SBS Documentos de Trabajo

1999 Superintendencia de Banca, Seguros y Administradoras Privadas de Fondos de Pensiones.

Este documento expresa el punto de vista del autor y no necesariamente la opinin de la Superintendencia Banca, Seguros y Administradoras Privadas de Fondos de Pensiones.

DT/03/1999

SUPERINTENDENCIA DE BANCA, SEGUROS Y ADMINISTRADORAS PRIVADAS DE FONDOS DE PENSIONES

Determinantes de Morosidad en Entidades de Microfinanzas: Evidencia de Las EDPYMES1/

Edmundo Murrugarra Banco Mundial Alfredo Ebentreich Departamento de Anlisis del Sistema Microfinanciero Autorizado por Michel Canta
DICIEMBRE 1999

Resumen
Este trabajo examina los determinantes de los niveles de morosidad para las Entidades de Desarrollo de la Pequea y Micro Empresa (EDPYME), un tipo de Institucin Microfinanciera regulada de reciente funcionamiento en el sistema financiero peruano. El trabajo buscar identificar los factores que afectan la calidad de la cartera, en particular las caractersticas de la gestin de la entidad durante los periodos iniciales de funcionamiento. CLASIFICACION JEL: O16, O17 CLAVE: Morosidad, microfinanzas, eficiencia interna, panel data E-Mail del Autor(es): aebentreich@sbs.gob.pe, murrugarra@worldbank.org

1/ Este documento se benefici con los comentarios de Mnica Gabel y las conversaciones con Javier Acha, as como de otros analistas de la Superintendencia de Banca y Seguros del Per (SBS) durante los Seminarios de Investigacin. Los autores agradecen los comentarios de Felipe Portocarrero y otros asistentes a la sesin sobre Economa Financiera de la II reunin de la Sociedad Peruana de Econometra y Economa Aplicada, SPEEA, realizado en Lima en octubre de 1999. Los errores son responsabilidad de los autores. Alfredo Ebentreich es analista de la SBS, y Edmundo Murrugarra trabajaba para la SBS cuando se escribi este trabajo.

