Factores
que influyen en la oferta de créditos bancarios en México: un análisis en el
contexto de las crisis de 2000 a 2021
Factors influencing the supply of bank loans in
Mexico: an analysis in the context of the 2000 to 2021 crises
José
Antonio Morales Castro
Instituto
Politécnico Nacional
jmorales
at ipn.mx
Patricia
Margarita Espinosa Jiménez
Universidad
Nacional Autónoma de México
patyalda
at comunidad.unam.mx
Recibido:
23 de Noviembre de 2022
Aceptado:
9 de Enero de 2023
RESUMEN
Propósito:
Se estudia la influencia de las variables fundamentales y macroeconómicas en la
oferta de créditos bancarios en México entre 2001 y 2021.
Diseño/Metodología:
Mediante regresiones múltiples se analizó el impacto de variables específicas
de los bancos y macroeconómicas en la oferta de créditos bancarios. Y mediante
un análisis de varianza (ANOVA) se evalúa la significancia estadística de las
diferencias de la oferta de créditos en los diferentes ciclos económicos.
Resultados:
Fueron significativas seis variables específicas de los bancos y tres macroeconómicas
en la oferta de los créditos. Y se observó que aumentaron los créditos en los
periodos de crisis.
Implicaciones:
Estos resultados tienen implicaciones en la administración de los bancos y en
el diseño de políticas públicas para incentivar el otorgamiento de créditos.
Originalidad:
Estudia el impacto de variables fundamentales y las macroeconómicas en la
oferta de créditos bancarios en los periodos de crisis versus auge económico, contribuyendo
con un estudio empírico de las variables que impactan la oferta de créditos,
siendo un tema escasamente estudiado en el contexto mexicano.
ABSTRACT
Purpose: To study the influence of fundamental and
macroeconomic variables on the supply of bank loans in Mexico between 2001 and
2021.
Design/Methodology: Multiple regressions were used to
analyze the impact of bank-specific and macroeconomic variables on the supply
of bank loans. An analysis of variance (ANOVA) was used to evaluate the
statistical significance of the differences in the supply of credit in the
different economic cycles.
Results: Three bank-specific and six macroeconomic
variables were significant in the supply of loans. And it was observed that
credits increased in crisis periods.
Implications: These results have implications for bank
management and the design of public policies to encourage lending.
Originality: It studies the impact of fundamental and
macroeconomic variables on the supply of bank loans in periods of crisis versus
economic boom, contributing to an empirical study of the variables that impact
the supply of loans. This topic has been scarcely studied in the Mexican
context.
Keywords: bank loans; economic cycles; financial
indicators; macroeconomic variables.
Palabras
clave: préstamos bancarios; ciclos económicos; indicadores financieros;
variables macroeconómicas.
INTRODUCCIÓN
A
medida que los negocios crecen, necesitan capital para financiar sus operaciones
y adquirir maquinaria y equipos que amplíen su capacidad de producción. A
algunas empresas les resulta difícil obtener recursos por aportación de los
socios, por lo que recurren a financiarse a través de créditos bancarios, como
una alternativa de financiamiento. También las familias con escasos ingresos requieren
financiamiento bancario para reunir los recursos monetarios suficientes que les
permita adquirir la canasta básica de alimentos, y en algunos casos bienes
duraderos, entre ellos línea blanca, muebles y vehículos, por mencionar algunas
de las mercancías que adquieren con los créditos bancarios. El gobierno también
utiliza los créditos bancarios cuando sus ingresos son insuficientes para cubrir
el gasto público.
De
manera que para los diferentes agentes económicos (empresas, familias y
gobiernos) adquiere importancia la disponibilidad de suficientes créditos
bancarios, ya que cuando son insuficientes estos, se contrae el consumo y el
crecimiento de las empresas, y en consecuencia el crecimiento económico del
país. La literatura ha demostrado que la disponibilidad del crédito bancario
desempeña un papel crucial en el impulso del crecimiento económico, especialmente
en los países emergentes (Imrán y Nishat, 2013).
Durante
las crisis económicas se contrae la oferta de créditos y aumenta la dificultad
de recuperar estos, haciendo que las empresas se endeuden con costos más
elevados, por lo que es de esperar una relación negativa entre el de crédito y
el crecimiento económico (Mileris, 2012). Por su parte Cortes, Silva y Van
(2019) ofrecen pruebas empíricas de que los shocks de crédito bancario afectan
negativamente las operaciones de las empresas por el contagio de la falta
liquidez de los clientes y de los proveedores para saldar sus créditos.
Asumiendo
la importancia que tiene la disponibilidad de crédito bancario como fuente de
financiamiento para incrementar la inversión de capital y el consumo de la
sociedad en general, investigar las variables que pueden influir en esta
oferta, ayuda a comprender la relación del crédito bancario con el crecimiento
económico del país, y en el contexto actual cobra importancia para recuperar la
economía de los estragos del COVID-19.
Para
que los bancos incrementen la oferta de créditos, según la literatura dependen
del contexto en el cual realizan sus operaciones, mismo que está delimitado por
las variables macroeconómicas, y la necesidad de financiamiento de los
diferentes agentes económicos. Sin embargo, los estudios que refiere la
literatura sobre las variables que afectan la oferta de créditos señalan que el
efecto de cada variable puede diferir conforme al ambiente macroeconómico, el
país y las políticas públicas financieras.
El objetivo
principal de este artículo es estudiar las variables que influyen en la oferta
de los créditos de los bancos en México y como objetivo secundario describir la
evolución de las operaciones de crédito. Conforme a estos, en primer término, se
explora la cartera de créditos de la banca en México por tipo de préstamo -
comerciales, de consumo y de vivienda- de los bancos denominados G-7,
considerada como la banca comercial que abarca más del 70% del mercado nacional,
mediante un análisis ANOVA para identificar si existe diferencia estadística en
los créditos bancarios ofrecidos en los periodos de crisis versus los periodos
de recuperación económica. En segundo término, se analizan las variables
macroeconómicas y específicas de los bancos que inciden en la oferta de
créditos a través de una regresión múltiple. Para lo cual se plantean dos
hipótesis: 1) la oferta de créditos bancarios aumenta durante los periodos de
auge económico, y 2) son más la cantidad de variables específicas de los bancos
que las variables macroeconómicas las que influyen en la oferta de los créditos
bancarios.
Los
resultados de esta investigación pueden ser útiles para el diseño de políticas
públicas que incentiven a los bancos a incrementar la oferta de créditos, los
cuales pueden ayudar en la formación de capital a las empresas y a su vez fomentar
el crecimiento económico del país. También para los banqueros para identificar las
áreas que deben mejorar con finalidad de aumentar el financiamiento a los
agentes económicos y que simultáneamente se refleje en beneficios para las
instituciones financieras.
