1 UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA PROFESIONAL DE ECONOMÍA “EFECTO DEL DESEMPLEO, INFLACIÓN Y TIPO DE CAMBIO EN LA MOROSIDAD DEL SISTEMA FINANCIERO PERUANO, 2005-2021” TESIS PARA OPTAR EL TÍTULO PROFESIONAL DE ECONOMISTA AUTORES CRUZ ANCHAY, JIMMY FRANCIS FERNANDEZ SANCHEZ, MARCO RAFAEL TORRES GUEVARA, CARLOS ASESOR JARA CALVO HUGO ALEJANDRO LÍNEA DE INVESTIGACIÓN: ECONOMÍA GENERAL Callao, 2023 3 INFORMACIÓN BÁSICA FACULTAD: CIENCIAS ECONÓMICAS UNIDAD DE INVESTIGACIÓN: FACULTAD DE CIENCIAS ECONÓMICAS TÍTULO: “EFECTO DEL DESEMPLEO, INFLACIÓN Y TIPO DE CAMBIO EN LA MOROSIDAD DEL SISTEMA FINANCIERO PERUANO 2005-2021” AUTORES/ CÓDIGO ORCID/ DNI: CRUZ ANCHAY, JIMMY FRANCIS / 0000-0003-4072- 2166 / 72197299 FERNANDEZ SANCHEZ, MARCO RAFAEL /0000-0002-8427-3705 / 73857721 TORRES GUEVARA, CARLOS / 0000-0001-9104-9341 / 73873147 ASESOR: MG. JARA CALVO HUGO ALEJANDRO / 08462776 LUGAR DE EJECUCIÓN: PERÚ UNIDAD DE ANÁLISIS: SISTEMA FINANCIERO PERUANO TIPO/ENFOQUE/DISEÑO DE INVESTIGACIÓN: BÁSICO, CUANTITATIVO, NO EXPERIMENTAL TEMA OCDE: 5.02.01 -- ECONOMÍA 4 5 DEDICATORIA La presente tesis va dedicada a nuestra maravillosa familia, quienes siempre confiaron en nosotros, alentándonos para seguir adelante, puesto que sin ellos no habríamos podido lograrlo, así como también a nosotros mismos por no flaquear en este largo camino. A todos nuestros maestros de la Universidad Nacional del Callao que han sido de guías y participes durante todo el tiempo de nuestra carrera universitaria. 6 AGRADECIMIENTO Damos gracias a Dios por brindarnos la oportunidad de seguir aprendiendo y creciendo profesionalmente. Expresar nuestro más profundo agradecimiento a nuestro asesor el Mg. Jara Calvo Hugo Alejandro, ya que, gracias a sus conocimientos y constante apoyo brindado durante todo el proceso para realizar con éxito nuestra tesis. A nuestra Alma Mater: Universidad Nacional del Callao, por brindarnos las herramientas y recursos necesarios para llevar a cabo esta investigación. A nuestras familias y a todas las personas que nos ayudaron oportunamente cuando más lo necesitamos, para el logro de esta primera meta. 7 ÍNDICE RESUMEN 12 INTRODUCCIÓN 14 I. PLANTEAMIENTO DEL PROBLEMA 16 1.1. Descripción de la realidad problemática 16 1.2. Formulación del problema 19 1.2.1. Problema general 19 1.2.2. Problemas específicos 20 1.3. Objetivos 20 1.3.1. Objetivo general 20 1.3.2. Objetivos específicos 20 1.4. Justificación 20 1.4.1. Justificación teórica 20 1.4.2. Justificación práctica 21 1.5. Delimitantes de la investigación 21 1.5.1. Teóricas 21 1.5.2. Temporal 21 1.5.3. Espacial 22 II. MARCO TEÓRICO 23 2.1 Antecedentes del estudio 23 2.1.1 Antecedentes Internacionales 23 2.1.2 Antecedentes nacionales 27 2.2 Bases teóricas 31 2.2.1 Morosidad en el Sistema Financiero 31 2.2.1.1 Definición. 31 2.2.1.2 Dimensiones. 32 2.2.1.2.1 Tasa de morosidad. 32 2.2.1.3 Indicadores. 32 2.2.1.4 Teorías. 33 2.2.2 Inflación 34 2.2.2.1 Definición. 34 8 2.2.2.2 Dimensiones. 34 2.2.2.3 Indicadores. 34 2.2.2.4 Teorías. 34 2.2.3 Desempleo 36 2.2.3.1 Definición. 36 2.2.3.2 Dimensiones. 36 2.2.3.3 Indicadores. 36 2.2.3.4 Teorías de desempleo. 37 2.2.4 Tipo de cambio 38 2.2.4.1 Definición. 38 2.2.4.2 Dimensión. 38 2.2.4.3 Indicador. 38 2.2.4.4 Teoría. 38 2.8 Marco Conceptual 38 2.9 Definición de términos básicos 39 III. HIPOTESIS Y VARIABLES 41 3.1 Hipótesis 41 3.1.1 Hipótesis general 41 3.1.2 Hipótesis específicas 41 3.2 Definición conceptual de las variables 41 3.3 Operacionalización de las variables 42 IV. METODOLOGÍA DEL PROYECTO 44 4.1 Diseño de investigación 44 4.2 Método de investigación 44 4.3 Población y muestra 44 4.4 Lugar de estudio 44 4.5 Técnicas e instrumentos para la recolección de la información 44 4.6 Análisis y procesamiento de datos 45 4.7 Aspectos éticos en investigación 46 V. RESULTADOS 47 5.1 Resultados Descriptivos 47 9 5.2 Resultados inferenciales 50 VI. DISCUSIÓN DE RESULTADOS 64 6.1 Contrastación y demostración de las hipótesis con los resultados 64 6.2 Contratación de resultados con otros estudios similares 66 VII. CONCLUSIONES 69 VIII. RECOMENDACIONES 70 IX. REFERENCIAS BIBLIOGRÁFICAS 71 X. ANEXO 79 ANEXO 1: Matriz de consistencia. 79 Anexo 2: Histograma de variables de estudio 81 Anexo 3: Tablas y furas complementarias 82 Anexo 4. Base de datos 91 10 ÍNDICE DE TABLAS Tabla 1 Operacionalización de variables ............................................................................ 42 Tabla 2 Estadísticos descriptivos de las variables tasa de morosidad, tasa de desempleo, inflación (IPC) y el tipo de cambio (TC). .............................................................................. 47 Tabla 3 Modelo VAR estimado. ........................................................................................... 51 Tabla 4 Respuesta de la morosidad ante shocks del desempleo, inflación y tipo de cambio ............................................................................................................................................ 59 Tabla 5 Descomposición de la Varianza del Modelo VAR de variables DMOROSIDAD, DESEMPLEO, IPC, DTC ..................................................................................................... 61 Tabla 6 Test de Causalidad de Granger del Modelo VAR de variables DMOROSIDAD, DESEMPLEO, IPC, DTC ..................................................................................................... 62 Tabla 7 Prueba de raíz unitaria del índice de MOROSIDAD primer nivel ............................ 83 Tabla 8 Prueba de raíz unitaria del índice de MOROSIDAD primera diferencia. ................. 83 Tabla 9 Prueba de raíz unitaria de la tasa de DESEMPLEO primer nivel ............................ 84 Tabla 10 Prueba de raíz unitaria de la tasa de la tasa de inflación (IPC) primer nivel ......... 84 Tabla 11 Prueba de raíz unitaria del Tipo de Cambio (TC) primer nivel. ............................. 85 Tabla 12 Prueba de raíz unitaria del Tipo de Cambio (TC) primera diferencia. ................... 85 Tabla 13 Criterios para la selección de los rezagos del modelo VAR de variables DMOROSIDAD, DESEMPLEO, IPC y DTC. ........................................................................ 86 Tabla 14 Test para la exclusión de los rezagos del modelo VAR de variables DMOROSIDAD, DESEMPLEO, IPC y DTC. ........................................................................ 87 Tabla 15 Normalidad de los residuos.................................................................................. 89 Tabla 16 Test de Cointegración de Johansen ..................................................................... 90 11 ÍNDICE DE FIGURAS Figura 1 Relación de la morosidad con la tasa de desempleo .................................... 48 Figura 2 Relación de la morosidad con la tasa de inflación. ........................................ 49 Figura 3 Relación de la morosidad con el tipo de cambio ............................................ 50 Figura 4 Respuesta de la morosidad ante un shock del desempleo ............................ 57 Figura 5 Respuesta de la morosidad ante un shock del IPC ....................................... 58 Figura 6 Respuesta de la morosidad ante un shock del TC ......................................... 59 Figura 7 Histograma del índice de morosidad............................................................ 81 Figura 8 Histograma de la tasa de desempleo............................................................. 81 Figura 9 Histograma de la tasa de inflación ................................................................ 82 Figura 10 Histograma del tipo de cambio ................................................................... 82 Figura 12 Condición de Estabilidad del Modelo VAR. ................................................. 88 Figura 13 Correlograma de autocorrelación de los residuos del modelo VAR ............. 89 12 RESUMEN La presente investigación tiene como propósito analizar una propuesta de ciertos indicadores macroeconómicos sobre la tasa de morosidad. En ese sentido, se planteó como objetivo principal determinar la influencia del desempleo, inflación y tipo de cambio en la morosidad del sistema financiero peruano, durante el periodo 2005-2021 con frecuencia mensual. La metodología de investigación es de tipo básico, explicativa y no experimental, bajo un enfoque cuantitativo y datos longitudinales. El modelo econométrico que se utilizó fue el de Vectores Autorregresivos (VAR), con doce rezagos; y para explicar el shock de una variable sobre la otra se analizó la función impulso respuesta de Cholesky. Se concluyo que las variables de estudió sí influyen en la ratio de morosidad del sistema financiero peruano. De manera específica, la tasa de desempleo su efecto es significativo desde el cuarto hasta le noveno rezago del periodo de análisis, por el lado de la inflación su efecto se ve reflejado después del séptimo rezago y por último el tipo de cambio es significativo para algunos periodos, después del tercer rezago. Palabras claves: Tasa de morosidad, vectores autorregresivos (VAR), tasa de desempleo, inflación, tipo de cambio, sistema financiero peruano. 13 ABSTRACT The purpose of this research is to analyze a proposal for certain macroeconomic indicators on the default rate. In this sense, the main objective was to determine the influence of unemployment, inflation and exchange rate on the default rate of the Peruvian financial system, during the period 2005-2021 with a monthly frequency. The research methodology is basic, explanatory and non-experimental, under a quantitative approach and longitudinal data. The econometric model used was the Vector Autoregressive (VAR) model, with twelve lags; and to explain the shock of one variable on the other, the Cholesky impulse response function was analyzed. It was concluded that the variables studied do influence the delinquency rate of the Peruvian financial system. Specifically, the unemployment rate has a significant effect from the fourth to the ninth lag of the analysis period, on the side of inflation its effect is reflected after the seventh lag and finally the exchange rate is significant for some periods, after the third lag. Keywords: Default rate, Vector Autoregressive (VAR), Unemployment rate, Inflation, Exchange rate, Peruvian financial system. 