1/17

I. INTRODUCCIN Las instituciones financieras reguladas especializadas en Microfinanzas2 en el Per son las Cajas Municipales de Ahorro y Crdito (CMAC), las Cajas Rurales de Ahorro y Crdito (CRAC) y las Entidades de Desarrollo de la Pequea y Micro Empresa (EDPYME). El microcrdito es la operacin financiera ms desarrollada por estas instituciones, el cual tiene caractersticas distintas a aquellos crditos comerciales predominantes en las instituciones bancarias. Entre estas caractersticas estn su pequeo tamao y gran nmero, gran concentracin regional y sectorial y una mayor volatilidad en su morosidad3. Adems de estas caractersticas, existen otros factores cualitativos4 en el manejo de estas entidades que pueden afectar significativamente sus resultados financieros. En este contexto, el objetivo del documento es examinar el efecto de variables de gestin en las polticas de crdito de un tipo de entidad de microfinanzas5, las Edpymes, sobre los niveles de morosidad observados en sus agencias. As, hallaremos los determinantes de la morosidad no solo de la empresa, sino de la agencia, combinando informacin del mercado crediticio local y caractersticas de cada entidad y agencia. Este anlisis es relevante pues las Pequeas y Microempresas, usualmente llamadas MYPEs, dan empleo al 73% de la Poblacin Econmicamente Activa (PEA), contribuyendo con un 43% al PBI6. En cuanto a la situacin latinoamericana, el Banco Interamericano de Desarrollo estima que el 80% de los negocios tienen diez o menos empleados. A diciembre de 1999, las Cajas Municipales, Cajas Rurales y EDPYMEs otorgaron crditos a casi 300 mil clientes, el 19.2% del total del sistema financiero, aunque su participacin en el monto total de colocaciones fue de 1.3%, aunque ms del 60% de esas colocaciones fueron dirigidas a microempresas. El desarrollo de instituciones financieras ms slidas y sostenibles en el largo plazo permitir dinamizar el financiamiento al sector de MYPEs. Por ello, es muy importante conocer los determinantes de la morosidad de las Edpymes, las cuales estn muy expuestas a la calidad de su cartera de colocaciones por su pequeo capital requerido y su reciente creacin. La mayora de estas entidades han surgido de ONGs con experiencia en microcrdito, por lo que este trabajo tambin puede servir para examinar cmo se comportan las empresas al ingresar al mercado regulado. El documento plantea el modelo de determinantes de morosidad de las Edpymes mediante la forma reducida y presta especial atencin a los efectos de heterogeneidad no observada en el modelo7. Al combinar informacin mensual para varias agencias de cada Edpyme el estudio utiliza tcnicas de informacin panel para controlar por caractersticas no observadas de la empresa. Los resultados ms
Se entiende por Microfinanzas un proceso por el cual las instituciones movilizan pequeos montos de recursos financieros mediante una variedad de instrumentos novedosos. La definicin de pequeos montos esta con relacin a aquellos movilizados por el sistema bancario. As, los crditos promedios del sistema bancario al 31.12.99 es de S/. 41,600, mientras que el de una EDPYME era de S/. 3,800. 3 Rock (1997), pgina 21. 4 Estos tres tipos de instituciones microfinancieras presentan una debilidad institucional con respecto al capital social, puesto que sus accionistas mayoritarios no tienen suficientes recursos para hacer aportes de capital en momentos de emergencia. Adems, las EDPYMEs, al provenir de ONG crediticias en la mayora de los casos, no han tenido en su manejo los criterios de rentabilidad, competencia y necesidad de fuertes de controles internos. 5 No se ha incluido la tecnologa crediticia, pues solo una EDPYME en la muestra conceda crditos grupales, mientras que el resto usaba tecnologa de crditos individuales. 6 Encuesta sobre la Actividad Econmica de la Pequea y Microempresa (1995) y III Censo Nacional Agropecuario (1997), elaborados por el Instituto Nacional de Estadstica e Informtica (INEI). 7 Como posibles factores de heterogeneidad estn la fecha de creacin de la EDPYME, el grado de experiencia de sus funcionarios en el negocio microfinanciero, la disposicin de adecuados sistemas de informacin gerencial y sistemas de control interno, para mencionar algunos.
2