Este
artículo se organiza de la siguiente manera: primero se presenta la revisión de
la literatura sobre los estudios que han evaluado las variables que afectan la
oferta de los créditos bancarios. En el segundo apartado se presenta el modelo
econométrico de regresión múltiple con la descripción de las variables
seleccionadas. En el tercer apartado se presentan los resultados y su análisis.
Finalmente, se exponen las conclusiones del trabajo con las observaciones
finales.
REVISIÓN
DE LA LITERATURA
En
términos generales, el sistema financiero conformado por la banca y las
instituciones auxiliares de crédito (arrendadoras, factoraje, almacenes de
depósito y casas de cambio) tienen un papel central en los procesos de
producción empresarial y en el financiamiento al consumo de las familias, en el
caso de México siete bancos denominados el G-7 atienden más del 70% del total
de los servicios financieros. Schumpeter (1967) propuso una teoría del crédito
y del funcionamiento bancario, en el que argumenta que los créditos bancarios
deberían destinarse a financiar nuevas inversiones, de manera que contribuyan
al crecimiento económico. Explica que cuando el empresario necesita crédito, si
es que ha de producir, y ese poder de compra no le llega en forma automática,
se ve obligado a obtenerlo en préstamo. Levy y Bustamante (2019) consideran que
el sistema bancario tiene la capacidad de crear liquidez de la nada (ex–nihilo)
por la cual perciben intereses, resaltando que la oferta crediticia se crea
como resultado de la demanda de créditos solventes, que se destinan al pago de
salarios, mientras los bienes intermedios se financian con deudas
intra-capitalistas. Por lo que la solvencia de los usuarios de los créditos es
fundamental para que los bancos prestan.
Además,
los bancos evalúan que los créditos otorgados produzcan ganancias; que los
niveles de morosidad no generen pérdidas mayores en los beneficios obtenidos
conforme aumenta la cantidad de préstamos otorgados; que el nivel de los gastos
de operación sea inferior a los ingresos que producen la expansión de ofrecer
mayor cantidad de créditos. De manera que sólo así están dispuestos a aumentar
los créditos otorgados. Todos estos factores constituyen el análisis
fundamental de las variables internas de los bancos.
De
manera que en la oferta de créditos depende por una parte los factores
macroeconómicos (tasa de interés, Producto Interno Bruto, tasa de inflación), y
por la otra parte los indicadores internos de los bancos. En ese sentido
existen estudios empíricos que han analizado los distintos factores que
influyen en la oferta de créditos. Al respecto Larrain (1980), estudió la
relación entre la oferta de créditos bancarios en Chile y su relación con los
encajes excedentes en el periodo de 1976 a 1978. Explica que los bancos
comerciales, siguiendo un enfoque maximizador, no presta en forma de créditos
la totalidad de su capacidad prestable, sino que mantienen encajes cuyo monto
puede diferir los requerimientos legales. La liberalización de las tasas de
interés y la disminución de la participación estatal en la propiedad de los
bancos fueron medidas que hicieron posible el desarrollo de un sector
financiero que era prácticamente inexistente a causa de múltiples distorsiones
y del contexto general de la economía.
En
Venezuela, Vera (2003) mediante pruebas de cointegración demuestra la
existencia de un vector de cointegración entre el crédito bancario, el índice
de ventas, la tasa de interés nominal, el margen de precio-costo y el tipo de
cambio, para el periodo de 1986 a 2000. Sus hallazgos demostraron que la caída
del crédito bancario puede explicarse por efectos individuales o combinados de
una disminución de la actividad económica, de alzas de tasas de interés nominal
del crédito, la caída en el margen precio-costo y la apreciación del tipo de
cambio real.
Flórez,
Posada y Escobar (2004) ofrecen pruebas econométricas que existe una relación
de equilibrio entre depósitos, crédito y tasa de interés activa con datos de 1990
a 2004. De acuerdo con los resultados de su modelo consideran que la caída del
crédito entre 1990 y 2003 no puede considerarse como un cambio estructural,
sino más bien, se puede entender como un proceso iniciado por un fuerte shock
negativo con un retorno lento al equilibrio.
Por su parte, Guo y Stepanyan (2011) estudiaron los cambios en el
crédito bancario en un grupo de economías de mercados emergentes integrado por
38 países durante la década de 2001 a 2010, sus resultados indican que un
crecimiento económico más fuerte conduce a un mayor crecimiento del crédito, y
la alta inflación, si bien aumenta el crédito nominal, es perjudicial para el
crecimiento del crédito real. También
encontraron que las condiciones monetarias laxas, ya sean nacionales o globales,
repercuten en más créditos, y que la salud del sector bancario también afecta
la oferta de créditos.
En
un estudio que abarcó varios países, Rubaszek y Serwa (2012) analizaron una
muestra de 35 países de OECD, incluyendo EUA, para un periodo de 1995 a 2009 y
aplicaron un modelo de ciclo de vida considerando la incertidumbre de ingresos
individuales para investigar los determinantes del crédito bancario a los
hogares en términos de PIB. Sus resultados muestran que la cantidad de créditos
dependen de cuatro elementos: el diferencial de la tasa de interés
préstamo-depósito, la incertidumbre del ingreso individual, la persistencia de
la productividad individual y la generosidad del sistema de pensiones. Para
Pakistán, Imran y Nishat (2013) encontraron que para los bancos comerciales
entre 1971 y 2010, los factores que explican el crédito bancario destinado a
las empresas son los pasivos externos, los depósitos internos, el crecimiento
económico, el tipo de cambio y las condiciones monetarias que están asociadas
significativamente con el crédito bancario. También se infiere que la liquidez
y salud financiera de los bancos desempeña un papel significativo y vital en la
determinación del préstamo. Mientras que la inflación y el tipo de mercado
monetario no lo afectan.
Gerti
y Irini (2013) identificaron los determinantes a largo plazo del crédito
bancario destinado a las empresas en el caso de Albania, para el periodo de
2001 a 2011. Los resultados implican que los préstamos están vinculados
positivamente al crecimiento económico, además la intermediación bancaria y
financiera, así como la liberación financiera estimulan una mayor demanda de
préstamos. El menor costo de los préstamos, la disminución del endeudamiento
interno del gobierno y un crédito más cualitativo crearía nuevos incentivos
crediticios.