14 INTRODUCCIÓN El Sistema Financiero peruano es de los principales contribuyentes tanto al desarrollo como al crecimiento del país y se ha constituido como un sistema sólido que abre oportunidades y facilita los flujos desde los agentes superavitarios a los deficitarios. Desde los noventa fue notorio el crecimiento de las actividades financieras, colocaciones, créditos, etc. lo cual se vio reflejado en el incremento del PBI, empleo, entre otros indicadores, ya que, al ofrecer beneficios como rendimientos atractivos, cierta liquidez, opciones de disminución de riesgo, se promueve el ahorro e inversión que permite el mejor desenvolvimiento de la economía. La presente investigación busca relacionar el desempleo, la inflación y el tipo de cambio con la morosidad en el sistema financiero peruano para el periodo 2005-2021, debido a que un sistema financiero sano promueve el desarrollo económico de un país porque permite la inversión de capital hacia actividades productivas, como la construcción, la industria, tecnología y la expansión de los mercados. Se hará uso de la teoría de la morosidad y del riesgo crediticio; siguiendo lineamientos de la teoría del ciclo económico para explicar la influencia de las variables independientes en la morosidad, así como la revisión de los términos necesarios para el mejor entendimiento de la investigación, además se utilizará un método hipotético deductivo y de métodos econométricos que refuercen el carácter científico de la investigación. El objetivo de la presente investigación es relacionar el efecto de ciertas variables macroeconómicas tales como: el desempleo, la Inflación y el tipo de cambio con morosidad del sistema financiero peruano 2005 – 2021. Para ello, se utilizaron series mensuales comprendidas en el periodo de estudio que fueron obtenidas del Banco Central de Reserva del Perú y de la Superintendencia de Banca y Seguros. El análisis de las series se realizó utilizando la metodología de Vectores Auto Regresivos VAR. 15 El estudio se ha dividido en apartados en donde el primer capítulo se plantea la formulación del problema, donde se identifican los problemas específicos y los objetivos correspondientes, además se justifica la investigación. En el segundo capítulo se presentan los antecedentes nacionales e internacionales, marco teórico y las investigaciones empíricas que confirman la relación entre las variables de estudio. En el tercer capítulo de la investigación se desarrollan las hipótesis y operacionalización de las variables. En el cuarto capítulo se presenta la metodología, presentando el diseño de la investigación, la población que se tomó en cuenta para la investigación, el procedimiento muestral que se llevó a cabo, los instrumentos utilizados, los procedimientos que se siguió y las técnicas para el procesamiento y análisis de datos empleados. Y finalmente, en los capítulos posteriores se detalla los resultados y discusión de resultados, conclusiones y recomendaciones. 16 I. PLANTEAMIENTO DEL PROBLEMA 1.1. Descripción de la realidad problemática La actividad económica mundial durante el siglo XXI se ha visto afectada por tres grandes alteraciones económicas, como consecuencia de la crisis financiera internacional del 2008 al 2009, la pandemia del COVID-19, y recientemente por los acontecimientos sucedidos por la guerra entre Ucrania y Rusia. La crisis financiera internacional surgió por el colapso del mercado inmobiliario de Estados Unidos; el inicio de la crisis se dio el 14 de septiembre de 2008 con la quiebra de uno de los cinco grandes bancos de inversión del sistema financiero estadounidense, Lehman Brothers, lo cual tuvo como antecedente la reducción de la tasa referencial emitida por los bancos centrales con el fin de incentivar el consumo e inversión de los hogares. Debido a esto, los bancos otorgaron créditos hipotecarios sin el respaldo suficiente; es decir, con bajos niveles de ingreso y altos niveles de morosidad, generando que algunos bancos se fusionaran y otros siendo rescatados por empresas de seguros. Estados Unidos estuvo a punto de sufrir un colapso en su sistema financiero, el cual se llamó “congelamiento” del crédito, que implicó la paralización del crédito interbancario y la emisión de valores comerciales de corto plazo. (Antonio, 2009) En ese contexto, en Perú se registró una desaceleración de la actividad económica como consecuencia de los efectos de la crisis financiera internacional. Se produjo una contracción del PBI, pasando de una tasa anual promedio de 6.8% en el periodo de 2002 al 2008, gracias a la bonanza y el alto valor de las materias primas, a una caída abrupta en el 2009, registrando tan solo 0.9% del crecimiento del PBI. La principal razón fue la fuerte caída de la demanda externa, una caída de la producción industrial, un fuerte proceso de ajuste de inventarios, una reducción significativa de la inversión privada producto de la baja demanda y la incertidumbre sobre el futuro de la economía internacional que ocurría a fines de 2008 y durante el 2009. (Comisión Económica para América Latina y el Caribe, 2010) 17 Por otro lado, el reciente informe del Fondo Monetario Internacional (FMI,2022), indica que, a raíz de los últimos acontecimientos de la guerra rusa, y la persistencia de la pandemia, la economía mundial se desacelerará de 6,0% en 2021 a 3,2% en 2022 y 2,7% en 2023. Asimismo, el FMI (2022), con respecto a la estabilidad financiera a nivel mundial, indica que las condiciones financieras se han vuelto más restrictivas y las perspectivas económicas no son las esperadas debido a la guerra en Ucrania, ya que las valoraciones de las acciones han caído y los costos de financiamiento han aumentado. De igual forma, el aumento de los precios internacionales de las materias primas ha afectado la inflación ya existente de las diferentes economías, por lo que los bancos centrales tienen que enfrentar una tasa de inflación que aumenta progresivamente y resguardar la recuperación económica ante un panorama de incertidumbre post pandemia. En Europa, la recuperación de los bancos tras la pandemia dependerá de la capacidad del capital para otorgar créditos, aunque inicialmente los bancos europeos no se vieron afectados debido a que contaban con altos niveles de capital, se encuentran vulnerables antes los sectores económicos más afectados por la pandemia. El FMI, realizó un estudio acerca de cómo impacta la pandemia en la rentabilidad, la calidad de los activos financieros y la exposición al riesgo en los bancos europeos; donde concluyen que a pesar de que la pandemia reduzca de forma significativa el capital de los bancos, sus reservas son suficientes para combatir el impacto de una crisis, y con la ayuda de las políticas adecuadas, los bancos contribuirán con la recuperación económica otorgando nuevos préstamos. (Fondo Monetario Internacional - FMI,2021) Según Fondo Monetario Internacional - FMI (2022), los países de América Latina se enfrentan a un tercer shock: las fuertes condiciones financieras mundiales; además de la pandemia y la guerra en Ucrania. Contando con un crecimiento positivo causado por el retorno de los sectores de servicio y el empleo a niveles previos a la pandemia y las condiciones externas favorables; es decir, el alza de los precios de las materias primas, el 18 cual ha atraído grandes inversiones debido a que América Latina es una gran región exportadora, en un contexto de necesidades de alimentos y energía a escala mundial, la demanda externa y remesas sólidas. Por otro lado, el FMI (2022), también indica que el financiamiento se ha visto afectado debido al incremento de las tasa de interés por partes los bancos centrales para contener la inflación, ocasionando el aumento de las tasas de interés internas de los mercados emergentes y una reducción de la inversión por el alto riesgo que implica, el flujo de capital de los mercados están disminuyendo y el costo de financiamiento externo, aumentando; de igual forma, la incertidumbre respecto a las tasas de interés elevadas podría generar volatilidad y la aversión de los inversionista, como también tienden a disminuir los precios de las materias primas en un contexto de desaceleración económica mundial, generando la reducción de su efecto amortiguador. Acerca del sistema financiero peruano, Bueno & Arias (2022), abarcan la morosidad de las cajas municipales peruanas en la pre y post covid, debido a que la pandemia de COVID19 ha causado efectos económicos negativos en todos los sectores productivos del Perú, tales como, el incumplimiento de las microempresas al pagar sus créditos lo que incrementa los niveles de morosidad en las cajas municipales del país. Haciendo énfasis en los indicadores relacionados al abastecimiento de recursos al sector microempresarial, la calidad de las carteras y cómo repercute en las entidades financieras. Se encuentran diferencias en los niveles de morosidad antes y después de la pandemia de las cajas municipales del sistema financiero peruano. Según el Banco Central de Reserva del Perú - BCRP (2021), desde inicios de 2021 se está dando una recuperación de los ingresos por créditos, una desaceleración del gasto en provisiones, y crecientes porcentajes de clientes que vienen cancelando sus deudas reprogramadas, aspecto que ha favorecido a la rentabilidad de las entidades financieras, lo que genera niveles altos de liquidez. Asimismo, el ratio de morosidad a partir del primer 19 trimestre de 2021 se ha mantenido estable, esto se debe a que los créditos otorgados en lo que va del año presentan indicadores de morosidad con tendencia a la baja. El BCRP (2021), también indica que la estabilidad financiera ha contribuido a la recuperación de la economía en un contexto donde la incertidumbre interna se mantiene latente, las condiciones financieras mundiales son más restrictivas causada por el retiro del estímulo monetario en los países desarrollados que generan volatilidad en los mercados financieros y salida de capitales, lo que podría afectar la estabilidad del sistema financiero. Según el BCRP (2021), en el reporte de inflación de diciembre de 2021 informan que la tendencia al alza de la inflación se debe a los distintos fenómenos globales; específicamente debido a los problemas con la oferta y a la rápida recuperación de las diferentes economías del mundo. Asimismo, factores como el aumento de los precios internacionales de los commodities, el alza de los fletes marítimos, el aumento de los insumos, y el tipo de cambio influyeron en el alza de la inflación. El aumento de los insumos se ha visto reflejado en el aumento del índice de precios por mayor (IPM), el cual creció 13,2% en 2021; sumándose a este contexto el alza del tipo de cambio que afecta el costo de los insumos importados en moneda nacional. Para abarcar la problemática que acarrea las tasas de morosidad es importante y necesario identificar ciertos determinantes macroeconómicos, dado que en históricamente los estudios se han realizado sobre variables macroeconómicas, cuando el comportamiento general de la economía tiene repercusiones en el Sistema Financiero en su conjunto, tanto en bancos, cajas municipales y cajas rurales, que son fuente de financiamiento para la mayoría de mypes y diversas empresas en el Perú. 1.2. Formulación del problema 1.2.1. Problema general ¿Cómo influye el desempleo, inflación y tipo de cambio en la morosidad del sistema financiero peruano, 2005-2021? 20 1.2.2. Problemas específicos ¿Cómo influye el desempleo en la morosidad del sistema financiero peruano, 2005- 2021? ¿Cómo influye la inflación en la morosidad del sistema financiero peruano, 2005- 2021? ¿Cómo influye el tipo de cambio en la morosidad en el sistema financiero peruano, 2005-2021? 1.3. Objetivos 1.3.1. Objetivo general Determinar la influencia del desempleo, inflación y tipo de cambio en la morosidad del sistema financiero peruano, 2005-2021 1.3.2. Objetivos específicos Determinar la influencia del desempleo en la morosidad en el sistema financiero peruano, 2005 - 2021. Determinar la influencia de la inflación en la morosidad en el sistema financiero peruano, 2005 - 2021. Determinar la influencia del tipo de cambio en la morosidad en el sistema financiero peruano, 2005- 2021. 1.4. Justificación 1.4.1. Justificación teórica Existe teorías que los principales determinantes macroeconómicos que influyen en los niveles de morosidad del sistema financiero son el PBI, la cual presenta una relación negativa entre la morosidad y el ciclo económico, en los ciclos de crecimiento económico la morosidad de las instituciones financieras disminuye debido a que las empresas y los 21 hogares presentan una mayor solvencia económica para afrontar sus deudas, también estarán incluidas las variables de desempleo, inflación y la variación del tipo de cambio. En tal sentido dichas variables son de suma importancia, ya que ayuda a explicar el comportamiento de los niveles de morosidad en el sistema financiero peruano. El cual permite que la ratio de morosidad crediticia sea relevante para diseñar las medidas reguladoras que promuevan el desempeño óptimo de los bancos, para fortalecer sus operaciones crediticias y disminuir el nivel de morosidad, por ende, disminuir el riesgo crediticio. 