2/17

consistentes indican que la morosidad departamental donde se ubica la agencia junto con la variable de gestin Crditos por persona explican la morosidad de las agencias de las Edpymes. Los otras especificaciones usadas, que no toman en cuenta la naturaleza censurada de la morosidad, consideran que el nmero de agencias, como medida de dispersin de mercados atendidos de la Edpyme, explica tambin la morosidad. Las variables morosidad departamental y crditos por personas siguen siendo significativas, pero tienen un menor impacto. El trabajo se organiza de la siguiente manera. En la seccin II se describe a las Edpymes y sus principales rasgos. En la Seccin III se presenta el modelo de morosidad, los principales problemas metodolgicos y la estrategia emprica, describindose en detalle los signos esperados de las variables. En la seccin IV se presenta la base de datos y los principales resultados encontrados en las distintas metodologas usadas. La Seccin V presenta las conclusiones que pueden usarse preliminarmente como recomendaciones para la evaluacin de las Edpymes. II. LAS EDPYMES Las Entidades de Desarrollo de la Pequea y Micro Empresa (EDPYMEs) son empresas de operaciones mltiples creadas durante la vigencia de la anterior Ley del Sistema Financiero, Decreto Legislativo N 7708, para atender la demanda crediticia de las micro y pequeas empresas9. Estas entidades fueron incorporadas a la Ley General del Sistema Financiero y de Seguros en 1996 (Ley N 26702), definindolas como empresas cuya especialidad consiste en otorgar financiamiento preferentemente a los empresarios de la pequea y micro empresa10. Siete de estas ocho entidades se constituyeron a partir de ONGs con experiencia en programas de micro crdito, estando la mayora del accionariado en las ONGs que las fundaron, as como la cartera inicial de clientes con los cuales empezaron a funcionar11. Las principales operaciones permitidas a estas entidades son: conceder crditos en cualquier moneda, descontar y conceder adelantos sobre letras de cambio, pagars y otros documentos comprobatorios de deuda; otorgar avales, fianzas y otras garantas; efectuar cobros, pagos y transferencias de fondos y actuar como fiduciarios en fideicomiso. La primera entidad en recibir autorizacin de funcionamiento fue Credinpet (Febrero, 1996) y por ms de un ao y medio fue la nica en funcionamiento, aunque durante ese periodo existan en trmite numerosos expedientes. En 1998 el nmero de Edpymes se increment fuertemente. En enero empezaron a funcionar Proempresa y Edyficar. En abril Crear Tacna, Crear Arequipa y Nueva Visin obtuvieron su autorizacin de funcionamiento e iniciaron operaciones. En Junio de 1998 inici operaciones la Edpyme Confianza, mientras que las ltimas Edpymes con autorizacin de funcionamiento son Raz y Crear Cusco.
El 24 de diciembre de 1994 se public el reglamento para la organizacin y funcionamiento de las EDPYMEs (Res. SBS N 897-94), el cual fue precisado en la Resolucin SBS N 259-95 del 98.04.01. 9 La SBS emiti el 20 de agosto de 1997 el Reglamento de Evaluacin y Clasificacin de los Deudores (Resolucin SBS N 572-97), donde se precisa los Crditos a la Microempresa o Crditos MES sern aquellos crditos destinados al financiamiento de actividades productivas, comercio o servicios, cuando el deudor tenga activos menores a US$ 20 mil sin considerar bienes inmuebles, y que su endeudamiento en el sistema financiero no exceda el mismo monto. 10 Artculo 282 de la Ley N 26702. 11 La EDPYME Nueva Visin es la nica EDPYME que no tiene a una ONG como principal accionista y que por ello, no tiene experiencia previa en el microcrdito. En las otras Edpymes, las ONGs fundadoras tienen en promedio ms del 83% de las acciones.
8

3/17

BALANCE GENERAL SISTEMA DE EDPYMES (Miles de Nuevos Soles al 99.06.30) Fondos Disponibles 4 667 Adeudados Fondos Interbancarios - COFIDE Inversiones Financieras - Otros Colocaciones Netas 38 949 Otros Pasivos Vigentes 38 513 Provisiones Refinanciadas 936 TOTAL DEL PASIVO Atrasadas 3 227 Patrimonio (Provisiones) 2 791 Capital Social y en Trmite Bienes Adjudicados 11 Reservas Activo Fijo 2 394 Resultados Acumulados Otros Activos 4 341 Resultado del Ejercicio TOTAL ACTIVO 50 361 TOTAL PASIVO Y PATRIMONIO Fuente: SBS

27 261 5 984 21 277 6 237 253 33 784 16 578 16 272 43 -285 547 50 361

Al 99.06.30, las EDPYMEs tenan una cartera de colocaciones de casi S/. 42 millones, intermediando poco ms de S/. 27 millones de Adeudados12, contando con un Patrimonio de S/. 16.5 millones. Sin embargo, estos resultados reflejan en gran medida la entrada de las nuevas Edpymes, las cuales expandieron los servicios financieros de estas empresas en una gran proporcin, habiendo crecido las colocaciones netas en 79% de junio de 1998 a junio de 1999. De estas colocaciones, el 97% corresponden a Crditos MES13. En el mismo periodo el Patrimonio se increment en 56.3%. El mayor volumen de operaciones hizo que su apalancamiento creciera de 2.21 a 2.81 veces, por lo que si se compara con el lmite global de apalancamiento que tiene estas empresas, once (11) veces de acuerdo a la Ley General, las Edpymes tienen un amplio margen para incrementar sus operaciones.

12 Las principales fuentes de Adeudados de estas empresas son FONDEMI, Fondo de la Microempresa; COFIDE, Corporacin Financiera de Desarrollo, el cual es una empresa financiera de segundo piso, y en menor medida algunos bancos comerciales. 13 El tamao promedio de estos crditos es de S/. 3 700, poco ms de US$ 1 mil.