En
el continente africano, Assefa (2014) evaluó el efecto de las variables
específicas de los bancos de Etiopía, la política monetaria y macroeconómica
sobre el crédito bancario al sector privado entre 1978 y 2010. Los resultados
indican que los depósitos nacionales, los pasivos extranjeros, el tipo de
interés real de los préstamos, M2 como porcentaje del PNB, el PIB y la
inflación tienen un impacto significativo en el crédito de los bancos al sector
privado a largo plazo. Mientras que el requisito de reserva no afecta al
crédito de los bancos comerciales al sector privado tanto a largo como a corto
plazo. Por su parte, Nanpewo, Ainomugisha, Roy y Wilson (2016) estudian el
efecto del incremento del dinero móvil en la oferta de crédito bancario
dirigido al sector privado en Uganda en el periodo de 2009 a 2016. Los
resultados arrojan que existe una relación estacionaria a largo plazo entre los
saldos del dinero móvil, las tasas de interés y la inflación con el crédito
bancario. Estos resultados respaldan la suposición teórica de que el dinero
móvil aumenta los depósitos bancarios, y, por lo tanto, los fondos prestables.
Baoko,
Attah y Ibrahim (2017) mediante el análisis de retraso distribuido auto
regresivo examinaron los factores relevantes que influyen en la asignación de
crédito bancario al sector privado en la economía de Ghana para el periodo de
1970 a 2011. Los resultados muestran que la oferta monetaria, los activos
bancarios, la tasa real de préstamos y los depósitos bancarios son
determinantes significativos del crédito bancario tanto a corto como a largo plazo.
La inflación tiene un impacto positivo y significativo a corto plazo. Estos
hallazgos muestran la necesidad de reducir el endeudamiento interno del
gobierno, reducir el costo de los préstamos y reducir los requisitos de reserva
del banco central para los bancos comerciales en Ghana para estimular la
demanda de préstamos y crédito. Funyina (2020) mediante un enfoque de panel de
efectos fijos y datos a nivel de bancos de Zambia entre 2008 y 2017 ofrecen
evidencias que las variables específicas de los bancos (retraso del crédito
bancario, capitalización, razón de morosidad, razón de liquidez, inversión en
valores, reservas en efecto, financiación extranjera, depósitos nacionales y
tamaño del banco) y variables macroeconómicas (tasa de interés, deuda pública,
inflación y crecimiento de PIB) afectan significativamente el crédito bancario
al sector privado. La tasa de morosidad es la que más restringe el crédito
bancario.
En
América, Morais, Peydró, Roldán y Ruiz (2017) ofrecen evidencias de que un
relajamiento en la política monetaria en el exterior aumenta la oferta de
créditos por parte los bancos extranjeros a las empresas mexicanas en el
periodo de 2009 a 2016. Es decir, la política monetaria de Estados Unidos, el
Reino Unido y la zona euro afecta principalmente a la oferta de crédito a las
empresas mexicanas a través de Estados Unidos y el Reino Unido y bancos de la
zona euro en México, respectivamente, considerando que son varios los bancos
europeos que desarrollan actividades de intermediación financiera en México.
En
Asía, Farika, Azam y Johan (2018) como resultado de un análisis de los bancos
de Indonesia entre 2008 y 2016 se encontró que la tasa de interés de los
certificados del banco de Indonesia y la oferta monetaria son las variables
macroeconómicas que más influyen en la oferta de créditos bancarios y el
coeficiente de rendimiento de capital como factor interno. Por su parte, Aisyah,
Mulyaningsih y Cahyadin (2019) encontraron que los determinantes de la oferta y
de la demanda de crédito de los bancos convencionales en Indonesia entre 2005 y
2014, están influenciados por los rendimientos de los bonos y del certificado
del Banco de Indonesia. También se revela que la regulación prudencial ha
disminuido la capacidad de los bancos para suministrar préstamos.
Cortes,
Silva y Van (2019) proporcionan evidencia a nivel de empresa de la trasmisión y
propagación de los shocks de crédito bancario en la red de producción de las
empresas, en los que muestran que las empresas que hacen negocios con otras
empresas afectadas en la economía son impactadas negativamente por los shocks
de crédito bancario indirectamente a través de los vínculos con clientes y
proveedores. Ante esta situación, los bancos estatales expanden su liquidez
para financiar a las empresas mediante créditos en estas crisis. Sin embargo,
estos autores sugieren que la relajación de las restricciones crediticias en
tiempos de crisis a través de los bancos públicos puede ayudar a las empresas a
mantener los calendarios de producción, los pagos a los proveedores, el empleo
y las facturas salariales. Pero estas intervenciones también tienen
inconvenientes, como la concentración persistente de la cuota de mercado y la
posible mala asignación de recursos. Es importante tener en cuenta los costos y
beneficios de las intervenciones a gran escala en el sector bancario a la hora
de abordar futuros episodios de crisis financieras.
En
América Latina, Gomes, Silva y Vasconcelos (2020) analizaron los determinantes
del crédito bancario en la región sur (Argentina, Bolivia, Brasil, Chile,
Colombia, Ecuador, Paraguay, Perú, Uruguay y Venezuela), con base en datos en
panel, para el período de 2000 a 2016. Los resultados muestran que los
depósitos domésticos y las obligaciones con los no residentes contribuyen
positivamente al crecimiento del crédito privado. El crecimiento económico
eleva la demanda de crédito y tiene como consecuencia el aumento del volumen de
crédito, mientras que mayores tasas de interés, doméstica y norteamericana,
reducen el crecimiento del crédito. La inflación también afecta de forma
negativa al crédito del sector privado. Además, en cuanto a la composición del
crédito, los depósitos domésticos y el crecimiento económico son los
principales componentes de la expansión del crédito. Por su parte Zeidan (2020)
señala que el crédito bancario se ha duplicado en Brasil en los últimos 20
años, lo cual se explica porque desde 2017, el Banco Central ha suavizado un
poco la normativa para las nuevas empresas de crédito. Sin embargo, el papel de
la microestructura del mercado, los costos operativos, el riesgo de crédito,
los costos de
oportunidad, los intereses y la concentración del mercado influyen directamente
en la oferta de los créditos bancarios.
Cristi
y Toro (2021) explican que el crecimiento del crédito comercial bancario en
Chile durante el estallido social y la pandemia de COVID-19 tuvo un
comportamiento contra-cíclico mostrando un crecimiento sostenido durante gran
parte de 2020. Y se explica por las necesidades de capital de trabajo y los
programas implementados para ofrecer financiamiento a las empresas. Además, se
observó que las empresas pequeñas y medianas usaron más crédito bancario que
las empresas grandes.
Dharmadasa
(2021) mediante una prueba de cointegración para datos de bancos comerciales en
Sri Lanka entre 2008 y 2019, sus resultados ofrecen evidencias de que el
crecimiento de la oferta monetaria, el índice de morosidad, la tasa de
préstamos, la inflación y el índice de eficiencia tienen un fuerte vínculo con
el crecimiento del crédito en comparación con otras variables específicas de
los bancos, y por lo tanto pueden considerarse como determinantes a largo plazo
del crecimiento del crédito bancario. Este estudio arroja luz para que futuros
investigadores lleven a cabo un análisis específico de cada banco a este
respecto que ayude a identificar los determinantes de nivel micro del
crecimiento del crédito del sector bancario.
