencia de Banca y Seguros

Elaboración: Propia utilizando Eviews 6.0.
Resumen de las principales pruebas estadísticas del cuadro Nº 05:
- 𝑹𝟐 = 0.77, se puede afirmar que del 100% del comportamiento de la

variable endógena Ratio de Mora, el 77% es explicado por las variables
exógenas RMORA (Ratio de Mora) del mes anterior, VPBI (Variación
del PBI), GASTOSOPER (Gastos operativos), LIQUIDEZSF(Liquidez) y
OFICINAS (Número de oficinas).
- Prob(F-Statistic) = 0.000, dada la probabilidad del F-Estadístico para

este modelo es menor a 0.05 (95% de confianza), por lo tanto se puede
afirmar que todas las variables exógenas en su conjunto son

estadísticamente significativas. Cabe mencionar que todas las variables

explicativas son estadísticamente significativas de manera individual.
Estadístico Durbin-Watson = 1.88, dado que el estadístico de Durbin

Watson es cercano a 2, se puede afirmar que no existe autocorrelación
en los residuos en un primer orden.
Dado que el modelo considerado es autorregresivo se hace necesario

usar un test complementario para descartar los efectos de correlación
en el modelo, para ello se utilizó el test de correlación parcial que se
muestra a continuación, el mismo que arroja una probabilidad mayor a
0.05, por lo tanto se prueba que no hay problema de autocorrelación en
el modelo.
Gráfico Nº 13
Test de Correlación Parcial
Fuente: Superintendencia de Banca y Seguros

Evaluación de los supuestos estadísticos del Modelo
Supuesto de Homocedasticidad
El supuesto de homocedasticidad implica que la variación de los
residuos de la ecuación es uniforme y que por lo tanto los pronósticos

realizados son más confiables, este supuesto de prueba generalmente

con el test de White, que se muestra a continuación.
Cuadro Nº 06
Test de White para el supuesto de Heterocedasticidad
Heteroskedasticity Test: White
F-statistic 0.527938 Prob. F(20,25) 0.9257

Obs*R-squared 13.65916 Prob. Chi-Square(20) 0.8473
Scaled explained SS 10.32386 Prob. Chi-Square(20) 0.9619
Dado que la probabilidad del Test de White (0.9257) es mayor que

0.05 (95% de confianza), entonces se acepta la hipótesis nula que
afirma que el modelo es homocedástico y que por lo tanto los
pronósticos que resultan de la ecuación son confiables.
Supuesto de Autocorrelación
Si los residuos del modelo no se encuentran relacionados periodo a

periodo se puede garantizar que los estimadores que arroje el modelo
no son sesgados y según los siguientes test el modelo no tiene
problemas de autocorrelación.
Cuadro Nº 07
Test de Breusch-Godfrey para el supuesto de Autocorrelación
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.094448 Prob. F(2,38) 0.3450
Obs*R-squared 2.505398 Prob. Chi-Square(2) 0.2857
Dado que la probabilidad del Test de Breusch-Godfrey (Prob =0.345)

es mayor que 0.05 (95% de confianza), entonces se acepta la
hipótesis nula que afirma que no hay autocorrelación en el modelo.

Supuesto de Normalidad
Gráfico Nº 14
Test de Jarque-Bera para el Supuesto de Normalidad
Dado que la probabilidad del Test de Jarque-Bera (Prob = 0.57) es

mayor que 0.05 (95% de confianza), entonces aceptamos la
hipótesis nula que afirma que los errores se distribuyen
normalmente.
2. PRINCIPALES INDICADORES QUE IMPACTAN EN LA RENTABILIDAD
Entre los principales indicadores que impactan en la rentabilidad de las Cajas

Municipales tenemos:
 Ingresos Financieros.
 Gastos Financieros.
 Provisiones.
 Gastos Administrativos.
INGRESOS FINANCIEROS
Ingresos principalmente originados por los flujos generados por los créditos, estos
mostrarán mayor aporte a la utilidad cuando no se realicen excesivos descuentos
en las tasas activas (otorgamiento con tasas preferenciales) que propone la entidad
financiera en sus distintos tarifarios, un crecimiento continuo y diversificado en el
otorgamiento de créditos, así como una cartera crediticia saludable; asimismo
cuando haya una disminución en las colocaciones esto impactará directamente en
las utilidades de las Cajas Municipales.