4/17

Grfico N 1 50 40 (Millones S/.) 30 20 10 0 97-IV 98-I 98-II 98-III 98-IV 99-I 99-II Colocaciones T otales Nmero de Personal

Colocaciones y personal de las EDPYMEs

200 160 (nmero) 120 80 40 0

En lo que respecta a la morosidad, esta ha tenido una tendencia creciente por el deterioro de la situacin econmica en el Per, coincidiendo as con la evolucin de la calidad de cartera del sistema bancario. As, la cartera atrasada, como porcentaje de las colocaciones totales, ha pasado de poco ms de 2% en junio de 1998 a 7.7% en junio de 1999, mientras que la morosidad del sistema bancario pas de 6% a 10% en el mismo periodo.

12% 10% 8% 6% 4% 2% 0% 98-I

Grfico N 2 Morosidad EDPYMES - Bancos (1998-1999)

98-II

98-III Edpymes

98-IV Bancos

99-I

99-II

El pequeo tamao de estas instituciones y las caractersticas peculiares de su cartera de colocaciones, entre las que resaltan la alta volatilidad de su morosidad, el tipo de clientes que atienden (pequeos y microempresarios informales sin garantas reales), una cartera de colocaciones compuesta de varios cientos de pequeos crditos, la metodologa crediticia intensiva en informacin, lo cual les genera altos costos administrativos, unido a su estructura de propiedad y gobierno, provenientes de ONGs sin una gran capacidad de realizar nuevos aportes en caso de insolvencia14, hace que el estudio de la calidad de su cartera, principal activo de estas empresas, sea sumamente importante.

14

Rock, op cit.

5/17

Adems, estas empresas han tenido un alto crecimiento en nmero de empresas y colocaciones, contando tambin con gran potencial de expansin en sus operaciones, por lo obliga a una revisin de la experiencia inicial desde varias perspectivas. En la siguiente seccin se describe la variable de morosidad tomada en cuenta para este anlisis, as como sus vnculos con otras caractersticas intrnsecas de la Edpyme, de la agencia o del mercado en que sta opera. III. VARIABLES Y ESTRATEGIA EMPRICA

En esta seccin se plantea un modelo de forma reducida para examinar los determinantes de morosidad, que incluyen tanto caractersticas del mercado como caractersticas de la misma entidad. Siguiendo a Westley y Shaffer (1997), se incluyen las caractersticas que reflejan la poltica de la entidad, pero a diferencia de ellos, no se incluyen otros indicadores que pierden relevancia entre entidades reguladas.15 Las variables consideradas estn descritas a continuacin. a. Tasa de Morosidad de la Agencia. La morosidad est medida como el porcentaje de cartera atrasada al total de colocaciones directas16. Durante los meses iniciales de funcionamiento las agencias muestran niveles muy bajos (o iguales a cero) debido a que las colocaciones recin empiezan y a que los plazos (an los ms cortos) an no vencen. Esto representar un problema en la estrategia emprica a utilizar. Un indicador alternativo de morosidad es la cartera en alto riesgo (atrasada ms refinanciada), pero para estas agencias la diferencia es mnima.17 Variables Explicativas Endgenas b. Capital Social. Este indicador no slo refleja el tamao financiero de la entidad, en la medida en que sus colocaciones pueden aumentar por acceso a mayores recursos financieros, sino tambin por una mayor capacidad para obtener financiamiento de otras fuentes porque la base de apalancamiento, el patrimonio efectivo, est compuesto principalmente del Capital Social. Adems, demuestra una capacidad de reclutar mejores empleados y adoptar polticas crediticias ms adecuadas. Este indicador est medido al nivel de Edpyme, no de agencia. c. Nmero de Agencias. El nmero de agencias de cada entidad est incluido como indicador de diversidad de mercados atendidos. Manteniendo fijo el tamao de la entidad, un mayor nmero de agencias significar una mayor diversidad de mercados y posiblemente, una menor calidad en el monitoreo de cada agencia, empeorando la calidad de la evaluacin y la capacidad de recuperacin. d. Porcentaje de colocaciones con Garantas. Las garantas en el sistema financiero peruano se clasifican de varias maneras. Una de ellas es con respecto a la capacidad de ejecutarlas en el menor plazo posible. De esta manera, existen garantas preferidas, y dentro de ellas de muy rpida realizacin y autoliquidables, y otras garantas no calificadas18. Entre las Edpymes, ninguna cuenta con garantas de rpida realizacin, siendo las ms utilizadas las de lenta realizacin. En este sentido, se espera que agencias con mayores porcentajes de colocaciones garantizadas muestren menores niveles de morosidad. Se ha argumentado que esto refleja un mayor compromiso de los
15 Por ejemplo, no se incluye el nmero de das que la entidad demora en entregar los informes financieros, pues para entidades reguladas, todas cumplen el plazo determinado por la SBS, con muy pocas discrepancias. 16 Para los crditos a la microempresa, la cartera atrasada incluye todo el saldo del crdito (y no solo la cuota) cuando tiene pagos atrasados por mas de treinta (30) das. 17 La cartera en alto riesgo incluye las colocaciones atrasadas as como las colocaciones refinanciadas, que se registran como vigente. Usando este indicador no se tuvieron cambios significativos en los resultados. 18 Las garantas preferidas permiten su conversin en dinero, cuentan con documentacin legal adecuada, no presentan obligaciones previas que puedan disminuir su valor o impedir que la empresa acreedora adquiera clara titulacin, y su valor est permanentemente actualizado.