1.4.2. Justificación práctica La presente investigación, servirá de información al sistema financiero peruano ante la necesidad de fortalecer la seguridad de las operaciones de crédito para reducir la vulnerabilidad del sistema financiero con el fin de corregir sus debilidades, otorgarles sostenibilidad y prevenir futuras crisis financieras futuras. 1.5. Delimitantes de la investigación 1.5.1. Teóricas La presente investigación hará uso de las teorías del desarrollo financiero, teorías del riesgo crediticio, relacionándolo con las teorías del crecimiento económico y la morosidad para el análisis del desempleo, inflación y tipo de cambio. También se verán modelos predictores de morosidad con variables macroeconómicas para la elección del mejor modelo a estimar. 1.5.2. Temporal El periodo que comprende la investigación es del 2005-2021, a través del análisis de series de tiempo y utilizando datos mensuales. 22 1.5.3. Espacial Esta investigación se realizará con datos del gobierno peruano publicados en el BCRP, SBS. 23 II. MARCO TEÓRICO 2.1. Antecedentes del estudio 2.1.1 Antecedentes Internacionales Naranjo (2020), analiza la relación que existe entre los niveles de morosidad del sistema bancario de Ecuador y las variables macroeconómicas. Entre las principales variables macroeconómicas que se analizan están el PBI, la tasa de interés activa y el tipo de cambio real. Utiliza una data de manera trimestral para el periodo 2003-2008. Además, utiliza un modelo econométrico de la metodología VAR. Se concluye que las variables macroeconómicas más significativas son el PIB y la tasa de cambio real, mismas que en términos absolutos presentan una relación inversa con el índice de morosidad. Por lo tanto, el índice de morosidad del sistema bancario del Ecuador presenta un comportamiento decreciente y manifiesta una relación cíclica con el crecimiento económico, las empresas y las familias en épocas de auge obtienen mayor ingreso. Hada, Bărbuță-Mișu, Luga & Wainberg (2020), buscaron presentar los aspectos más importantes relacionados con los préstamos morosos, y los determinantes macroeconómicos que afectan la tasa de préstamos en mora en Rumanía. El análisis de morosidad se realizó mediante regresión lineal (MCO) basada en el conjunto de datos para el período de 2009 a 2019. Los resultados muestran que todas las variables independientes seleccionadas (tipos de cambio de las monedas más utilizadas (EUR, USD y CHF), desempleo e inflación) tienen un efecto significativo sobre la variable de morosidad. El estudio reveló una fuerte correlación entre los préstamos morosos y los factores macroeconómicos estudiados, y la economía rumana está claramente relacionada con la calidad de la cartera de préstamos. Además, el análisis econométrico de las causas empíricas del índice de morosidad muestra que el tipo de cambio RON-CHF ha sido el principal factor que ha influido en el crecimiento del ratio de morosidad en Rumanía durante los últimos 5 años. 24 Kjosevski, Petkovski & Naumovska (2019), investigaron el impacto de los determinantes macroeconómicos y bancarios en todos los préstamos morosos de empresas y hogares en la República de Macedonia. El análisis se realizó para toda la industria bancaria desde el cuarto trimestre de 2003 hasta el cuarto trimestre de 2014 utilizando un modelo de rezago distribuido autorregresivo (ARDL), un modelo de cointegración que introduce series de tiempo trimestrales. Los resultados muestran que la rentabilidad bancaria, el crecimiento del crédito a empresas y familias y el crecimiento del PIB han tenido un impacto negativo, mientras que la solvencia bancaria y el desempleo han tenido un impacto positivo al alza de la morosidad para ambos modelos. Para las empresas, el tipo de cambio tiene un efecto positivo y estadísticamente significativo sobre la tasa de morosidad, mientras que la inflación tiene un efecto negativo y estadísticamente significativo sobre el crecimiento de los préstamos morosos de los hogares. Altuve & Hurtado (2018), analiza los factores macroeconómicos y microeconómicos que influyen en la morosidad del sistema bancario venezolano. Las principales variables analizadas son el PBI, tasa de desempleo, variación del tipo de cambio, tasa de interés pasiva real, el ratio cartera de créditos y la rentabilidad. Para la cual utiliza un modelo econométrico de MCO con rezagos. Se concluye que la inflación tiene una relación positiva con la morosidad y presenta una relación a largo plazo del mismo modo, con el tipo de cambio presentando una relación directa con la morosidad. Wood & Skinner (2018), analizaron el comportamiento de las variables macroeconómicas (crecimiento del PBI, desempleo y tasa de interés) como microeconómicas (rentabilidad de los fondos propios, rentabilidad de activos, coeficiente de adecuación de capital, relación de préstamos y depósitos) de los bancos comerciales de Barbados en un periodo de 25 años utilizando un modelo econométrico de regresión múltiple analizado en SPSS y estadística descriptiva en Excel. Obteniendo como resultado que las variables macroeconómicas y microeconómicas influyen significativamente en la morosidad. 25 Koju, Koju & Wang (2018), evaluaron los determinantes macroeconómicos y específicos de los préstamos morosos del sistema bancario nepalí utilizando enfoques de estimación de panel tanto estáticos como dinámicos. Consideraron 30 bancos comerciales nepalíes durante el período 2003-2015 y utilizaron 7 variables específicas de los bancos y 5 macroeconómicas para evaluar el impacto de la gestión bancaria y los indicadores económicos sobre la morosidad. Los resultados muestran que la morosidad tiene una relación positiva significativa con la relación entre exportaciones e importaciones, la ineficiencia y el tamaño de los activos, y una relación negativa con la tasa de crecimiento del PIB, la adecuación del capital y la tasa de inflación. Los resultados del estudio empírico indican que el bajo crecimiento económico es la causa principal de la elevada morosidad en Nepal y sugieren que se requiere una gestión eficiente y políticas financieras eficaces para un sistema financiero y una economía estables. Szarowska (2018), investigó y cuantificó el impacto de los factores macroeconómicos de los préstamos morosos en 11 países de Europa Central y Oriental (CEE) en el período de 1999 a 2015. La evidencia empírica se basa en datos de panel anuales agregados obtenidos de Bluenomics. La regresión de panel utilizando análisis de efectos fijos identificó al desempleo como el factor macroeconómico más importante en la morosidad: la relación entre el desempleo y la morosidad es proporcional. En segundo lugar, los resultados confirman los efectos negativos de la inflación, el crecimiento económico y los tipos de cambio sobre la morosidad. El impacto de las tasas de interés en los préstamos es positivo y como se esperaba. Las variables macro tienen el mayor efecto con un retraso de 1 año. Zainol, Nor, Ibrahim & Daud (2018), examinaron empíricamente los factores macroeconómicos que determinan los préstamos morosos de bancos e instituciones financieras en Malasia. Utilizando datos de series de tiempo desde el primer trimestre de 2006 hasta el cuarto trimestre de 2015, aplicaron el método de rezagos distribuido autorregresivo (ARDL) para examinar las relaciones significativas a largo plazo y las 26 elasticidades a corto plazo entre las variables. El estudio encuentra que el nivel de préstamos morosos en Malasia está influenciado por las variables macroeconómicas; el Producto Interno Bruto (PIB), la tasa de referencia, la Inflación y la Distribución de Ingresos de los Hogares. Los resultados que obtuvieron muestran que el PIB es significativo y negativo en relación con la morosidad, mientras que la tasa de referencia y los ingresos de los hogares son significativos y positivos, de acuerdo con los resultados esperados. Sin embargo, la inflación generó una relación insignificante con los préstamos morosos, contrario a lo que habían planteado. Peñafiel & Yong (2017), buscan medir el impacto de la Inflación, Tasa de Interés Activa, Liquidez y Volumen de Crédito sobre la morosidad del Sistema Financiero ecuatoriano mediante la elaboración de un modelo econométrico a partir de información de series de tiempo con datos mensuales para el periodo 2010 a 2016. El diseño de la investigación utilizó una lógica deductiva de enfoque cuantitativo y de tipo descriptivo, correlacional y explicativo. Los principales resultados son que la Inflación, Tasa de Interés Activa y Liquidez presentan una relación negativa con respecto a la morosidad mientras que el Volumen de Crédito tiene un impacto positivo sobre la morosidad. Por lo tanto, el sistema financiero y la sociedad deben tener interés en el comportamiento de estas variables para evitar incumplimientos de pago. Wairimu & Gitundu (2017), examinaron los determinantes macroeconómicos de la morosidad en Kenia. Abarcan datos de series de tiempo del período 1998-2015, analizándolo mediante un modelo de regresión lineal (MCO). Siendo la variable a analizar la razón de préstamos entre préstamos totales. Las variables macroeconómicas fueron crecimiento del PIB, inflación, tasa de interés, tipo de cambio, remesas, tasa de desempleo y deuda pública. Los resultados empíricos mostraron que la inflación, la tasa de interés, el crecimiento del PIB, la deuda nacional y el tipo de cambio no fueron estadísticamente significativos, mientras que el desempleo y las remesas fueron estadísticamente significativos al nivel de confianza de 0,05. El estudio señala que entre 1998 y 2015, las 27 remesas y las tasas de desempleo fueron impulsores macroeconómicos clave de la morosidad en Kenia. Radivojevic & Jovovic (2017), examinaron los determinantes de las tasas de morosidad a través de un análisis transversal de una muestra de 25 países emergentes. Se utiliza un enfoque de datos de panel para analizar los determinantes de la morosidad para el período 2000-2011. El objetivo principal de su investigación fue construir un modelo econométrico relevante para demostrar el efecto de las variables independientes sobre las variables dependientes utilizando modelos estáticos y dinámicos. Los resultados muestran que las tasas de morosidad pueden explicarse principalmente por factores macroeconómicos clave como el PIB y las tasas de inflación, así como factores específicos del banco como ROA, CAP y tasas de morosidad tardía. El-Maude, Abdul-Rahman & Ibrahim (2017), examinaron la relación entre el determinante macroeconómico y específico de los préstamos morosos en los bancos de depósito de Nigeria durante un período de 5 años (2010 a 2014) sobre una base transversal. Es una investigación no experimental y utilizaron datos secundarios, generados a partir de los informes y cuentas anuales de los bancos de Nigeria, el Banco Central de Nigeria (BCN) y el libro de datos de la Verificación Bancaria de Nigeria (BVN), respectivamente. Los datos fueron analizados mediante estadística descriptiva, coeficiente de correlación y regresiones múltiples. Los resultados revelan una relación significativa positiva entre los préstamos morosos y los préstamos para depositar y el tamaño del banco; considerando que la relación entre el coeficiente de adecuación del capital y la inflación revela una relación positiva insignificante; mientras que el rendimiento de los activos tuvo una relación negativa insignificante con la tasa de morosidad. 