GASTOS FINANCIEROS
Gastos generados por el costo del fondeo por las líneas de financiamiento, las
cuales cuanto más baratas genera mejor opción y mayor margen para la colocación
de créditos para las Cajas Municipales. Así también se considera la carga financiera
que generan las obligaciones con el público, los cuales se utilizan también como
fondeo para las operaciones que realiza la institución financiera, estos gastos
brindarán una mayor utilidad siempre y cuando sean captados a un bajo costo
financiero (tasa pasiva) y tengan una permanencia prolongada dentro de la
institución.
PROVISIONES
Es una reserva, que se registra en los Estados Financieros de la Entidad con el

objetivo de garantizar la existencia de recursos para afrontar posibles pérdidas
futuras, producto del incumplimiento de pago del deudor, cuanto mayor sean las
provisiones de las Cajas Municipales menores serán sus utilidades.
GASTOS ADMINISTRATIVOS
Compuesto principalmente por los pagos al personal institucional, este gasto

aportará una mayor utilidad toda vez que el personal aporte valor y consiga que sus
labores diarias fortalezcan los dos primeros puntos (ingresos y gastos financieros).
Cuadro Nº 08
Principales Indicadores de las Cajas Municipales
Prome dio Ca ja s
Indica dor Signo
Municipa le s
INGRESOS FINANCIEROS 1,459,414 (+)
GASTOS FINANCIEROS 323,639 (-)
MARGEN FINANCIERO BRUTO 1,135,775 (=)
PROVISIONES PARA CRÉDITOS DIRECTOS 219,282 (-)
MARGEN FINANCIERO NETO 916,494 (=)
INGRESOS POR SERVICIOS FINANCIEROS 52,681 (+)
GASTOS POR SERVICIOS FINANCIEROS 21,841 (-)
MARGEN OPERACIONAL 947,334 (=)
GASTOS ADMINISTRATIVOS 677,347 (-)
MARGEN OPERACIONAL NETO 269,986 (=)
PROVISIONES, DEPRECIACIÓN Y AMORTIZACIÓN 43,188 (-)
OTROS INGRESOS Y GASTOS 11,344 (+)
RESULTADO ANTES DEL IMPUESTO A LA RENTA 238,143 (=)
IMPUESTO A LA RENTA 71,617 (-)
RES ULTADO NETO DEL EJERCI CI O 166,525 (=)
Elaboración: Los autores.

3. ESTRATEGIAS PARA EL CONTROL DE LA MOROSIDAD
Dentro de las estrategias que se considera para el adecuado manejo de la calidad

de la cartera, las instituciones deben tener bien afianzado su gobierno corporativo,
entendido éste por el sistema por la cual, son dirigidos y controlados, que le permita
atraer y retener capital financiero y humano, funcionar eficientemente creando valor
económico. Con una buena estructura organizacional que permita establecer los
objetivos, los medios para alcanzarlos y la forma de hacer un seguimiento a su
desempeño.
Asimismo, la relevancia de tener actividades preventivas que permitan reconocer

aquellas carteras de créditos y operaciones que signifique un mayor riesgo de
crédito.
A continuación se detallan algunas de las principales estrategias a considerar:
 Determinar claramente el nivel de riesgo qué se está dispuesto a asumir, lo cual