6/17

deudores a cumplir con los pagos ante la posibilidad de ejecucin de garantas. Adems, un cliente dispuesto a poner a disposicin de un intermediario financiero sus bienes en garanta sabe que podr cumplir con los pagos, pues ejecutar una garanta en la micro empresa significara casi el cierre del negocio. Es indicador en el caso de microcrditos no es tan preciso, pues no se captura el efecto de otros tipos de garantas ms usadas por sus metodologas de crditos, como son garantas grupales, garantas individuales, distintas a las garantas reales. e. Nmero de Crditos por Personal. Este indicador refleja el volumen de crditos que un empleado promedio debe atender, y es un indicador inverso de calidad de la agencia. Asumiendo otras caractersticas constantes, una agencia con muchos crditos por persona deberan tener una evaluacin crediticia ms deficiente y mayores niveles de morosidad.19 f. Porcentaje de analistas entre los empleados de la Agencia. Los empleados de las agencias estn gruesamente separados en funcionarios, analistas y otro personal administrativo. Entre los primeros se encuentran los gerentes o jefes de operaciones, mientras que los segundos son los encargados directos de la aprobacin, seguimiento y recuperacin del crdito. En este sentido, una mayor proporcin de analistas (manteniendo fijo el nmero de crditos) dentro de los empleados representa una mayor capacidad de trabajo directo con los crditos y as una mejor recuperacin. Este indicador, sin embargo, tiene varias deficiencias. Primero, la Edpyme puede tener analistas de crdito que no figuran en los reportes debido a que estn oficialmente relacionados (y remunerados) con la ONG fundadora. Segundo, la distincin de labores entre funcionarios y analistas puede ser imprecisa. Es comn entre las entidades de microfinanzas que los jefes de crdito y an los gerentes tambin participen del trabajo de seguimiento y recuperacin de crditos. Variables Explicativas Exgenas g. Morosidad en el mercado de crditos local. Si bien las caractersticas de la agencia y la entidad determinan la tasa de morosidad en cada agencia, las condiciones del mercado tambin afectan este resultado. Si una agencia trabaja en una zona donde la morosidad es alta debido a shocks especficos a la zona, la morosidad de la agencia ser alta, pero ello no debe ser atribuido a las caractersticas de la agencia. Para controlar por este efecto regional, se incluyen indicadores de morosidad del sistema financiero en el departamento donde opera la agencia. h. Otras variables de control. Adicionalmente se incluyeron controles adicionales de tendencia, y un indicador para el primer trimestre de funcionamiento donde la estructura y la composicin de las agencias est en formacin. Las variables explicativas se pueden agrupar de la siguiente manera: variables en el mbito de la Edpyme, como son el nmero de agencias y el capital social; variables al nivel de la agencia o variables de gestin, pues reflejan las decisiones que se han tomado en dicha agencia: porcentaje de colocaciones con garantas, nmero de crditos por persona y porcentaje de analistas en la agencia. El constante seguimiento y el intensivo trabajo en la concesin de un crdito a un buen cliente microempresario dependen fuertemente de la calidad de las personas a cargo y de las polticas implementadas, pues las garantas juegan un papel muy pequeo o nulo en este tipo de financiamientos. Por ello la importancia de este tipo de variables de gestin, y en el caso de las variables de gestin no observables, como pueden
19 Para realizar esta inferencia se ha observado que el personal de las Edpymes administra en promedio 60 expedientes de crdito. El nmero de crditos que administran los analistas de las Edpymes es mucho mayor, aproximadamente 160, por lo que si comparamos con la productividad del personal de las Instituciones de Microfinanzas (IMF) que aparecen en el Microbanking Bulletin N 3, los analistas de crdito de las Edpymes tendran una productividad mayor a la de IMF plenamente sostenibles. Sucesivos aumentos del nmero de crditos administrados haran que la capacidad de seguimiento de los analistas se vea superada, pudiendo reducirse la calidad de monitoreo y con ello la calidad de la cartera de crditos de la empresa.