En
resumen, se puede ver que los diferentes estudios exponen múltiples factores
económicos, entre los que sobresalen algunos indicadores, entre ellos la tasa
de interés y el crecimiento de la economía, sin embargo, no todos influyen en
el mismo sentido para todos los países.
Por la parte interna de los bancos, la oferta de créditos principalmente
está determinada por la cantidad de recursos disponibles para prestar y por el
tamaño del banco.
METODOLOGÍA
DE LA INVESTIGACIÓN
Se
propone un regresión múltiple con variables dicotómicas puede evaluar el efecto
de cada una de las crisis en la oferta de créditos. Así también, se considera
conveniente separar los análisis, primero, mediante un análisis de varianza y
el estadístico Kruskal-Wallis se estudia la evolución de la oferta de créditos;
y después, mediante una regresión múltiple se analizan los factores que
influyen en los créditos bancarios.
Evolución
de la oferta de créditos
El análisis
de varianza (ANOVA) compara los cambios en la cantidad de créditos otorgados
por la banca en tres de sus modalidades: créditos comerciales, créditos de
consumo y créditos de vivienda en las etapas de crisis y auges económicos del
periodo de 2001 a 2021, mediante el modelo:
Donde
la variable dependiente y es métrica, en este caso la cantidad de los créditos
otorgados por los bancos denominados G-7, para las modalidades de créditos
comerciales, consumo y de vivienda; y las variables independientes
·
Crisis asiática 1q2001 a 4q2001
·
Auge 1q2002 a 4q2007
·
Crisis Subprime 1q2008 a 4q2009
·
Crisis deuda eurozona 1q2010 a 4q2012
·
Auge 1q2013 a 4q2019
·
Crisis
COVID-19 1q2020 a 3q2021
El
ANOVA es un caso particular del modelo de regresión múltiple según Pérez (2004).
Los datos relacionados con la cartera de créditos se obtuvieron de la Comisión
Nacional Bancaria y de Valores (2022) por el periodo del primer trimestre de
2001 al 3er trimestre de 2021, y el PIB del Banco de México (2022), con los
cuales se determinó la participación de los créditos comerciales, de consumo y
de vivienda en términos de PIB, de la siguiente manera:
Se
plantea como hipótesis estadísticas:
Donde
La H
de Kruskal-Wallis (1952) se basa en rangos para determinar la existencia de diferencias
estadísticamente significativas entre dos o más grupos (ciclos económicos) de
una variable independiente (créditos), mediante:
Donde
FACTORES
QUE INFLUYEN EN LA OFERTA DE CRÉDITOS
Para
estudiar el efecto de los factores que influyen en la oferta de los créditos
bancarios, se obtuvieron los estados financieros de los bancos que conforman el
G-7 de la Comisión Nacional Bancaria y de Valores (2021) y de la base de datos
de ECONOMATICA (2022) con los cuales se calcularon ocho variables específicas
de cada banco, del Banco de México (2022), del Instituto Nacional de
Estadística y Geografía (INEGI, 2022) y del Diario Oficial de la Federación de diferentes
años (DOF), se obtuvieron datos de nueve variables macroeconómicas, la
descripción de todas estas variables se presenta en la tabla 1.
Las
variables seleccionadas se han utilizado en la literatura como las principales
que influyen en la oferta de los créditos bancarios, en estudios como los de Guo
y Stepanyan (2011), Baoko, Attah y Ibrahim (2017), Gomes, Silva y Vasconcelos
(2020), Funyina (2020), Dharmadasa (2021) y Cristi y Toro (2021), entre otros. El
análisis se desarrolló a través de una regresión múltiple por mínimos cuadrado,
de la siguiente manera:
|
|
(5) |
|
|
|
Donde
Tabla
1. Variables del modelo de regresión.
|
Variable |
Fórmula |
Descripción |
|
Cartera de créditos* |
|
Créditos otorgados por el banco en veces de PIB |
|
ROA |
|
Rendimiento
de los activos del banco |
|
ROE |
|
Rendimiento de la aportación de los socios |
|
IMOR |
|
Cuantifica
la proporción de créditos no pagados del total de la cartera |
|
TAM |
Ln (Activos) |
TAM: tamaño del banco, medido por el logaritmo natural
de los activos. |
|
CREVAT |
|
Cartera
de créditos vencidos a activo total. Mide la proporción de los créditos
morosos con relación al activo total. |
|
CARTACTV |
|
Cartera crédito total a activo total. Cuantifica la
inversión de los bancos en créditos otorgados. |
|
LIQUIDEZ |
|
Mide
la capacidad para satisfacer los requerimientos de efectivo de los
depositantes. |
|
FONDEO |
|
El fondeo de la cartera de créditos de los bancos
muestra el porcentaje en que ha sido financiada la cartera de créditos con la
captación total. |
|
SAL |
Salario
Mínimo Mensual |
Mayor
salario, aumenta la posibilidad de obtener crédito bancario. |
|
DES |
|
Dificulta la obtención y el pago del crédito. |
|
INT |
Tasa
de CETES 91 días |
Interés
de Certificados de la Tesorería de la Federación, y afecta las tasas de
interés cobradas en los créditos bancarios |
|
PIB |
Producto Interno Bruto |
El aumento del PIB aumenta la posibilidad de solicitar
créditos a los bancos para sostener las actividades empresariales |
|
INF |
Incremento
de precios |
INF:
inflación. |
|
DÓLAR |
Precio del dólar de EUA |
Valor del dólar de EUA en moneda nacional (pesos
mexicanos). |
|
CAT |
Costo
Anual Total |
Mide
el costo de los créditos, incluye la tasa de interés nominal, más todos los
cargos, comisiones, primas de seguros, bonificaciones y descuentos. |
|
SOLVPOB |
Solvencia población |
Expresa la capacidad de pago de la población, medida en
más de tres salarios mínimos percibidos como ingresos. |
|
INFORMAL |
Tasa
informalidad laboral |
Ocupaciones
que desarrollan personas que reciben ingresos en condiciones de trabajo que
no se encuentran reguladas por un marco legal, lo que dificulta la obtención
de créditos bancarios. |
Fuente:
elaboración propia con base en CNBV (2021), Banco de México (2022), INEGI
(2022), y DOF.