debe ser congruente con las políticas de créditos y su nivel de apetito y
tolerancia al riesgo.
 Contar con políticas para la constitución de provisiones voluntarias, las cuales
se constituyan de manera preventiva, ya sea por la proyección de deterioro de
cartera y otros factores internos o externos que requieran de una mayor reserva
en provisiones.
 Categorización de clientes, para de acuerdo a ello, ofrecer distintas condiciones
de crédito en función de nuestros objetivos, que incluyan la diversificación
geográfica, pues los resultados muestran que la mayor concentración favorece
niveles de mora más altos.
 Contar con adecuados procesos de otorgamiento y aprobación de créditos, con
áreas específicas encargadas del seguimiento de créditos.
 Obtener información consistente y relevante sobre nuevos clientes, si bien
constituye un costo adicional, en muchas ocasiones, permitirá conocer el riesgo
de atenderlos.
 Contar con personal capacitado para evaluar el riesgo de fraude, con un equipo
para detectar los impagos fraudulentos lo antes posible. Este grupo de deudas
(las menos, pero las más significativas) requieren de un tratamiento especial,
para ello se debe contar con asesoría legal especializada.

IV. CONCLUSIONES
1. En el Perú, actualmente el sistema micro-financiero presenta gran

dinamismo e incremento del nivel de competencia, uno de los factores es el
ingreso de entidades bancarias (absorciones y fusiones), y a la percepción
respecto al clima de negocios, propicio para el desarrollo en el Perú; sin
embargo, en los últimos periodos, se han evidenciado tendencias negativas
respecto a indicadores de rentabilidad y calidad de la cartera de créditos,
especialmente en el sistema de Cajas Municipales.
2. Las causas del deterioro de la cartera de créditos en las Cajas Municipales,

reflejada mediante el indicador de morosidad y evaluada a través de un
análisis empírico con el modelo dinámico autoregresivo, refleja que la
calidad de la cartera (morosidad), está explicada por un conjunto de
variables de carácter macroeconómico y microeconómico, donde la
morosidad del mes anterior, la variación del PBI, la liquidez del sistema
financiero, los gastos operativos y el número de oficinas son las de mayor
relevancia. La relevancia global está corroborada con el coeficiente de
determinación significativo encontrado en el modelo:
Morosidadt = 0.076081 + 0.565714 Morosidadt−1 − 0.056316PBIt −
0.00000163 GastosOpert + 0.000000012 LiqSistFint − 0.001050 𝑂𝑓𝑖𝑐𝑖𝑛𝑎𝑠𝑡 .
Cabe mencionar que de las dos variables macroeconómicas como son PBI
y liquidez del sistema financiero, la actividad económica (PBI) es la que tiene
mayor impacto en el comportamiento del indicador de calidad de cartera.
3. Entre las estrategias para el control de la morosidad en las Cajas

Municipales, se debe contar con un adecuado gobierno corporativo y
estructura organizacional que no permita un crecimiento sin control del
riesgo de crédito, que cuenten con mecanismos y herramientas avanzados,
que les permita identificar y categorizar a sus clientes, así como también
cuenten con áreas de seguimiento y control, que les permita gestionar el
nivel de provisiones que afectan la rentabilidad de las instituciones y de ser
necesario constituir provisiones voluntarias que permitan mitigar cualquier
situación que pueda afectar los resultados de la empresa.

V. RECOMENDACIONES
1. Las Cajas Municipales de Ahorro y Crédito intensifiquen el monitoreo de los

movimientos de la economía regional y nacional, reflejados en la evolución
del producto bruto interno, así como en las variables de carácter
microeconómico que afectan los niveles de morosidad de la cartera de
créditos de las Cajas Municipales. Para el caso específico del PBI a fin de
un monitoreo de esta variable contar con proyecciones de estrés bajo
escenarios: de crecimiento y decrecimiento del PBI.
2. Las Cajas Municipales de Ahorro y Crédito deben afianzar su gobierno

corporativo, asimismo incorporar mecanismos y herramientas de
seguimiento y control de sus carteras de créditos, a fin de identificar de
manera preventiva los posibles clientes “no pago”, y aplicar estrategias
específicas de recuperación de cartera, en especial a los tipos de créditos
pequeñas empresas, ya que éstos presentan el mayor porcentaje de
morosidad a nivel del sistema de Caja Municipales.
3. Se recomienda nuevas investigaciones que incorporen variables

relacionadas con el capital humano, tales como rotación de personal, clima
organizacional y laboral, así como variables cualitativas respecto a las
políticas y gestión de la alta gerencia.