2.1.2 Antecedentes nacionales Ramos (2022), tiene como objetivo describir la relación de los factores macroeconómicos y microeconómicos sobre la morosidad crediticia de las entidades 28 bancarias del Perú, como factores macroeconómicos toma a la tasa de crecimiento del PBI, tipo de cambio, desempleo, inflación y liquidez y en los factores microeconómicos toma a la política de colocaciones, solvencia, eficiencia y gestión, y nivel de rentabilidad. Realizan una investigación de diseño no experimental, de tipo longitudinal con datos de tipo panel y de alcance correlacional, con datos trimestrales de marzo de 2010 a diciembre del 2020, con un modelo econométrico del método generalizado de momentos. Concluyó, que el PBI, desempleo y tasa de interés activa tienen una relación negativa con la morosidad. Con respecto al desempleo, difiere de su hipótesis planteada, según sustenta, no se considera la variable intermedia, nivel de endeudamiento. Por otro lado, el tipo de cambio presenta una relación positiva. De los factores microeconómicos, concluye que sí inciden en la morosidad. Velasco & Valencia (2020), tiene como objetivo analizar el comportamiento de las variables macroeconómicas: Producto Bruto interno, inflación, tipo de cambio, liquidez y la tasa de interés interbancaria y su influencia en la morosidad de la banca múltiple (BM) del Perú. Realizaron una investigación cuantitativa de carácter correlacional, empleando el modelo de Panel Data con información mensual del periodo 2011-2018. Llegaron a la conclusión de que dichas variables están asociadas con la morosidad, presentando una relación positiva con la inflación, tipo de cambio y liquidez, por otro lado, el PBI y las tasas de interés interbancaria tienen una relación negativa. Cruz & Puente (2019), el propósito es analizar la influencia del PBI en el sector comercio, tasa de desempleo, ratio de solvencia, ratio de liquidez, número de agencias, créditos directos y créditos directos por empleado respecto a la tasa de morosidad. Realizaron una investigación aplicativa, descriptiva. Para tal caso, se usó el modelo econométrico vector autorregresivo (VAR) y el modelo vector autorregresivo estructural (VARS) con datos mensuales desde enero del 2006 hasta septiembre del 2017 (3er trimestre). Concluyeron que las variables macroeconómicas y financieras inciden en la tasa 29 de morosidad, corroborando sus hipótesis planteadas y teorías económicas, lo cual podrían servir como un sistema de alerta temprana para las cajas de ahorros municipales. Jara (2019), busca identificar la incidencia de ciertos factores como el crecimiento económico, el desempleo, el volumen de créditos, el número de agencias y la tasa de interés en la morosidad de las Cajas Municipales de Ahorro y Crédito. La investigación es de tipo cuantitativo-deductivo, de alcance correlacional-explicativo para este fin se utiliza un modelo de Mínimos Cuadrados Ordinarios, sobre la base de datos mensuales de 2003- 2017. Se concluye que la tasa de interés activa determina la morosidad. La relación positiva y estadísticamente significativa, esta variable tiene un impacto inmediato, con lo cual también ante una caída del PBI, el desempleo se incrementa y en consecuencia aumenta la morosidad en las Cajas Municipales de Ahorro y Crédito. Carrión & Musayon (2018), buscan identificar si ciertas variables macroeconómicas, tales como Producto Bruto Interno, Tipo de Cambio, Tasa de Interés (moneda nacional y extranjera), Índice de Precios al Consumidor (IPC) y Tasa de Desempleo afectan la morosidad del sistema financiero peruano, medida por el ratio de morosidad. Además, utiliza un modelo MCO para datos trimestrales del 2010 al 2016. Concluyeron que el PBI, tipo de cambio e IPC cumplen con los supuestos de la teoría económica, que, ante un aumento o disminución de dichas variables, genera una variación en el ratio de morosidad. Para el desempleo existe una relación inversa con la morosidad (la cual difiere con la teoría económica), según fundamentan se debe a que no se consideró una variable intermedia como el nivel de endeudamiento. Salazar & Ronny (2017), en su investigación comprueba empíricamente que la calidad de cartera del portafolio de tarjetas de créditos de consumo en el Perú (periodo 2010 – 2015) se encuentra determinada tanto por factores macroeconómicos como microeconómicos. La técnica utilizada corresponde al panel dinámico desarrollado por Arellano-Bond (1991), y las variables utilizadas para explicar la morosidad del portafolio de tarjetas de crédito son: PBI, tipo de cambio, deuda y línea promedio en tarjetas de crédito, 30 deuda total en el sistema financiero, tasa de interés promedio en tarjetas de crédito, porcentaje de utilización de las tarjetas de crédito, y crecimiento del portafolio de tarjetas de crédito. Jaramillo & Trevejo (2017), buscan determinar qué factores macroeconómicos ejercen efecto sobre los niveles de morosidad del sistema financiero peruano. Para tal efecto, utiliza las variables macroeconómicas como: tasa de inflación, la variación del tipo de cambio y la variación de la tasa de desempleo. El diseño de investigación es descriptivo y correlacional. Además, se utilizó un modelo econométrico de metodología VAR, para la cual se utilizó una muestra de 142 observaciones para cada variable con datos mensuales del 2005 al 2016. Se concluyó que las variables mencionadas se relacionan con la tasa de morosidad del sistema bancario peruano. Agurto & Córdova (2017), busca analizar los determinantes más importantes que definen la morosidad, para lo cual utilizó como variable dependiente la Tasa de Morosidad y como variables independientes el PBI Sector Servicios, Desempleo, Colocaciones, Liquidez, Solvencia, Número de agencias. Utiliza un modelo de Mínimos Cuadrados Ordinarios (MCO) con datos mensuales de 2001 hasta el 2016. Concluyeron que todas las variables propuestas tienen significancia con el modelo, lo cual la variable desempleo si influyen en la Tasa de Morosidad, las variables que más impacto representaron fueron las colocaciones y número de agencias, siendo la de mayor impacto el crecimiento de las colocaciones. Castillo & Cárdenas (2016), tienen como objetivo fundamental determinar la incidencia de diferentes factores que determinan la morosidad del sistema de Cajas Municipales de Ahorro y Crédito del Perú, se analiza tantos factores micro y macroeconómicos. La muestra que se toma es de manera mensual desde enero del 2001 hasta junio del 2014. Los factores más importantes que inciden en el análisis del nivel de morosidad son: el producto bruto interno (PBI) de servicios; las colocaciones; la liquidez en moneda nacional; el desempleo; el ratio patrimonio/activos; el número de agencias y los propios rezagos de la morosidad. Para la cual se utiliza un modelo econométrico de MCO. 31 Se concluye que de los factores macroeconómicos más relevantes y significativos es el PBI y el desempleo. Las otras variables microeconómicas mencionadas también son significativas y tienen consistencia teórica con la tasa de morosidad de las cajas de ahorro y crédito del Perú. 2.2 Bases teóricas 2.2.1 Morosidad en el Sistema Financiero 2.2.1.1 Definición. La morosidad en las entidades financieras es explicada por Limachi (2015), el cual indica que se expresa en el análisis de la calidad de la cartera de estas instituciones financieras, que 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. La morosidad es un indicador de riesgo, que muestra el grado de incumplimiento de los clientes frente a sus obligaciones financieras vencidas de intereses y capital. El término morosidad es la situación jurídica en la que un obligado se encuentra en mora, siendo ésta el retraso en el cumplimiento de una obligación, de cualquier clase que ésta sea, aunque suele identificarse principalmente con la demora en el pago de una deuda exigible. Una elevada cartera morosa constituye un serio problema que compromete la viabilidad de la institución financiera debido a que los altos niveles de morosidad de sus créditos conllevan inicialmente a un problema de liquidez, que, en el largo plazo, si es recurrente y la institución no posee líneas de créditos de contingencia, se convierte en uno de solvencia, que determina probablemente, la liquidación de la institución, hecho que también pudiese afectar al sistema. (Freixas & Rochet, 1997). Para, Brachfield (2000), la morosología es una disciplina que se dedica a la investigación y lucha contra la morosidad desde una perspectiva holística que permite entender el fenómeno desde el punto de vista de las múltiples interacciones que lo provocan 32 y que facilita una comprensión contextual del proceso de la morosidad, de sus protagonistas y de su contexto, e investigando soluciones para esta lacra empresarial. En contra de lo que muchos creen, la morosidad es una realidad compleja. Es un fenómeno poliédrico en el que intervienen diversos condicionantes, por lo que hay que estudiar factores macroeconómicos, microeconómicos, empresariales, antropológicos, históricos, estadísticos, culturales, sociológicos, psicológicos, financieros, legales y de comportamiento humano. 2.2.1.2 Dimensiones. 2.2.1.2.1 Tasa de morosidad. Según la Superintendencia de Banca y Seguros (s.f), es el porcentaje de los créditos directos que se encuentran en situación de vencidos o en cobranza judicial. 2.2.1.3 Indicadores. Como indicador, se tomará el ratio de morosidad que proporciona la SBS. Ratio de morosidad =Créditos Atrasados (criterio SBS) / Créditos Directos (%) Donde: • Créditos atrasados: Según la SBS (2015), consideran a un crédito como vencido dependiendo del tipo crédito que hayan obtenido, para los créditos corporativos, a grandes y a medianas empresas cuando el atraso supera los 15 días; para los créditos a pequeñas y microempresas los 30 días; y para los créditos hipotecarios y de consumo, a los 30 días de atraso se considera la cuota como vencida y a los 90 días de atraso el saldo total. • Créditos Directos. Son todos los créditos que otorgan las empresas del sistema financiero, en síntesis, es la suma de créditos vigentes, reestructurados, refinanciados, vencidos y en cobranza judicial. (SBS,2015) 33 2.2.1.4 Teorías. • Teoría de la Morosidad Según Ligue (2018), la morosidad crediticia es uno de los principales factores que explican el desarrollo de las crisis financieras en el mundo entero. Además, la mayor parte de las variaciones en morosidad son explicadas por las condiciones económicas locales, la conducta tomadora de riesgo de los bancos resulta ser un factor importante. A su vez, la teoría de Sinkey y Greenawalt (1991), indican que el retorno promedio por colocaciones, la dependencia fondos mayoristas y el ratio colocaciones a activos tienen una relación positiva y significativa con la morosidad crediticia. Por otro lado, dentro de los factores internos que podrían determinarla podemos distinguir tres categorías. En primer lugar, aquellos asociados a la política de créditos como son las garantías, el plazo de colocaciones y de acuerdo al modelo de Stiglitz y Weiss (1981), el diferencial de la tasa de intereses del banco frente al sistema. Por ejemplo, un aumento de colocaciones que no estén respaldadas por garantías, un incremento en los plazos de crédito o una tasa de interés mayor a la del mercado atraerá a los clientes de mayor riesgo, lo que se traducirá en una mayor morosidad. Riesgo Crediticio Ligue (2018), también explica que el riesgo en el sector financiero es el potencial de posibles pérdidas, para ello es necesario en el corto plazo mantener la estabilidad financiera, protegiendo sus activos e ingresos de los riesgos que está expuesta, y en el largo plazo minimizar las pérdidas ocasionales. El factor más importante que se mide es la frecuencia esperada de no pago, si se trata de identificar las características de un deudor con un patrón de comportamiento, se debe tener una base de datos lo suficientemente grande como para establecer los diferentes patrones de comportamiento que existan en un mercado, no una base de datos de unos clientes, si no del universo del mercado que se maneja. 