RESULTADOS
DE LA INVESTIGACIÓN
Análisis
de la cantidad de créditos entre 2001 y 2021
En
la tabla 2, se puede ver que los créditos comerciales alcanzaron el valor medio
más alto en el periodo de COVID-19, seguido del periodo de auge 2013-2019, en
contraste durante la crisis Subprime fue menor la cantidad de los créditos
comerciales. Durante la crisis Subprime el valor promedio de los créditos al
consumo alcanzó su máximo valor promedio y durante el periodo de auge de 2013-19
y en la crisis de SARS CoV2 descendieron a sus niveles mínimos. Los créditos a
la vivienda tienen pocas variaciones, alcanzando su nivel máximo durante la
crisis Subprime y el más bajo durante la crisis COVID-19. También se presentan las
pruebas de homogeneidad de varianzas en donde el estadístico de Levene tiene significancia
menor al
Tabla
2. Estadísticas descriptivas de los créditos
con relación al PIB.
|
Créditos |
Ciclo económico |
Media |
|
Comerciales |
Asiática |
0.0230 |
|
Auge
2002-07 |
0.0137 |
|
|
Subprime |
0.0110 |
|
|
Eurozona |
0.0176 |
|
|
Auge 2013-19 |
0.0306 |
|
|
COVID-19 |
0.0317 |
|
|
|
Total |
0.0217 |
|
Estadístico Levene= 4.780, sig. 0.000, F = 27.335, Sig.
0.000 |
||
|
Consumo |
Asiática |
0.0094 |
|
Auge
2002-07 |
0.0130 |
|
|
Subprime |
0.0169 |
|
|
Eurozona |
0.0142 |
|
|
Auge 2013-19 |
0.0073 |
|
|
COVID-19 |
0.0098 |
|
|
|
Total |
0.0114 |
|
Estadístico Levene = 7.799, sig. 0.000, F = 6.681, Sig.
0.000 |
||
|
Vivienda |
Asiática |
0.0116 |
|
Auge
2002-07 |
0.0127 |
|
|
Subprime |
0.0135 |
|
|
Eurozona |
0.0186 |
|
|
Auge 2013-19 |
0.0061 |
|
|
COVID-19 |
0.0082 |
|
|
|
Total |
0.0112 |
|
Estadístico Levene= 420.57, sig. 0.000, F = 13.627,
Sig. 0.000 |
||
Fuente:
elaboración propia con datos de la CNBV (2022) y Banco de México (2022).
En
la Figura 1 se puede ver que los créditos comerciales son los que tuvieron el
mayor incremento después de la crisis Subprime alcanzando su nivel máximo en
2014 y 2015, para descender en 2017, y posteriormente presentar altibajos, pero
con una tendencia alcista, aún en la pandemia de COVID-19. Los créditos al
consumo mostraron su mayor alza durante el bienio 2008-2009, para después
descender en 2010, posteriormente se incrementan levemente, y durante la crisis
de COVID-19 tuvieron altibajos con una tendencia alcista suave, sin embargo, no
regresaron a los niveles que tenían en 2009.
Los
créditos de vivienda descendieron a su nivel mínimo durante la crisis
hipotecaria de 2008, y después mostraron una tendencia alcista ligera alcanzando
su máximo nivel en la crisis de COVID-19. Se observa en general un
comportamiento mixto de los diferentes tipos de créditos a lo largo del periodo
de análisis.
Figura
1. Participación de los créditos otorgados por
la banca en el Producto Interno Bruto en México durante 2001-2021.
Fuente:
elaboración propia con datos de la CNBV (2022) y Banco de México (2022).
En
la tabla 3 se presentan los resultados del análisis de varianza de los créditos
otorgados por la banca durante el periodo de 2001 a 2021.
Tabla
3. Comparaciones múltiples de los créditos durante
los ciclos económicos.
|
Variable dependiente créditos: |
Comerciales |
Consumo |
Vivienda |
|
|
Ciclo económico |
Diferencia de medias |
Diferencia de medias |
Diferencia de medias |
|
|
Asiática |
Auge
2002-07 |
0.00927 |
-0.00358 |
-0.00112 |
|
Subprime |
0.01193* |
-0.00753 |
-0.00194 |
|
|
Eurozona |
0.00539 |
-0.00478 |
-0.00697 |
|
|
Auge 2013-19 |
-0.00763 |
0.00210 |
0.00554 |
|
|
COVID-19 |
-0.00878 |
-0.00045 |
0.00343 |
|
|
Auge 2002-07 |
Asiática |
-0.00927 |
0.00358 |
0.00112 |
|
Subprime |
0.00266 |
-0.00395 |
-0.00082 |
|
|
Eurozona |
-0.00388 |
-0.00120 |
-0.00585 |
|
|
Auge
2013-19 |
-0.01691* |
0.00568* |
0.00666* |
|
|
COVID-19 |
-0.01805* |
0.00313 |
0.00455* |
|
|
Subprime |
Asiática |
-0.01193* |
0.00753 |
0.00194 |
|
Auge 2002-07 |
-0.00266 |
0.00395 |
0.00082 |
|
|
Eurozona |
-0.00654* |
0.00275 |
-0.00503 |
|
|
Auge 2013-19 |
-0.01956* |
0.00963* |
0.00748* |
|
|
COVID-19 |
-0.02070* |
0.00708 |
0.00537* |
|
|
Eurozona |
Asiática |
-0.00539 |
0.00478 |
0.00697 |
|
Auge
2002-07 |
0.00388 |
0.00120 |
0.00585 |
|
|
Subprime |
0.00654* |
-0.00275 |
0.00503 |
|
|
Auge
2013-19 |
-0.01303* |
0.00688* |
0.01251* |
|
|
COVID-19 |
-0.01417* |
0.00433 |
0.01040* |
|
|
Auge 2013-19 |
Asiática |
0.00763 |
-0.00210 |
-0.00554 |
|
Auge 2002-07 |
0.01691* |
-0.00568* |
-0.00666* |
|
|
Subprime |
0.01956* |
-0.00963* |
-0.00748* |
|
|
Eurozona |
0.01303* |
-0.00688* |
-0.01251* |
|
|
COVID-19 |
-0.00114 |
-0.00255 |
-0.00211 |
|
|
COVID-19 |
Asiática |
0.00878 |
0.00045 |
-0.00343 |
|
Auge
2002-07 |
0.01805* |
-0.00313 |
-0.00455* |
|
|
Subprime |
0.02070* |
-0.00708 |
-0.00537* |
|
|
Eurozona |
0.01417* |
-0.00433 |
-0.01040* |
|
|
Auge 2013-19 |
0.00114 |
0.00255 |
0.00211 |
|
Aquí
* indica que la diferencia de medias es significativa al nivel 0.05.
Fuente:
elaboración propia.