VI. FUENTES DE REFERENCIA
1. Referencia Bibliográficas
a) María Alejandra Ayala, Rafael Eduardo Borges, Gerardo Colmenares,
Revista Colombiana de Estadística Volumen 30 No. 1. pp. 97 a 113. Junio
2007, Análisis de supervivencia aplicado a la banca comercial
venezolana, 1996 – 2004.
b) Pere Brachfield, La lucha contra la morosidad, 2000.
c) Pere Brachfield, Recobrar Impagados y Negociar con Morosos, 2000.
d) Giovanna Aguilar Andía Gonzalo Camargo Cárdenas, Análisis de la
Morosidad de las Instituciones Microfinancieras (IMF) en el Perú, Enero
2003.
e) Giovanna Aguilar, Gonzalo Camargo, Rosa Morales Saravia, Análisis de
la Morosidad en el Sistema Bancario Peruano Informe final de
investigación, Octubre 2004.
f) Alan Elizondo, Medición Integral del Riesgo de Crédito, 2004.
g) Giovanna Aguilar, Gonzalo Camargo y Rosa Morales – IEP, Análisis de
la morosidad en el sistema bancario peruano, Diciembre 2006.
h) Oscar A. Díaz Quevedo, Determinantes del ratio de morosidad en el
sistema financiero boliviano.
i) Lindon Vela Meléndez, Javier Uriol Chávez, Medina Paima Oswaldo Max,
Palacios Carrasco Francisco y Pintado Velasco, Elqui Leider. Los
factores que determinan la calidad de la cartera crediticia de las entidades
microfinancieras de la Amazonía peruana en el periodo 2008-2011, 2012.
j) Pere Brachfield, Gestión del Crédito y Cobro, 2009.
k) Management Solutions – España, Análisis de la morosidad en base a
factores macroeconómicos, 2009.
l) Rodolfo Cermeño, Janina León Castillo y Gloria Mantilla Varas,
Determinantes de la morosidad: Un estudio panel para el caso de las
Cajas Municipales de ahorro y crédito del Perú, 2003-2010, Noviembre
2011.
m) Carlos Aparicio y Hesione Moreno, SUPERINTENDENCIA DE BANCA,
SEGUROS Y ADMINISTRADORAS PRIVADAS DE FONDOS DE
PENSIONES (SBS), Calidad de la cartera crediticia bancaria y el ciclo
económico: una mirada al gasto en provisiones bancarias en el Perú
(2001-2011), Diciembre, 2011.

n) Fernando Tenjo Galarza, Coyuntura de la Cartera de Crédito en

Colombia, XII Congreso de Riesgo Financiero Asobancaria Cartagena
Mayo 2013.
o) Eduardo Ascanio Álvarez Alburqueque, Análisis de la morosidad de las
instituciones microfinancieras en el Perú.

Paredes León Miriam - Ugarte Vargas Silvia

Cargado por

Copyright:

Formatos disponibles

Paredes León Miriam - Ugarte Vargas Silvia

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Paredes León Miriam - Ugarte Vargas Silvia

Cargado por

Copyright:

Formatos disponibles

ESCUELA DE POSGRADO

FACTORES QUE INFLUYEN EN EL NIVEL DE MOROSIDAD DE LA

Tesis para optar el grado MAGISTER en:

A Dios y a nuestras familias por su comprensión,

Paredes León, M; Ugarte Vargas, S Pág. 2

A nuestros profesores y compañeros

Paredes León, M; Ugarte Vargas, S Pág. 3

Esto se considera importante, en vista de que los indicadores de calidad de cartera