34 2.2.2 Inflación 2.2.2.1 Definición. Define como “el crecimiento generalizado y continuo de los precios de los bienes, servicios y factores productivos de un país e implica la reducción de la capacidad adquisitiva del dinero” (Blacutt, 2013, p. 246). 2.2.2.2 Dimensiones. Tasa de inflación. Es el “cambio porcentual en el índice de precios con respecto al periodo anterior o precedente” (Mankiw, 2012, p. 516). 2.2.2.3 Indicadores. Índice de Precios al consumidor. La inflación usualmente se calcula como la variación porcentual del Índice de Precios al Consumidor (IPC), que mide los precios promedio de los principales artículos de consumo. Para conocer qué productos deben incluirse en esta canasta representativa, se hace generalmente una encuesta a una muestra representativa de hogares. La composición de la canasta usada para el IPC varía entre países y refleja los diferentes patrones de consumo e ingreso de cada uno de ellos. (Gutiérrez & Zuira, 2006) 2.2.2.4 Teorías. Las teorías que se describirán a continuación sobre los indicadores macroeconómicos que se ha seleccionado; inflación, desempleo y tipo de cambio son aproximaciones para poder explicar cómo inciden en la morosidad. En realidad, tal como lo menciona Aguilar & Camargo (2003), no hay una base teórica en específico que explica los determinantes que influyen en la morosidad, sino que todos los estudios son realizados de manera empírica para poder demostrar cómo ciertos indicadores macroeconómicos y microeconómicos afectan la morosidad de entidades financieras. Teoría Clásica 35 Según el pensamiento económico clásico en la teoría cuantitativa del dinero explican el proceso de la generación de la inflación se debe al exceso de dinero en la economía, lo que genera un mayor poder adquisitivo, lo que aumenta la demanda y hace que los precios aumenten. Por lo que, la política económica es limitada en cuestión de la consecución de la estabilidad de los precios, a la alta circulación de dinero compatible con el crecimiento de la producción. (Cuadrado, Mancha, Villena, Casares, González, Marín & Peinado, 2010) Teoría Keynesiana Según el pensamiento keynesiano, por el contrario, a la teoría clásica, nos dice que los salarios no eran flexibles a la baja ni que los mercados se ajustaban de forma automática tendiendo al equilibrio; es decir, que cuando la economía se encontraba con factores productivos desocupados como el trabajo, el aumento en la cantidad de dinero generaría un estímulo a la demanda agregada, ocasionando un alza en el empleo y la producción, con pocos efectos inflacionarios. En otras palabras, todo aumento de la demanda agregada que esté por encima de la capacidad de producción de una economía genera una presión inflacionaria. (Cuadrado et. al, 2010) Teoría Monetarista Hay otras explicaciones por el lado de la demanda que tratan de encontrar la causa de la inflación en las viejas fuentes de la teoría monetarista. Siendo su máximo representante Milton Friedman, para quien la inflación es siempre y en todas partes un fenómeno monetario, y existe una regularidad empírica comprobable entre los cambios en la oferta monetaria y el nivel general de precios. Lo cual es necesariamente cierto, porque ningún proceso inflacionario puede continuar sin una abundancia de dinero que permita realizar la misma cantidad de transacciones económicas a un precio mayor. (Cuadrado et. al, 2010) 36 2.2.3 Desempleo 2.2.3.1 Definición. La OIT (2014), plantea que la definición de desempleo se basa en tres criterios que deben cumplirse simultáneamente. “Personas desempleadas” son todas aquellas personas que tengan la edad exigida para la medición de la población económicamente activa y que, durante el período de referencia, se hallen: a) “sin trabajo”, es decir, que no tengan un empleo remunerado ni estén trabajando por cuenta propia, como se establece en la definición internacional del empleo. b) “actualmente disponibles para trabajar”, es decir, que estén disponibles para trabajar en un empleo remunerado o por cuenta propia en el período de referencia. c) “buscando trabajo”, es decir, que hayan hecho gestiones concretas en un determinado período reciente para encontrar un empleo remunerado o trabajar por cuenta propia. 2.2.3.2 Dimensiones. Tasa de desempleo. Según Krugman & Wells (2007), la define como el número de personas desempleadas respecto a la población económicamente activa, expresado en porcentaje; es decir, el porcentaje de personas que están en la edad de trabajar, condición e intenciones de laborar, pero no cuentan con un trabajo en un área determinada. 2.2.3.3 Indicadores. Como indicador se utilizará el porcentaje del número de personas desempleados entre la población económicamente activa (PEA). Tasa de desempleo= número de desempleados /PEA Donde: Población económicamente activa. Según el INEI (2022), están constituidas por aquellas personas que tienen la edad mínima (14 años en Perú), brindan mano de obra 37 para la producción de bienes y servicios por un periodo de tiempo determinado; es decir, se consideran económicamente activas aquellas que contribuyen a la producción de bienes y servicios. Número de desempleados. Según el INEI (2022), es parte de la PEA que se encuentra desocupada. 2.2.3.4 Teorías de desempleo. Teoría Clásica, Neoclásica y Keynesiana Los clásicos fundamentaban que el desempleo es una situación en que un determinado número de personas dispuestas a trabajar; es decir la oferta de trabajo, excede la demanda de trabajo. Los autores como Adam Smith, David Ricardo, Jean-Baptiste Say, fundamentaban que el mercado de trabajo es como cualquier mercado, para ellos los mercados se estabilizan cuando los precios y los salarios son flexibles. En ese sentido, las empresas pueden contratar trabajadores con salarios más bajos y reducir el desempleo mediante la contratación de más trabajadores. (Cuadrado et. al, 2010) Para la teoría neoclásica, partiendo de los supuestos clásicos, mantienen una idea de que los salarios deberían ser flexibles. Donde hay un equilibrio entre los salarios y cantidad de trabajadores, lo cual no significa que el 100% de la población activa, se encuentre trabajando, ya que eventualmente habrá una tasa de paro natural, en ese sentido la política económica que se debería aplicar es la flexibilidad de los salarios al máximo, para que de esa manera se encuentre el equilibrio laboral. (Cuadrado et. al, 2010) En controversia a los fundamentos clásicos, La teoría Keynesiana critica el supuesto de los salarios flexibles, al contrario, serían rígidos. Según Keynes, el problema de desempleo, viene dado por una insuficiente demanda efectiva, a lo que se le conoce como paro Keynesiano, para ello la política económica adecuada es aquella que permite que el nivel de demanda agregada de la economía se eleve; con el objetivo de recuperar el nivel de producción del pleno empleo. (Cuadrado et. al, 2010) 38 2.2.4 Tipo de cambio 2.2.4.1 Definición. El tipo de cambio, para el BCRP (2011), mide el valor de una moneda en términos de otra; en nuestro caso, del dólar de los Estados Unidos de América con respecto al Sol. En un régimen de flotación, el tipo de cambio refleja variaciones en la oferta y demanda de divisas. En tal sentido, esta variable está influida, entre otros factores, por la evolución de los términos de intercambio, los volúmenes de comercio exterior, los flujos de capital y cambios en las decisiones de portafolio de las personas, empresas y bancos. 2.2.4.2 Dimensión. Tipo de cambio nominal. Como lo describe el BCRP (2011), es la relación de una moneda en términos de otra. 2.2.4.3 Indicador. Se utilizará el tipo de cambio en relación con el dólar estadounidense. 2.2.4.4 Teoría. La relación entre la morosidad y el tipo de cambio es explicada de manera empírica por Aguilar, Camargo & Morales (2004), donde realizan una investigación de determinantes macro y microeconómicos sobre la morosidad bancaria. Entre ellos tiene como indicador al tipo de cambio, donde el resultado que obtuvieron fue que el tipo de cambio tiene un efecto significativo y positivo sobre la morosidad del sistema bancario. En ese sentido y dado que Perú tiene un gran porcentaje de créditos en moneda extranjera, una depreciación del tipo de cambio o que la moneda local pierda valor frente a la extranjera, encarece la deuda en moneda nacional, en consecuencia, aumente la morosidad. 2.3 Marco Conceptual La teoría del ciclo económico sostiene que la economía experimenta fluctuaciones cíclicas a lo largo del tiempo, y que estos ciclos están determinados por factores como el 39 gasto agregado, la inversión y la producción. Según esta teoría, durante las recesiones, es común ver una disminución de la producción, el empleo y el gasto agregado, lo que puede llevar a un aumento del desempleo y una disminución de la inflación. También es común ver una depreciación del tipo de cambio durante las recesiones, ya que las monedas suelen depreciarse cuando los inversores buscan refugiarse en activos más seguros durante los períodos de incertidumbre económica. (Cuadrado et. al, 2010) En este contexto, la morosidad puede aumentar durante las recesiones debido a la disminución del empleo y la reducción del poder adquisitivo de las personas y empresas. Los prestatarios pueden tener dificultades para hacer frente a sus deudas debido a la reducción de sus ingresos o a la disminución de los precios de sus productos o servicios. Además, la depreciación del tipo de cambio puede afectar negativamente a las empresas que tienen deudas en moneda extranjera, ya que pueden tener dificultades para hacer frente a estas deudas debido a la mayor dificultad para obtener ingresos en la moneda local. (Cuadrado et. al, 2010) 2.4 Definición de términos básicos • Producto Bruto Interno (PBI). Es la suma total de bienes y servicios producidos de una economía durante el periodo contable, expresado en la moneda local vigente. La expresión nominal o corriente se refiere a los precios que no han sido descontados por efectos de la inflación. Por lo que, se calcula utilizando los valores reales de los componentes como referencia, pre indexados mediante deflactores para cada componente. (BCRP, 2011) • Tasa de interés activa. Según el BCRP (2018), es el porcentaje que cobran los bancos según el tipo de crédito que le otorgan a microempresa, pequeñas, medianas y grandes empresas, corporativos, por consumo e hipotecario; así como, modalidades de financiamiento que son préstamos a distintos plazos, siendo las más conocidas los sobregiros, descuento y préstamos. 40 • Tasa de interés pasiva. Según el BCRP (2018), lo define como el porcentaje que ganan o perciben los clientes provenientes de mantener activas sus cuentas corrientes, cuentas de ahorro y los depósitos a plazo fijo en un banco. • Liquidez. Según el BCRP (2011), la liquidez es la capacidad inmediata de dinero con la que cuenta un banco, así como la de una entidad financiera externa para cumplir con sus obligaciones en el corto plazo. Asimismo, la liquidez puede ser en moneda nacional (dinero y cuasidinero) y extranjera (depósitos, créditos bancarios, valores emitidos por el BCRP y otras obligaciones en moneda extranjera). • Cartera pesada. La SBS (2015), la define como todos los créditos directos o indirectos otorgados a personas naturales o jurídicas que cuentan con una calificación crediticia de deficiente, dudoso y pérdida. Es decir, la calificación deficiente se refiere a los deudores que cuentan con una capacidad financiera débil y un flujo de caja que no le permite pagar la totalidad del capital; la calificación dudosa, es para aquellos que no pueden pagar el capital ni los intereses por contar con un flujo de caja insuficiente y una situación financiera crítica; y la calificación de pérdida se refiere a los que se encuentran en suspensión de sus pagos, una flujo de caja que no cubre los gastos y están declarados como insolventes. 