Los
créditos comerciales tienen la mayor cantidad de pares comparados de ciclos
económicos con diferencias estadísticamente significativas en sus valores
medios, y se identifican cuando la
diferencia de medias tiene una significancia menor al
Para
los créditos de vivienda se muestra que seis del total de 25 combinaciones
tienen diferencias estadísticamente significativas. En donde se observa que las
parejas Eurozona-Auge 2013-19 y Eurozona-COVID-19 son estadísticamente
distintos en la cantidad de créditos otorgados, lo que confirma la mayor oferta
de créditos durante el periodo de Auge 2013-19 y COVID-19 observada en la Figura
1. Y se explica por la disminución de las tasas de interés y las políticas para
reactivar este sector durante la pandemia de COVID-19, lo que incentivo la
obtención de créditos de vivienda. También se observa que los créditos
hipotecarios tuvieron pocos cambios en los diferentes ciclos económicos, lo que
coincide con los hallazgos de Louzis, Vouldis y Metaxas (2012) y Barajas, Luna
y Restrepo (2006), quienes ofrecen evidencias de que esta línea créditos son
los que menos responden a las condiciones macroeconómicas.
En
la tabla 4 se muestran los resultados del análisis del estadístico de
Kruskal-Wallis, en el cual se pueden ver las diferencias de la cantidad
promedio de créditos entre los distintos ciclos económicos. Se observa que los
créditos comerciales tienen ocho parejas de ciclos económicos, con
significancia ajustada menor al 0.05, es decir, con valores estadísticamente
diferentes. El periodo de Auge 2002-07 presenta diferencias con cuatro periodos
económicos distintos. De los créditos al consumo se observa diferencia
estadística en tres parejas de ciclos económicos. Y de los créditos a la
vivienda se observa diferencias estadísticas en la cantidad de créditos en cinco
parejas de ciclos económicos. Todas estas diferencias prácticamente son iguales
a las obtenidas por el análisis ANOVA.
Tabla
4. Estadístico de Kruskal-Wallis.
|
Créditos |
|||
|
Comerciales |
Consumo |
Vivienda |
|
|
Muestra1 – Muestra 2 |
Sig.
Ajustada |
Sig.
Ajustada |
Sig.
Ajustada |
|
Auge 2002-07 - Subprime |
1.000 |
1.000 |
0.338 |
|
Auge 2002-07 - Eurozona |
0.024 |
1.000 |
0.000 |
|
Auge 2002-07 - Asiática |
0.032 |
1.000 |
1.000 |
|
Auge 2002-07 - Auge 2013-19 |
0.000 |
0.000 |
0.014 |
|
Auge 2002-07 – COVID-19 |
0.000 |
1.000 |
1.000 |
|
Subprime – Eurozona |
0.392 |
1.000 |
1.000 |
|
Subprime – Asiática |
0.167 |
0.417 |
1.000 |
|
Subprime - Auge 2013-19 |
0.000 |
0.000 |
0.000 |
|
Subprime – COVID-19 |
0.000 |
0.719 |
0.961 |
|
Eurozona - Asiática |
1.000 |
1.000 |
0.067 |
|
Eurozona - Auge 2013-19 |
0.000 |
0.001 |
0.000 |
|
Eurozona – COVID-19 |
0.000 |
1.000 |
0.015 |
|
Asiática - Auge 2013-19 |
0.226 |
1.000 |
1.000 |
|
Asiática – COVID-19 |
0.272 |
1.000 |
1.000 |
|
Auge 2013-19 – COVID-19 |
1.000 |
0.582 |
0.791 |
Fuente:
elaboración propia.
Con
los resultados de los estadísticos del ANOVA y de Kruskal-Wallis se observa
cambios en la varianza de la oferta de créditos durante los diferentes ciclos
económicos, evidenciando cambios en la cantidad de créditos, sólo aumentó la
oferta de créditos comerciales y de vivienda para los periodos de auge 2013-19,
conforme a la Figura 1, por lo que se acepta parcialmente la primera hipótesis
planteada en esta investigación.
Factores
que influyen la oferta de créditos bancarios
En
la tabla 5 se presentan los resultados de la regresión múltiple en la que se
incluyeron todas las variables, donde la variable dependiente es la cantidad de
créditos otorgados por los bancos. De las ocho variables específicas de los
bancos, seis fueron estadísticamente significativas y de las nueve macroeconómicas
únicamente el salario (SAL), el DÓLAR y el PIB.
Tabla
5. Regresión con todas las variables
explicativas
|
Variables |
Coeficientes no estandarizados (B) |
Desviación del error |
Coeficientes estandarizados (Beta) |
Significancia |
|
(Constante) |
-12.376 |
3.140 |
0.000 |
|
|
ROA |
-0.122 |
0.035 |
-0.122 |
0.001 |
|
ROE |
0.029 |
0.005 |
0.203 |
0.000 |
|
IMOR |
-0.069 |
0.099 |
-0.075 |
0.487 |
|
TAM |
1.329 |
0.054 |
0.871 |
0.000 |
|
SAL |
0.000 |
0.000 |
0.175 |
0.000 |
|
DES |
-0.011 |
0.077 |
-0.006 |
0.890 |
|
INT |
-0.001 |
0.024 |
-0.001 |
0.971 |
|
PIB |
-1.955E-07 |
0.000 |
-0.246 |
0.000 |
|
INF |
0.011 |
0.036 |
0.007 |
0.750 |
|
CREVAT |
0.163 |
0.168 |
0.108 |
0.330 |
|
CARTACT |
0.013 |
0.007 |
0.106 |
0.050 |
|
DÓLAR |
0.057 |
0.023 |
0.149 |
0.015 |
|
CAT |
0.006 |
0.009 |
0.018 |
0.478 |
|
LIQUIDEZ |
-0.004 |
0.002 |
-0.052 |
0.050 |
|
FONDEO |
0.009 |
0.004 |
0.075 |
0.025 |
|
SOLVPOB |
0.005 |
0.012 |
0.017 |
0.660 |
|
INFORMAL |
-0.055 |
0.052 |
-0.045 |
0.291 |
Fuente:
elaboración propia.
Posteriormente
se incluye en la regresión múltiple únicamente las variables significativas. En
la tabla 6 se presentan los resultados de los estadísticos de bondad de ajuste
del modelo, donde se obtuvo un valor de
También
se presenta en la tabla 6 la regresión múltiple únicamente con las variables
significativas. Las variables que tienen más efecto en la cantidad de los créditos
bancarios, de acuerdo con el coeficiente beta estandarizado, ordenadas de mayor
a menor son: tamaño (TAM), producto interno bruto (PIB), rendimiento de los
accionistas (ROE), dólar (DÓLAR), salario (SAL), cartera de crédito a activo
total (CARTACT), rendimiento del activo (ROA), fondeo de la cartera (FONDEO) y
LIQUIDEZ.