Paredes León, M; Ugarte Vargas, S Pág. 4

Paredes León, M; Ugarte Vargas, S Pág. 5

II. MARCO TEÓRICO…………………………………………………………………………20

VI. FUENTES DE REFERENCIA…………………………………………………….…….60

Paredes León, M; Ugarte Vargas, S Pág. 6

ÍNDICE DE GRAFICOS Y FIGURAS

1. Gráfico N°01: Evolución del N° de Clientes y Cartera…………………………..…..10

2. Gráfico N°02: Impacto de la Morosidad en la Rentabilidad de las CMAC´s...…....11

3. Gráfico N°03: Utilidad sobre Ingresos Financieros (%) Anual.………………….....12

4. Gráfico N°04: Porcentaje de Provisiones respecto a la Cartera……………….…..12

5. Gráfico N°05: Crecimiento y Morosidad del Sistema de Cajas Municipales…..….13

6. Gráfico N°06: Ratio de Mora en Cajas Municipales….……………………............. 13

7. Gráfico N°07: Porcentaje de Morosidad según Tipo de Crédito de las Cajas

8. Gráfico N°08: Participación y Ratio de Mora – Cajas Municipales………..…….....15

9. Gráfico N°09: Morosidad Real del Sistema de Cajas Municipales………….….….16

10. Gráfico N°10: Principios Básicos de las Cajas Municipales……….………..……...29

11. Gráfico N°11: Evolución de las Cajas Municipales de Ahorro y Crédito…………..31

12. Gráfico N°12: Crecimiento del PBI – Mora del Sistema……………….……………38

13. Gráfico N°13: Test de Correlación Parcial…………………………………………....53

14. Gráfico N°14: Test de Jarque - Bera para el supuesto de Normalidad……….…...55

Paredes León, M; Ugarte Vargas, S Pág. 7

1. Cuadro N°01: Ratios de Morosidad según días de incumplimiento del Sistema de

2. Cuadro N°02: Descripción de variables utilizadas y fuentes de información …….42

3. Cuadro N°03: Principales estadísticos descriptivos de la variable endógena – tasa

4. Cuadro N°04: Descripción de variables y su relación con la morosidad……….... 51

5. Cuadro N°05: Modelo Dinámico Autorregresivo…….….…………………………... 52

6. Cuadro N°06: Test de White para el supuesto de Heterocedasticidad……………54

7. Cuadro N°07: Test de Breusch – Godfrey para el supuesto de Autocorrelación...54

8. Cuadro N°08: Principales Indicadores de las Cajas Municipales……………….....56

Paredes León, M; Ugarte Vargas, S Pág. 8

En los últimos años, la economía peruana venía experimentando un crecimiento

El Sistema Financiero Peruano está conformado por Bancos, Financieras, Cajas

Desde la creación de la primera Caja Municipal de Ahorro y Crédito en 1982, el

Paredes León, M; Ugarte Vargas, S Pág. 9

Una de las actividades que ha venido potenciándose en estas instituciones es el

Fuente: http://www.sbs.gob.pe / Elaboración: Los autores.

Paredes León, M; Ugarte Vargas, S Pág. 10

Fuente: http://www.sbs.gob.pe / Elaboración: Los autores.

Paredes León, M; Ugarte Vargas, S Pág. 11

En el siguiente gráfico se muestra la evolución del margen de utilidad de las Cajas

Fuente: http://www.sbs.gob.pe / Elaboración: Los autores.

Si se evalúa el porcentaje de provisiones mensuales respecto a sus respectivas

Fuente: http://www.sbs.gob.pe / Elaboración: Los autores.

Paredes León, M; Ugarte Vargas, S Pág. 12

Fuente: http://www.sbs.gob.pe / Elaboración: Los autores.

El gráfico Nº 05 muestra al cierre del mes de diciembre 2014 los niveles de

Fuente: http://www.sbs.gob.pe /elaboración: Los autores.

Paredes León, M; Ugarte Vargas, S Pág. 13

Fuente: http://www.sbs.gob.pe /elaboración: Los autores.

En el siguiente gráfico se muestra los niveles de participación y niveles de

Paredes León, M; Ugarte Vargas, S Pág. 14