41 III. HIPOTESIS Y VARIABLES 3.1 Hipótesis 3.1.1 Hipótesis general El desempleo, la inflación y el tipo de cambio influyen directamente en la morosidad del sistema financiero peruano, 2005-2021. 3.1.2 Hipótesis específicas El desempleo influye directamente en la morosidad del sistema financiero peruano, 2005-2021. La inflación influye directamente en la morosidad del sistema financiero peruano, 2005-2021. El tipo de cambio influye directamente en la morosidad del sistema financiero peruano, 2005-2021. 3.2 Definición conceptual de las variables Variable dependiente (Y) Morosidad en el sistema Financiero. Esta determinada por el índice de morosidad, siendo esta, un indicador de riesgo, que muestra el grado de incumplimiento de los clientes frente a sus obligaciones financieras vencidas de intereses y capital. (Freixas & Rochet, 1997). Variables Independientes (X) Inflación: Gutiérrez & Zuira (2006) definen a la inflación como un aumento generalizado y continuo en el nivel general de precios de los bienes y servicios de la economía. 42 Desempleo: Para la OIT (2014), son todas aquellas personas que tengan la edad exigida para la medición de la población económicamente activa y que, durante el período de referencia, se hallen: a) “sin trabajo”, es decir, que no tengan un empleo remunerado ni estén trabajando por cuenta propia, como se establece en la definición internacional del empleo. b) “actualmente disponibles para trabajar”, es decir, que estén disponibles para trabajar en un empleo remunerado o por cuenta propia en el período de referencia. c) “buscando trabajo”, es decir, que hayan hecho gestiones concretas en un determinado período reciente para encontrar un empleo remunerado o trabajar por cuenta propia. Tipo de cambio: según el BCRP (2011), mide el valor de una moneda en términos de otra. 3.3 Operacionalización de las variables Tabla 1 Operacionalización de variables Variables Definición conceptual Definición operacional Dimensiones Indicadores Y: Morosidad en el sistema financiero Es un indicador de riesgo, que muestra el grado de incumplimiento de los clientes frente a sus obligaciones. (Freixas & Rochet, 1997).) Morosidad sistema financiero=F (tasa morosidad) Tasa de morosidad (Créditos Atrasados /Créditos Directos) % Desempleo Personas en edad de trabajar, pero que se encuentran desempleadas Desempleo=F (Número de desempleados /PEA) Tasa de desempleo (Número de desempleados /PEA) % 43 Inflación Gutiérrez & Zuira (2006) definen como un aumento generalizado y continuo en el nivel general de precios de los bienes y servicios de la economía. Inflación= F (IPC) IPC ((IPC actual - IPC año base) / IPC año base) % Tipo de cambio El tipo de cambio, para el BCRP mide el valor de una moneda en términos de otra Tipo de Cambio =F (moneda extranjera) Tipo de cambio nominal Representada por los soles por dólar Nota. Fuente: Elaboración propia 44 IV. METODOLOGÍA DEL PROYECTO 4.1 Diseño de investigación La investigación es de tipo básico, explicativa y no experimental, bajo un enfoque cuantitativo. Siendo básica debido a que es una investigación teórica, explicativa porque se busca determinar el nivel de incidencia de las variables independientes sobre la dependiente y es no experimental, gracias a que no es posible manipular las variables, ni se puede establecer ningún tipo de influencia sobre ellas porque ya sucedieron al igual que sus efectos. Además, los datos serán de longitudinales con series de tiempo. 4.2 Método de investigación Se hará uso del método hipotético deductivo, ya que desde una hipótesis inferida de principios o leyes o sugerida por los datos empíricos, y aplicando las reglas de la deducción, se arriba a predicciones que se someten a verificación empírica, y si hay correspondencia con los hechos, se comprueba la veracidad o no de la hipótesis de partida. 4.3 Población y muestra La población de estudio son las entidades e instituciones del sistema financiero peruano registradas en la SBS. Muestra. Los datos mensuales del periodo 2005 – 2021, provenientes de la SBS y BCRP correspondiente a los bancos, cajas municipales y cajas rurales que son parte del sistema financiero. 4.4 Lugar de estudio El lugar de estudió corresponde a todo el territorio peruano en el periodo 2005- 2021. 4.5 Técnicas e instrumentos para la recolección de la información Para la presente investigación se recolectaron datos secundarios de forma mensual del periodo 2005 - 2021 correspondientes a la información publicada por las distintas entidades gubernamentales como la institución reguladora del sistema financiero, la 45 Superintendencia de Banca y Seguro (SBS) y del Banco Central de Reserva del Perú (BCRP), permitiendo así una obtención de serie de datos homogéneos y confiables, que contrastará de manera eficaz las hipótesis planteadas. De manera en especifica, la tasa de morosidad será obtenida de la SBS, la tasa de desempleo mensual será obtenida del BCRP, siendo la tasa de desempleo de lima metropolitana la que nos brinda de manera mensual, y que será utilizada como aproximación, de la misma manera para el IPC y el Tipo de cambio que serán obtenidos de dicha entidad. 4.6 Análisis y procesamiento de datos El análisis y el procesamiento de datos se realizó con el software econométrico EVIEWS 10. La presente investigación usa un modelo econométrico para precisar los resultados planteados como objetivos. Se utilizará el modelo VAR con la finalidad de identificar si las variables macroeconómicas incluidas en el modelo están relacionadas y conocer los efectos ante posibles fluctuaciones como los shocks de la economía. El modelo VAR permite a través de la función de impulso respuesta conocer cómo responde la tasa de morosidad del sistema bancario peruano ante alteraciones en la tasa de desempleo, la inflación y la tasa de tipo de cambio, utilizando datos mensuales desde el 2005 al 2021. El modelo VAR que se utilizó para desarrollar la presente investigación es el siguiente: 𝑀𝑂𝑅𝑂𝑆𝐼𝐷𝐴𝐷𝑡 = 𝜙1 + ∑ 𝑝 𝑖=1 𝛼𝑖𝑀𝑂𝑅𝑂𝑆𝐼𝐷𝐴𝐷𝑡−𝑖 + ∑ 𝑝 𝑗=1 𝛽𝑗𝑇𝐷𝐸𝑆𝐸𝑀𝑃𝐿𝐸𝑂𝑡−𝑗 + ∑ 𝑃 𝑍=1 𝜔𝑧𝐼𝑃𝐶𝑡−𝑧 + ∑ 𝑝 𝑠=1 𝛾𝑧𝑇𝐶𝑡−𝑠 + 𝜇1𝑡 Donde: MORISDAD: Tasa de morosidad TDESEMPLEO: Tasa de desempleo IPC: Índice de Precios al consumidor 46 TC: Tipo de cambio 4.7 Aspectos éticos en investigación El trabajo de investigación mantiene originalidad debido a que no ha incurrido en la copia o plagio de trabajos ya existentes; por lo que, las investigaciones revisadas han sido citadas adecuadamente respetando a los autores originales. De igual forma, se ha trabajó de manera cuidadosa sin realizar manipulación de los datos secundarios obtenidos en estricto respeto a la información estadística publicada por la SBS y BCRP. 47 V. RESULTADOS 5.1 Resultados Descriptivos Tabla 2 Estadísticos descriptivos de las variables tasa de morosidad, tasa de desempleo, inflación (IPC) y el tipo de cambio (TC). Estadísticos MOROSIDAD DESEMPLEO IPC TC Mean 2.765343 7.956143 0.243490 3.130035 Median 2.810000 7.505640 0.212042 3.198908 Maximum 4.480000 16.53163 1.304558 4.107477 Minimum 1.400000 5.423094 -0.53 2.551909 Std. Dev. 0.820988 2.219244 0.296223 0.326536 coeficiente de variación 0.292166548 0.295676851 1.39700154 0.10207733 Skewness 0.151127 2.035741 0.394241 0.421099 Kurtosis 1.841573 7.728232 3.542751 3.141200 Jarque-Bera 12.18314 330.9317 7.788408 6.198502 Probability 0.002262 0.000000 0.020360 0.045083 Sum 564.1300 1623.053 49.67199 638.5272 Sum Sq. Dev. 136.8265 999.7841 17.81289 21.64503 Observations 204 204 204 204 Tasa de crecimiento 0.468% 0.181% 0.0268% 0.266% Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. Se puede observar que, para la muestra de 204 periodos, la morosidad tiene una media de 2.76%, es decir que el índice promedio de la morosidad es de 2.76%. Además, su desviación estándar con respecto a la media es de 0.820988, un coeficiente de variación de 0.29. Tiene distribución normal y una tasa de crecimiento promedio mensual de 0.468%. Con respecto al desempleo, la tasa promedio del desempleo es de 7.95%, su desviación estándar con respecto a la media es de 2.2192 %, un coeficiente de variación de 0.2956%. Tiene distribución normal y una tasa de crecimiento promedio mensual de 0.181% Para la inflación, la tasa promedio del IPC es del 0.24%, su desviación estándar con respecto a la media es de 0.296223, un coeficiente de variación de 1.39700154. Tiene distribución normal y una tasa de crecimiento promedio mensual de 0.0268%. 48 Por último, para el tipo de cambio, su media es de 3.13 soles por dólares, tiene una desviación estándar de 0.326536, y su coeficiente de variación es de 0.10207733. Tiene una distribución normal y una tasa de crecimiento de 0.266%. A continuación, se describirá la relación y tendencia de comportamiento que ha tenido cada una de las variables explicativas con la tasa de morosidad. Figura 1 Relación de la morosidad con la tasa de desempleo 0 2 4 6 8 10 12 14 16 18 2006 2008 2010 2012 2014 2016 2018 2020 MOROSIDAD DESEMPLEO Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. Como se puede observar en la figura N ° 1, del 2005 al 2008, la tasa de desempleo había presentado una tendencia decreciente producto de la bonanza económica que se tenía en ese periodo de tiempo, gracias a su alto valor de las materias primas, en especial el cobre. De mismo modo, la tasa de morosidad, no se vio afectada por la crisis financiera del 2008-2009, no obstante, tiene una tendencia creciente desde el año 2012, producto de la desaceleración de la economía mundial que afecto de manera directa la economía de las empresas, por ende, su capacidad de pago, y por último se observa un pico muy elevado en 49 el 2020 a raíz de la pandemia. Igualmente, la tasa de desempleo ha tenido una tendencia creciente desde el 2009, viéndose más marcado en el 2020. Figura 2 Relación de la morosidad con la tasa de inflación -1 0 1 2 3 4 5 2006 2008 2010 2012 2014 2016 2018 2020 MOROSIDAD IPC Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. Se puede observar en la figura N °2, que la tasa de inflación ha mantenido una tendencia constante, manteniéndose en un rango promedio, pero sí se puede observar picos o shock producto de la crisis financiera en el 2008. Nuevamente se ve afectada, en el 2017, por el fenómeno del niño costero y desde el 2020 en adelante ha presentado una tendencia creciente, propio de las consecuencias del covid-19, y más actual en el 2022 esta variable se ha visto afectada también por la crisis de la guerra entre Ucrania y Rusia. 50 Figura 3 Relación de la morosidad con el tipo de cambio 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 2006 2008 2010 2012 2014 2016 2018 2020 MOROSIDAD TC Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. En la figura 3, se observa que el tipo de cambio, medida con relación soles a la moneda más influente el dólar estadounidense, había presentado una tendencia decreciente hasta el periodo del 2008, donde se puede observar que presenta una depreciación frente al dólar americano. Luego se recupera hasta el periodo 2012, donde empieza una tendencia creciente, producto de la desaceleración de la economía mundial. Últimamente esta variable se ha visto afectada por la pandemia desde el 2020, en el 2021 esta variable también ha sido una de las que más ha variado producto de la crisis política que se vive en nuestro país, con el constante enfrentamiento entre poderes del estado. 