Tabla
6. Modelo de regresión múltiple.
|
Variables |
Coeficientes no estandarizados (B) |
Coeficientes estandarizados (Beta) |
Valor t |
Significancia |
Estadísticas de colinealidad |
|
|
Tolerancia |
VIF |
|||||
|
(Constante) |
-15.599 |
-22.750 |
0.000 |
|||
|
TAM |
1.329 |
0.871 |
25.206 |
0.000 |
0.336 |
2.978 |
|
CARTACT |
0.020 |
0.157 |
4.261 |
0.000 |
0.293 |
3.408 |
|
ROE |
0.032 |
0.225 |
6.650 |
0.000 |
0.351 |
2.847 |
|
SAL |
0.000 |
0.159 |
3.491 |
0.001 |
0.193 |
5.183 |
|
PIB |
-1.982E-07 |
-0.250 |
-6.228 |
0.000 |
0.249 |
4.008 |
|
ROA |
-0.140 |
-0.139 |
-4.145 |
0.000 |
0.355 |
2.820 |
|
DÓLAR |
0.064 |
0.168 |
3.002 |
0.003 |
0.129 |
7.775 |
|
LIQUIDEZ |
-0.003 |
-0.045 |
-2.012 |
0.045 |
0.815 |
1.227 |
|
FONDEO |
0.008 |
0.064 |
1.997 |
0.046 |
0.385 |
2.596 |
|
|
|
|
|
|
|
|
|
R |
R cuadrado |
R cuadrado ajustado |
Cambio en F |
Sig. cambio en F |
Valor F |
Significancia |
|
0.886 |
0.785 |
0.782 |
3.987 |
0.046 |
217.67 |
0.000 |
Fuente:
elaboración propia.
La
cantidad de créditos bancarios tiene relación positiva con el TAM, lo que significa
que entre más grande es el banco aumenta su cartera de créditos, este resultado
está en línea con los hallazgos de Funyina (2020) quien encontró que a mayor
tamaño de los bancos en Zambia se incrementa la oferta de créditos. Una
relación positiva con el ROE, es decir, que a mayor rentabilidad de los accionistas
se traduce en una mayor oferta de créditos, esta relación coincide con los
hallazgos de Farika, Azam y Johan (2018) quienes encontraron que en Indonesia
el rendimiento del capital es uno de los factores que más influye la cantidad
de créditos bancarios.
Se
observa una relación inversa con el PIB, pues a medida que se contrae la
actividad económica aumenta la cantidad de créditos bancarios, lo que sugiere
que durante el crecimiento económico los agentes económicos disponen de
ingresos suficientes y no necesitan financiamiento, y frente a la contracción
económica, compensan la disminución de ingresos con créditos bancarios. Clavellina
(2013) menciona que una de las posibles causas es que los bancos no han
privilegiado el crédito al sector productivo. Nuestro resultado es contrario a
los hallazgos de la mayoría de los estudios, entre los cuales se encuentran los
de Guo y Stepanyan (2011), Imran y Nishat (2013), Gerti y Irini (2013), Assefa
(2014) y Gomes, Silva y Vasconcelos (2020), quienes evidencian que el crédito
bancario aumenta en la medida que crece la economía. Además, de acuerdo con los
resultados de estos estudios pudiera existir una autocorrelación del PIB con
los créditos bancarios.
Una
relación positiva con CARTACT, entre mayor es la proporción de la cartera de
créditos del total de los activos, aumenta la cantidad de créditos otorgados,
lo que sugiere que cuanto mayor es esta proporción, los bancos poseen mejores
procesos de evaluación de los solicitantes de créditos alentándolos a conceder
más financiamiento. Los créditos bancarios tienen una relación positiva con el
DÓLAR, lo que significa que entre más alto es el precio del dólar, los bancos
otorgan más créditos, siendo similar a los hallazgos de Vera (2003) y de Imran
y Nishat (2013) quienes argumentan que el tipo de cambio está asociado con la
oferta de créditos bancarios, principalmente para los créditos comerciales, muy
probablemente para las empresas con operaciones con el extranjero.
Una
relación inversa con el rendimiento de los activos (ROA), es decir, que a
medida que disminuye el ROA, los bancos otorgan mayor cantidad de créditos. Considerando
que otorgar un crédito significa ganancias para los bancos, se explica que, a
menor ROA de los bancos, éstos aumentan la cantidad de créditos para mejorar la
rentabilidad. Una relación positiva con el salario (SAL), lo que significa que
cuanto más altos son los ingresos provenientes del salario de los trabajadores,
los bancos conceden mayor cantidad de créditos, debido a que cuentan con mayor
capacidad para saldar los créditos, este resultado coincide de manera indirecta
con los resultados de la investigación de Rubaszek y Serwa (2012) quienes
ofrecieron evidencia de que los créditos bancarios se relacionan
significativamente con la incertidumbre del ingreso individual.
Con
la liquidez una relación negativa, y se puede explicar conforme a los hallazgos
de Levy (2010) quien explica que el incremento de la liquidez bancaria se
destinó a la valorización de instrumentos financieros, reduciendo los créditos
a la sociedad. Y una relación positiva con el fondeo de la cartera (FONDEO). Considerando
que son seis variables específicas de los bancos y tres macroeconómicas las que
influyen en la oferta de créditos se acepta la segunda hipótesis de trabajo.
CONCLUSIONES
Existe
una tendencia creciente de créditos comerciales a lo largo del periodo de 2001
a 2021 alcanzando su pico más alto en el periodo de 2013-2014 y posteriormente
durante el periodo de COVID-19, este último, principalmente por los programas
de ayuda a los deudores de la banca por una parte y por otra parte por el
descenso de las tasas de interés. El crédito al consumo alcanzó su máximo
durante las crisis subprime y de COVID-19. El crédito a la vivienda muestra una
tendencia alcista muy leve, lo que confirma su escasa elasticidad con las
variables macroeconómicas, y coincide con los resultados de otros estudios
previos, como son los de Louzis, Vouldis y Metaxas (2012) y Barajas, Luna y
Restrepo (2006).
En los
resultados de la regresión múltiple seis variables fundamentales fueron
estadísticamente significativas en la oferta de créditos de los bancos: tamaño
(TAM), rendimiento de los accionistas (ROE), cartera de crédito a activo total
(CARTACT), rendimiento del activo (ROA), fondeo de la cartera (FONDEO) y
LIQUIDEZ y tres macroeconómicas: el salario (SAL), el Producto Interno Bruto (PIB)
y el DÓLAR. El tamaño fue la variable que mayor influencia muestra, lo que
sugiere que los bancos más grandes tienen mejores procesos de evaluación de los
solicitantes de créditos, con lo cual reducen el riesgo de la cartera vencida, alentándolos
a otorgar mayor cantidad de créditos. Además, los banqueros pueden ofrecer más
créditos en la medida que los bancos tienen mejor desempeño financiero, medido
por los índices de rentabilidad de los accionistas ROE.