5.2 Resultados inferenciales Para realizar el modelo VAR es necesario inicialmente comprobar la estacionariedad de las series que conforman el modelo para verificar si la serie tiene o no raíz unitaria. Para corroborar la estacionariedad de las variables utilizadas en el modelo, se realizó la prueba de Dickey-Fuller a cada variable. En el anexo 3, las tablas 7,8,9,10,11,12, muestran la 51 prueba de raíz unitaria para cada una de las variables de la investigación, donde queda demostrado que la morosidad es estacionaria en su primera diferencia, la tasa de desempleo e inflación es estacionaria en su primer nivel y el tipo de cambio es estacionaria en primera diferencia. Una vez confirmado la que las series son estacionarias, se procedió a establecer el número de rezagos óptimos y exclusión de rezagos que debería contener el modelo VAR. En el Anexo 3, en la tabla 13 y 14 se puede visualizar dicha prueba, donde se estableció que el número de rezagos óptimos para los datos mensuales de la investigación es con 12 rezagos. En resumen, las variables que se incluyen en el modelo de predicción son las que presentan estacionariedad, es decir que no tienen raíz unitaria y son: DMOROSIDAD, DESEMPLEO, IPC y DTC. Una vez analizado la estacionariedad de las variables de estudio, y realizado el análisis de exclusión de rezagos, se procedió a estimar el modelo VAR con doce rezagos. Tabla 3 Modelo VAR estimado. Vector Autoregression Estimates Date: 11/18/22 Time: 23:24 Sample (adjusted): 2006M02 2021M12 Included observations: 191 after adjustments Standard errors in ( ) & t-statistics in [ ] DMOROSID AD DESEMPLE O IPC DTC DMOROSIDAD(-1) -0.166157 -1.668095 0.779436 -0.047276 (0.07514) (0.64547) (0.36726) (0.05733) [-2.21141] [-2.58431] [ 2.12231] [-0.82468] DMOROSIDAD(-2) 0.104597 -1.480296 0.014036 -0.049339 (0.07359) (0.63222) (0.35972) (0.05615) [ 1.42127] [-2.34144] [ 0.03902] [-0.87871] DMOROSIDAD(-3) 0.120644 -0.131985 -1.207453 0.021562 (0.06888) (0.59174) (0.33668) (0.05255) [ 1.75148] [-0.22305] [-3.58630] [ 0.41028] 52 DMOROSIDAD(-4) -0.000575 -0.531117 -0.850371 0.017223 (0.06723) (0.57756) (0.32862) (0.05130) [-0.00855] [-0.91959] [-2.58771] [ 0.33577] DMOROSIDAD(-5) -0.091286 -0.264377 0.620026 0.018681 (0.06755) (0.58026) (0.33016) (0.05154) [-1.35146] [-0.45562] [ 1.87797] [ 0.36248] DMOROSIDAD(-6) 0.063090 -0.728609 0.068341 0.016376 (0.06801) (0.58423) (0.33241) (0.05189) [ 0.92769] [-1.24713] [ 0.20559] [ 0.31560] DMOROSIDAD(-7) -0.123617 -0.099240 0.059349 0.101211 (0.06401) (0.54992) (0.31289) (0.04884) [-1.93110] [-0.18046] [ 0.18968] [ 2.07228] DMOROSIDAD(-8) -0.041296 0.273528 -0.570469 -0.013988 (0.06165) (0.52959) (0.30132) (0.04704) [-0.66987] [ 0.51649] [-1.89320] [-0.29740] DMOROSIDAD(-9) 0.209364 -1.791470 0.475204 0.079148 (0.06165) (0.52965) (0.30136) (0.04704) [ 3.39574] [-3.38234] [ 1.57685] [ 1.68254] DMOROSIDAD(-10) 0.044807 0.452195 -0.172367 -0.000985 (0.06279) (0.53942) (0.30692) (0.04791) [ 0.71359] [ 0.83830] [-0.56161] [-0.02055] DMOROSIDAD(-11) -0.065567 0.698627 0.414723 0.028798 (0.06197) (0.53237) (0.30291) (0.04728) [-1.05803] [ 1.31230] [ 1.36914] [ 0.60907] DMOROSIDAD(-12) 0.255448 1.894904 0.372909 -0.053760 (0.06053) (0.51998) (0.29585) (0.04618) [ 4.22032] [ 3.64422] [ 1.26045] [-1.16410] DESEMPLEO(-1) 0.000293 1.454714 0.041634 -0.006360 (0.00782) (0.06721) (0.03824) (0.00597) [ 0.03740] [ 21.6444] [ 1.08874] [-1.06545] DESEMPLEO(-2) -0.015870 -0.586351 -0.016432 0.016447 (0.01425) (0.12240) (0.06964) (0.01087) [-1.11384] [-4.79053] [-0.23596] [ 1.51297] DESEMPLEO(-3) 0.041618 -0.303533 -0.098704 -0.017219 (0.01489) (0.12790) (0.07277) (0.01136) [ 2.79536] [-2.37320] [-1.35634] [-1.51586] DESEMPLEO(-4) -0.013621 0.780879 0.087946 0.004450 (0.01528) (0.13126) (0.07468) (0.01166) [-0.89149] [ 5.94924] [ 1.17761] [ 0.38171] DESEMPLEO(-5) 0.008058 -0.415081 0.007644 0.023330 (0.01654) (0.14205) (0.08082) (0.01262) [ 0.48730] [-2.92207] [ 0.09458] [ 1.84924] 53 DESEMPLEO(-6) -0.004198 -0.103468 -0.014406 -0.024591 (0.01677) (0.14410) (0.08199) (0.01280) [-0.25028] [-0.71803] [-0.17570] [-1.92145] DESEMPLEO(-7) -0.008972 0.402924 -0.019509 -0.003967 (0.01696) (0.14571) (0.08291) (0.01294) [-0.52898] [ 2.76518] [-0.23531] [-0.30656] DESEMPLEO(-8) 0.006801 -0.287190 0.100517 0.022747 (0.01706) (0.14655) (0.08338) (0.01302) [ 0.39867] [-1.95974] [ 1.20552] [ 1.74771] DESEMPLEO(-9) -0.028636 -0.047158 -0.085900 -0.022718 (0.01645) (0.14135) (0.08042) (0.01255) [-1.74035] [-0.33362] [-1.06808] [-1.80964] DESEMPLEO(-10) 0.000808 0.260204 -0.034908 0.012392 (0.01645) (0.14128) (0.08039) (0.01255) [ 0.04913] [ 1.84170] [-0.43425] [ 0.98754] DESEMPLEO(-11) 0.014085 -0.270993 0.041748 -0.003923 (0.01583) (0.13595) (0.07735) (0.01207) [ 0.89005] [-1.99333] [ 0.53971] [-0.32491] DESEMPLEO(-12) -0.000196 0.053100 0.014296 -0.000494 (0.00950) (0.08165) (0.04646) (0.00725) [-0.02059] [ 0.65032] [ 0.30771] [-0.06812] IPC(-1) 0.012645 -0.088364 0.146706 -0.004989 (0.01663) (0.14287) (0.08129) (0.01269) [ 0.76034] [-0.61850] [ 1.80474] [-0.39318] IPC(-2) -0.018133 -0.171093 0.148852 0.019648 (0.01669) (0.14334) (0.08156) (0.01273) [-1.08674] [-1.19358] [ 1.82507] [ 1.54332] IPC(-3) -0.024564 -0.166294 -0.082086 0.013311 (0.01695) (0.14559) (0.08284) (0.01293) [-1.44942] [-1.14222] [-0.99093] [ 1.02946] IPC(-4) -0.032690 -0.180228 0.125144 -0.019384 (0.01690) (0.14520) (0.08262) (0.01290) [-1.93400] [-1.24120] [ 1.51473] [-1.50311] IPC(-5) -0.005680 -0.011108 0.225720 0.016667 (0.01716) (0.14741) (0.08387) (0.01309) [-0.33101] [-0.07536] [ 2.69120] [ 1.27303] IPC(-6) 0.033678 0.006624 -0.066831 -0.000624 (0.01766) (0.15171) (0.08632) (0.01347) [ 1.90706] [ 0.04366] [-0.77424] [-0.04632] IPC(-7) 0.030942 0.066008 -0.129480 0.008456 (0.01772) (0.15227) (0.08664) (0.01352) 54 [ 1.74570] [ 0.43350] [-1.49451] [ 0.62527] IPC(-8) 0.013662 0.182899 -0.015502 0.000481 (0.01789) (0.15368) (0.08744) (0.01365) [ 0.76370] [ 1.19010] [-0.17728] [ 0.03521] IPC(-9) -0.018638 -0.039742 0.093705 -0.009655 (0.01735) (0.14902) (0.08479) (0.01324) [-1.07440] [-0.26669] [ 1.10513] [-0.72945] IPC(-10) 0.027936 -0.021110 0.042941 0.000156 (0.01722) (0.14797) (0.08419) (0.01314) [ 1.62186] [-0.14267] [ 0.51004] [ 0.01184] IPC(-11) 0.023505 0.413581 -0.100407 0.004745 (0.01698) (0.14587) (0.08300) (0.01296) [ 1.38426] [ 2.83525] [-1.20976] [ 0.36628] IPC(-12) 0.028790 0.041679 0.050099 -0.009706 (0.01682) (0.14453) (0.08223) (0.01284) [ 1.71125] [ 0.28838] [ 0.60923] [-0.75611] DTC(-1) -0.069628 1.149945 1.604283 0.343364 (0.11439) (0.98267) (0.55912) (0.08728) [-0.60870] [ 1.17022] [ 2.86931] [ 3.93427] DTC(-2) 0.188902 -0.454738 -0.902451 -0.183672 (0.11993) (1.03025) (0.58619) (0.09150) [ 1.57514] [-0.44139] [-1.53952] [-2.00732] DTC(-3) 0.011749 0.305615 0.380238 0.208967 (0.12140) (1.04291) (0.59339) (0.09262) [ 0.09678] [ 0.29304] [ 0.64079] [ 2.25606] DTC(-4) 0.196635 -0.805243 0.030858 -0.028317 (0.11767) (1.01088) (0.57517) (0.08978) [ 1.67104] [-0.79657] [ 0.05365] [-0.31541] DTC(-5) -0.162011 0.118187 -0.273402 0.123030 (0.11963) (1.02772) (0.58475) (0.09128) [-1.35423] [ 0.11500] [-0.46755] [ 1.34788] DTC(-6) 0.306697 1.591413 -0.399673 -0.059069 (0.11688) (1.00411) (0.57132) (0.08918) [ 2.62394] [ 1.58490] [-0.69956] [-0.66237] DTC(-7) -0.154169 0.692119 -0.197936 0.013969 (0.11848) (1.01779) (0.57910) (0.09039) [-1.30127] [ 0.68002] [-0.34180] [ 0.15454] DTC(-8) 0.205628 0.506298 -1.006511 -0.212289 (0.11862) (1.01906) (0.57982) (0.09051) [ 1.73345] [ 0.49683] [-1.73590] [-2.34556] DTC(-9) -0.017043 -2.762727 0.390950 0.187767 55 (0.12517) (1.07532) (0.61184) (0.09550) [-0.13616] [-2.56921] [ 0.63898] [ 1.96607] DTC(-10) -0.278162 0.371847 -0.031349 0.026883 (0.12366) (1.06236) (0.60446) (0.09435) [-2.24932] [ 0.35002] [-0.05186] [ 0.28492] DTC(-11) -0.126651 -2.769706 0.616589 -0.076068 (0.12471) (1.07130) (0.60955) (0.09515) [-1.01560] [-2.58537] [ 1.01155] [-0.79948] DTC(-12) 0.035660 1.788853 0.327621 -0.026292 (0.12136) (1.04253) (0.59318) (0.09259) [ 0.29384] [ 1.71587] [ 0.55232] [-0.28396] C -0.008117 0.488353 -0.050354 -0.004284 (0.02066) (0.17744) (0.10096) (0.01576) [-0.39295] [ 2.75214] [-0.49874] [-0.27186] D2020M05 -0.324961 4.434629 0.043996 0.064791 (0.06006) (0.51599) (0.29359) (0.04583) [-5.41018] [ 8.59434] [ 0.14986] [ 1.41380] D2017M03 0.042500 0.153851 0.906594 0.016858 (0.05842) (0.50185) (0.28554) (0.04457) [ 0.72751] [ 0.30657] [ 3.17502] [ 0.37823] R-squared 0.718070 0.971850 0.486050 0.366250 Adj. R-squared 0.617380 0.961797 0.302497 0.139911 Sum sq. resids 0.363809 26.84882 8.691924 0.211782 S.E. equation 0.050977 0.437924 0.249169 0.038894 F-statistic 7.131534 96.66854 2.648003 1.618146 Log likelihood 327.1373 -83.64132 24.06620 378.8096 Akaike AIC -2.891490 1.409857 0.282029 -3.432561 Schwarz SC -2.023082 2.278265 1.150437 -2.564153 Mean dependent 0.008796 7.846094 0.249660 0.003370 S.D. dependent 0.082412 2.240524 0.298346 0.041938 Determinant resid covariance (dof adj.) 4.26E-08 Determinant resid covariance 1.23E-08 Log likelihood 655.4207 Akaike information criterion -4.726918 Schwarz criterion -1.253286 Number of coefficients 204 Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. En el modelo VAR se han incluido dos variables de impulso, como D2020M05 y D2017M03, debido a que sus residuos presentaban un shock muy marcando, en el 2017 para el mes de marzo, debido al fenómeno del niño y en el 2020 en el mes de mayo a raíz de la pandemia variables como el desempleo e inflación tuvieron un shock muy fuerte. 56 Con respecto a la regresión del modelo VAR, el modelo VAR tiene la limitación de la prueba T- student, por lo que analizaron otras pruebas que proporciona el modelo VAR. Sin embargo, se obtiene un R2 del 71.80%, lo cual nos indica que las variables exógenas con todos sus regazos que se ha elegido explican en un 71.80% a la tasa de morosidad del sistema financiero peruano, lo cual es aceptable. También en el apartado de anexo 3, en la figura 11, se analizó la estabilidad del modelo VAR, la cual se concluyó que el modelo es estable y estacionario. Así mismo, se verificó que los residuos no presentan autocorrelación, mediante la prueba del correlograma, ver anexo 3, figura 12. Por otro lado, la prueba de normalidad conjunta en la tabla 15, indica que los residuos siguen una distribución normal. Para tener la certeza de que las variables de investigación estén cointegradas y compartan tendencia, se analizó mediante la prueba de cointegración de Johansen, que mediante su estadístico de traza indica que hay 4 ecuaciones de cointegración y mediante su estadístico de Eigen valor hay una ecuación de cointegración. Una vez pasado las pruebas que se requiere para probar la estabilidad del moldeo VAR, se procede a contrastar nuestras hipótesis de la tesis mediante las pruebas que nos proporciona el modelo VAR, las cuales son: la fusión impulso respuesta, prueba de causalidad de Granger y la descomposición de la varianza. Función impulso respuesta. Esta prueba tiene como finalidad analizar el signo entre variables, la intensidad y relación que existe entre ellas y la persistencia de cada una de las variables estocásticas que tiene sobre el modelo. 57 Figura 4 Respuesta de la morosidad ante un shock del desempleo -.02 .00 .02 .04 2 4 6 8 10 12 14 16 18 20 22 24 Response of DMOROSIDAD to DESEMPLEO Response to Cholesky One S.D. (d.f. adjusted) Innovations ± 2 S.E. Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. En la figura 4, se puede observar que la tasa de morosidad del sistema financiero peruano responde positivamente a las variaciones de la tasa de desempleo, se puede decir que el desempleo tiene un efecto significativo desde el tercer rezago hasta el rezago 9, luego se empieza un nuevo ciclo similar a los primeros 12 rezagos, se puede asumir que este ciclo se va ir repitiendo en el mediano y largo plazo. 58 Figura 5 Respuesta de la morosidad ante un shock del IPC -.02 .00 .02 .04 2 4 6 8 10 12 14 16 18 20 22 24 Response of DMOROSIDAD to IPC Response to Cholesky One S.D. (d.f. adjusted) Innovations ± 2 S.E. Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. Se aprecia que la tasa de morosidad del sistema financiero peruano responde de manera positiva a las variaciones de la inflación, lo que coincide con los resultados encontrados en la estimación del modelo VAR, esto quiere decir que cuando la inflación aumenta, la tasa de morosidad también se incrementa significativamente desde el séptimo rezago, y se prolonga al rezago 15 o hasta el quinceavo mes, por lo que su efecto se aprecia en el mediano plazo, En el largo plazo su efecto se va reduciendo, pero se mantiene con una tendencia positiva y significativa. 59 Figura 6 Respuesta de la morosidad ante un shock del TC -.02 .00 .02 .04 2 4 6 8 10 12 14 16 18 20 22 24 Response of DMOROSIDAD to DTC Response to Cholesky One S.D. (d.f. adjusted) Innovations ± 2 S.E. Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. Con respecto a la influencia de los shocks del del tipo de cambio a la tasa de morosidad del sistema bancario responde de manera positiva, esto quiere decir que cuando el tipo de cambio se incrementa, la tasa de morosidad también se incrementa, sus rezagos son significativos para el periodo 3, 5,7,9 y 10. En resumen, se observa que cuando ocurre un shock, las tres variables Desempleo, inflación y tipo de cambio tienen efectos significativos y positivos en la tasa de morosidad crediticia del sistema bancario peruano durante el periodo enero 2005 a diciembre del 2021. Tabla 4 Respuesta de la morosidad ante shocks del desempleo, inflación y tipo de cambio Period DMOROSI DAD DESEMPLE O IPC DTC 1 0.050977 0.000000 0.000000 0.000000 2 -0.008396 -0.000304 0.002881 -0.002680 3 0.005627 -0.005744 -0.003812 0.007589 4 0.006407 0.009325 -0.005311 -0.000248 5 -0.002435 0.008365 -0.007625 0.006889 60 6 -0.003336 0.013239 -0.002965 -0.003892 7 0.003237 0.005992 0.004952 0.012297 8 -0.009260 0.005972 0.002915 -0.001243 9 -0.001007 0.005932 0.000171 0.006146 10 0.003847 -0.006258 -0.003603 0.003407 11 -0.007924 -0.012755 0.005808 -0.012590 12 0.003702 -0.007384 0.010384 0.001156 13 0.019414 -0.000462 0.010017 0.004212 14 -0.005495 0.000621 0.002385 -0.000525 15 -0.004400 0.001704 0.004249 -0.005115 16 0.007521 0.000713 0.001674 0.000948 17 -0.004613 0.002858 0.003522 -0.007003 18 0.001365 0.002801 -0.000822 -0.003096 19 0.004816 -0.000371 0.000771 0.005335 20 -0.006605 -0.003407 0.001939 -0.004175 21 0.000637 -0.000420 0.000461 0.001212 22 0.004272 -0.004995 -0.003835 0.005467 23 -0.008271 -0.007374 -0.000174 -0.006666 24 0.001633 9.20E-05 0.005182 -0.002086 Cholesky Ordering: DMOROSIDAD DESEMPLEO IPC DTC Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. En la tabla 14, se muestra los shocks del desempleo, inflación y tipo de cambio a la morosidad de manera matemática, lo que confirma lo descrito en función impulso respuesta gráficamente. En ese sentido, la morosidad aumenta en 0.93%, 0.83%,1.32%, para los rezagos 4,5, 6 respectivamente y 0.59% para el rezago 7,8 y 9, ante un impulso del desempleo del 1%. Por el lado de la inflación, la morosidad aumenta en 0.49% en el séptimo rezago, llegando a 1.03% en el doceavo rezago. Por último, el tipo de cambio su efecto es significativo en distintos rezagos, como en algunos no lo es, la morosidad aumenta 0.7%,0.6%,1.2%,0.6%, 0.3% y 1.15%, para los rezagos 3,5, 7, 9, 10 y 12 respectivamente ante un impulso del 1% del tipo de cambio. Descomposición de la varianza. Esta prueba sirve para explicar el porcentaje de los shocks de la variación del desempleo, inflación y tipo de cambio en la morosidad del sistema financiero peruano. 61 Tabla 5 Descomposición de la Varianza del Modelo VAR de variables DMOROSIDAD, DESEMPLEO, IPC, DTC Period S.E. DMOROSI DAD DESEMPLE O IPC DTC 1 0.050977 100.0000 0.000000 0.000000 0.000000 2 0.051814 99.41991 0.003453 0.309195 0.267446 3 0.053118 95.72257 1.172781 0.809176 2.295470 4 0.054569 92.07759 4.031450 1.713893 2.177068 5 0.056207 86.97548 6.014819 3.455681 3.554015 6 0.058048 81.87666 10.84083 3.500903 3.781613 7 0.059931 77.10517 11.16997 3.967212 7.757650 8 0.061018 76.68588 11.73354 4.055337 7.525240 9 0.061621 75.21808 12.43146 3.977074 8.373393 10 0.062255 74.07545 13.18983 4.231458 8.503253 11 0.065524 68.33085 15.69570 4.605486 11.36796 12 0.066864 65.92595 16.29258 6.834731 10.94674 Cholesky Ordering: DMOROSIDAD DESEMPLEO IPC DTC Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. En principio se aprecia que las variaciones de la tasa de morosidad responden a las variaciones en sí misma, sin embargo, conforme transcurre el tiempo, el porcentaje de explicación de la tasa de morosidad sobre sí misma se reduce, tal como se observa en el séptimo mes. Con respecto a la respuesta de la tasa de morosidad a las variaciones en la tasa de desempleo, la inflación y la tasa del tipo de cambio, se aprecia que las variaciones de la tasa de morosidad del sistema financiero peruano responden en el corto plazo con mayor fuerza a las variaciones de la tasa de desempleo, en segundo lugar, a las variaciones del tipo de cambio y en tercer lugar a las variaciones de la tasa de la inflación. La respuesta de la tasa de morosidad a las variaciones en la tasa de desempleo en el segundo mes es explicada en 0.0034%, y sigue en aumento hasta el periodo número 12, donde alcanza un 16.29 %, por lo que se puede concluir que el desempleo hace variar a la tasa de morosidad y mantiene ese efecto en el mediano y largo plazo. 62 Las variaciones en la tasa de morosidad en el segundo mes responden a los cambios en la inflación en 0.3%, llegando alcanzar 6.83% en el doceavo mes, durante este mes se alcanza el mayor porcentaje de explicación de las variaciones de la inflación en variación de la tasa de morosidad, su efecto se mantiene en el mediano y largo plazo. Las variaciones en la tasa de morosidad en el quinto mes responden a los cambios en la tasa del tipo de cambio en 3.55%, se observa que el incremento en la tasa del tipo de cambio se prolonga en los siguientes meses. De esta manera al año las variaciones de la tasa de morosidad responden en 10.96% a las variaciones en la tasa del tipo de cambio. Para analizar la causalidad que tiene cada variable macroeconómica sobre la morosidad crediticia se realizó la prueba de Causalidad de Granger para el modelo VAR. Tabla 6 Test de Causalidad de Granger del Modelo VAR de variables DMOROSIDAD, DESEMPLEO, IPC, DTC VAR Granger Causality/Block Exogeneity Wald Tests Date: 11/19/22 Time: 01:49 Sample: 2005M01 2021M12 Included observations: 191 Dependent variable: DMOROSIDAD Excluded Chi-sq df Prob. DESEMPLEO 67.13974 12 0.0000 IPC 37.64716 12 0.0002 DTC 25.95066 12 0.0109 All 149.6496 36 0.0000 Nota. Elaboración propia en Eviews con datos tomados de la SBS y BCRP. Se puede apreciar que todas variables explicativas causan en el sentido de Granger la morosidad del sistema financiero peruano, debido a que la probabilidad de cada variable es menos al 5% de significancia, es decir que tanto la tasa de desempleo, la tasa de 63 inflación y tipo de cambio causan o influyen en la morosidad del sistema financiero peruano. Que confirman una vez más las hipótesis planteadas en la tesis. 64 VI. DISCUSIÓN DE RESULTADOS 6.1 Contrastación y demostración de las hipótesis con los resultados Los resultados de la investigación, con respecto a la morosidad del sistema financiero peruano, demostraron que tanto el desempleo, la inflación y tipo de cambio influyen directamente en la variación de la tasa de morosidad del sistema financiero peruano; debido a que mayor desempleo, inflación y tipo de cambio, se presentarán mayores niveles de morosidad. De la estimación del modelo VAR, resulta un buen nivel de ajuste con el R2 del 71.8%. realizado las pruebas del modelo VAR, el modelo resulta consistente, en ese sentido, las variables independientes explican el modelo y sirven para realizar predicción, lo cual resulta demostrativo el planteamiento la hipótesis general. H1. El desempleo influye directamente en la morosidad del sistema financiero peruano, 2005-2021. Mediante la prueba de causalidad de Granger, el desempleo influye en la morosidad del sistema financiero peruano, debido a que su probabilidad es 0.000<0.005. Lo que quiere decir que el desempleo es una variable que sí causa morosidad en el sistema financiero peruano. Por otro lado, mediante la prueba de impulso respuesta de Cholesky, el desempleo influye en la morosidad, presenta un efecto significativo desde el cuarto rezago hasta el noveno rezago. Durante los periodos en los que el desempleo influye a la morosidad, se obtuvo que un impulso del 1% de la tasa de desempleo, en el cuarto rezago, la morosidad aumenta en 0.93% y en el noveno rezago significativo aumenta en 0.59%. Así mismo, la descomposición de la varianza que indica, que a medida que aumenta los periodos, el desempleo explica en mayor porcentaje la morosidad del sistema financiero, empezando de 0% en el primer periodo hasta 16.9% en doceavo periodo. 65 H2. La inflación influye directamente en la morosidad del sistema financiero peruano, 2005-2021. Mediante la prueba la prueba de causalidad de Granger, tasa de inflación influye en la morosidad del sistema financiero peruano, debido a que su probabilidad es 0.000<0.005. Por otro lado, mediante la prueba de impulso respuesta de Cholesky, la inflación influye en la morosidad, presenta un efecto significativo desde el séptimo rezago. Durante los periodos en los que el desempleo influye a la morosidad, se obtuvo que un impulso del 1% de la tasa de inflación la morosidad aumenta en 0.49% en el séptimo rezago, llegando a 1.03% en el doceavo rezago. Así mismo, mediante la prueba de descomposición de la varianza que nos indica, que a medida que aumenta los periodos, la inflación explica en mayor porcentaje a morosidad el sistema financiero, empezando de 0% en el primer periodo hasta 6.83% en doceavo periodo. H3. El tipo de cambio influye directamente en la morosidad del sistema financiero peruano, 2005-2021. Mediante la prueba la prueba de causalidad de Granger, también se logra demostrar que la el tipo de cambio causa en el sentido de Granger a la morosidad del sistema financiero peruano, debido a que su probabilidad es 0.000<0.005. Por otro lado, mediante la prueba de impulso respuesta de Cholesky, el tipo de cambio tiene un efecto significativo en distinto rezagos, no tiene una significancia constante propia de la volatilidad del tipo de cambio. Durante los periodos significativos, la morosidad aumenta 0.7%,0.6%,1.2%,0.6%, 0.3% y 1.15%, para los rezagos 3,5, 7, 9, 10 y 12 respectivamente ante un impulso del 1% del tipo de cambio. Así mismo, mediante la prueba de descomposición de la varianza que nos indica, que a medida que aumenta los periodos, el tipo de cambio explica en mayor porcentaje a 66 morosidad el sistema financiero, empezando de 0% en el primer periodo hasta 10.94% en doceavo periodo. 6.2 Contratación de resultados con otros estudios similares Los resultados obtenidos para el caso peruano con respecto a la tasa de desempleo tienen un efecto significativo en la tasa de morosidad del sistema financiero peruano. A nivel internacional, los resultados guardan relación con lo que sostienen Hada, Bărbuță-Mișu, Luga & Wainberg (2020), quienes buscaron la relación de los determinantes macroeconómicos con el ratio de morosidad en Rumanía, donde obtuvieron como resultado que la tasa de desempleo y la inflación tiene un efecto significativo sobre el ratio de morosidad. Asimismo, Wood & Skinner (2018), en su investigación concluyen que el desempleo influye de manera significativa en la morosidad de Barbados. De igual manera, para Koju, Koju & Wang (2018), en su investigación acerca de la relación entre los préstamos morosos de los bancos nepalíes y la inflación como determinante macroeconómico, fue positiva significativa. Szarowska (2018), investigó y cuantificó el impacto de los factores macroeconómicos de los préstamos morosos en 11 países de Europa Central y Oriental (CEE), encontrando que el desempleo como el factor macroeconómico más importante en la morosidad, siendo esta