En
la medida que las políticas públicas mejoren los salarios de los trabajadores y
mantengan un valor estable del dólar, los bancos otorgaran mayor cantidad de
créditos. También se encontró que, aunque se contraiga la economía la cantidad
de créditos aumenta, de manera que los bancos desempeñan un papel importante en
la sociedad como fuente de financiamiento, con lol cual ayudan a la
recuperación económica durante los periodos de crisis, específicamente durante la
reciente pandemia de COVID-19. De esta manera se confirman los supuestos planteados
por la teoría del crédito de Schumpeter quien consideraba que los bancos deben
contribuir al crecimiento económico mediante los créditos otorgados a los
diferentes agentes económicos.
También
sería importante analizar el impacto de otros factores, como, por ejemplo, los servicios
bancarios digitales, dado que en la actualidad han tenido un incremento
significativo, lo cual puede impactar positivamente la oferta de créditos, por
lo que abre una línea de investigación que debe estudiarse con detenimiento, así
como el estudio de los créditos y el comportamiento del PIB en la economía
mexicana, aunque estos análisis los
dejamos para posteriores investigaciones.
REFERENCIAS
Aisyah, S., Mulyaningsih, T. y Cahyadin, M. (2019). Determinants of credit Market in
Indonesian banking Industry. Jurnal Ekonomi Malaysia,
53(3), 11-21.
Assefa, M. (2014). Determinants of growth in bank
credit to the private sector in Ethiopia: A supply side approach. Research
Journal of Finance and Accounting, 5(17), 90-103.
Banco de México. (2022). Sitio web del Banco de
México. https://www.banxico.org.mx
Baoko, G., Attah, I. y Ibrahim, M. (2017). Determinants of
bank credit in Ghana: A bounds-testing cointegration approach. African Review
of Economics and Finance, 9(1), 33-61.
Barajas, A, Luna, L. y Restrepo, J.E. (2008). Fluctuaciones
macroeconómicas y comportamiento de las empresas en Chile. Revista de Análisis
Económico. 23(2), 21-56.
Comisión
Nacional Bancaria y de Valores. (2021). Portafolio de información. Banca
Múltiple. Información de la situación financiera. Recuperado de: https://www.cnbv.gob.mx/Paginas/PortafolioDeInformacion.aspx
Cortes,
G., Silva, T. y Van, B. (2019). Credit
Shock propagation in firm Networks: evidence from government bank credit
expansions. Working Papers 507, Banco Central do Brasil,
1-55.
Clavellina,
J. (2013). Crédito bancario y crecimiento económico en México. Economía Informa,
378, 14-36.
Cristi,
J. y Toro, P. (2021). Factores de oferta y demanda en el crecimiento del
crédito comercial durante el estallido social y pandemia. Banco Central de Chile, 2-6.
Dharmadasa, P. (2021). Short and long-term
determinants of Bank credit growth in Sri Lanka. South
Asian Journal of Finance, 1(1), 1-15.
Diario
Oficial de la Federación. [DOF] (sf). Sitio web del Diario Oficial de la
Federación. https://sidof.segob.gob.mx
ECONOMATICA.
(2022). Base de datos.
Farika,
M., Azam, A. y Johan, S. (2018). The
determinant of bank credit risk: comparative analysis of conventional and
Islamic Banks in Indonesia. European Journal of Accounting, Auditing and
Finance Research, 6(3), 15-31.
Flórez, L., Posada, C. y Escobar, J. (2004). El
crédito y sus factores determinantes: el caso colombiano (1990-2004). Borradores de Economía, 311.
Funyina, T. (2020). Determinants of bank credit to the
private sector in Zambia. Boz Working Papers Series WP/2020/3, Bank of Zambia,
1-30.
Gerti, S. y Irini, K. (2013). Determinants
of bank credit to the private sector: The case of Albania. Working Paper, 09
(48), 1-37. https://www.bankofalbania.org/rc/doc/Determinants_of_bank_credit_to_the_private_sector_The_case_of_Albania_6900_2_7459.pdf
Gomes,
V., Silva, M. y Vasconcelos, M. (2020). Determinants of South American bank credit: An
approach to panel data. Estudios Económicos, 37(74),
37-70.
Guajarati,
D. y Porter, D. (2009). Econometría. México: McGrawHill.
Guo,
K. y Stepanyan, V. (2011). Determinants
of bank credit in emerging market economies. IMF Working Paper, WP/11/51.
Hair, J., Anderson, R., Tatham, R. y Black W. (1999). Análisis
multivariante. México: Pearson Prentice Hall.
Imran, K. y Nishat, M. (2013). Determinants of bank
credit in Pakistan: A supply side approach. Economic
Modelling, 35, 384-390.
Instituto
Nacional de Estadística y Geografía. [INEGI] (2022). Sitio web del Instituto
Nacional de Estadística y Geografía. https://www.inegi.org.mx
Kruskal,
W. y Wallis, W. (1952). Use of ranks in one-criterion variance analysis. Journal
of the American Statistical Association, 47 (260), 583-621.
Larrain,
L. (1980). La oferta de crédito bancario. Cuadernos de Economía, 17 (52),
323-355.
Levy,
N. y Bustamante, J. (2019). Crédito, inversión y ganancias: un análisis
empírico para la economía (2000-2014). Análisis Económico, 34(87), 125-148.
Levy,
O. (2010). El enigma de la mayor liquidez y mayor restricción de
financiamiento. EconomíaUNAM, 7
(19), 80-94.
Louzis, D.P., Vouldis, A.T., y
Metaxas, V.L. (2012). Macroeconomic and bank-specific determinants of
non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Journal of
Banking and Finance, 36, (4), 1012–1027.
Mileris, R. (2012). The effects of macroeconomic conditions
on loan portfolio credit risk and banking system interest income. Ekonomika,
91(3), 85-100.
Morais,
B., Peydró, J., Roldán, J. y Ruiz, C. (2017). The international bank lending cannel of monetary
policy rates and QE: credit supply, Reach-for-Yield, and real effects. Documentos
d investigación 2017-15 de Banco de México.
Nanpewo,
D., Ainomugisha, G. Roy, D. y Wilson, G. (2016). Determinants of private sector credit in Uganda: the
role of mobile money. Financial Innovation, 2(13),
1-16.
Pérez,
C. (2004). Técnicas de análisis multivariante de datos. Aplicaciones con SPSS.
Madrid: Pearson Prentice Hall.
Rubaszek,
M. y Serwa, D. (2012). Determinants
of credit to households in a Life-cycle model. Working
paper series, 1420 - European Central Bank, 1-29.
Schumpeter,
J. (1967). Teoría del desenvolvimiento económico. México: Fondo de Cultura Económica.
Vera,
L. (2003). Determinantes de la demanda de crédito. Una estimación con un modelo
mensual de series de tiempo para Venezuela. Investigación Económica, 62(245),
107-149.
Wooldridge,
J. (2009). Introducción a la econometría. Un enfoque moderno. México:
CENGAGUE Learning.
Zeidan, R. (2020). Why is bank credit in Bazil
the most expensive in the world? Brazilian Review of Finance,
18(4), 1-22.