7/17

ser la calidad del gerente, las metodologas a utilizar limpiarn el efecto de estas variables omitidas. La otra variable es una variable que mide la situacin del mercado financiero local, como es la morosidad del departamento donde se ubica la agencia.20 Estrategia emprica Las variables anteriormente descritas pueden agruparse en la matriz Xit. La variable de inters en la agencia i en el periodo t (tasa de morosidad) se denota como yit. De esta forma, la relacin entre la tasa de morosidad y las caractersticas de la agencia y del mercado se asumen de la siguiente forma: yit = Xit + it (1)

donde cada observacin corresponde a cada agencia en cada mes. Si bien un modelo de forma reducida permite hallar los efectos de las variables de calidad de gestin sobre el nivel de morosidad, en este documento explotamos la naturaleza panel de la muestra para controlar por otros factores. Consideremos, por ejemplo, que existen otras caractersticas especficas a la entidad o a la agencia que no han sido incluidos en el anlisis (variables omitidas). Este conjunto de variables est siendo recogido por el trmino de error y son una potencial fuente de heterogeneidad no observada. Siguiendo a Hausman y Taylor (1981) el modelo planteado es extendido para considerar explcitamente caractersticas no observables de la agencia, como por ejemplo la capacidad y experiencia del gerente. Estas caractersticas no son observables y, por lo tanto, estn incluidas en el trmino de error. Esto es relevante cuando las caractersticas no observables (capacidad y experiencia gerencial) estn tambin asociadas a otras caractersticas observables como el nmero de crditos por personal o el porcentaje de crditos con garantas (variables de gestin), pues generan un potencial sesgo de heterogeneidad no observada. En trminos del modelo, esto equivale a descomponer el error, it, en dos trminos independientes. Primero, un trmino especfico a la agencia, denotado vi, y otro puramente aleatorio, denotado uit, de forma que it = vi + uit. Bajo este esquema, el modelo puede ser reescrito como: yit = Xit + { vi + uit } y existe un posible sesgo de heterogeneidad no observada cuando E[Xit it ]0, pues E[Xit it] = E[Xit vi] + E[Xit uit] = E[Xit vi] 0. En otras palabras, las caractersticas no observables de la agencia (vi) estn asociadas a las caractersticas observables (Xit). En este contexto, los estimadores de MCO del modelo son inconsistentes ante lo cual se plantea un estimador de efectos fijos (EF, en adelante). Alternativamente, es posible que E[Xit vi]=0, en cuyo caso el estimador ms eficiente es el de efectos aleatorios (EA, en
En modelos de calidad de cartera de colocaciones, usualmente se utilizan variables macroeconmicas como el PBI y el tipo de cambio. No existen series de datos de PBI departamental, y en el caso del tipo de cambio, se debe mencionar que estas empresas prestan mayormente en moneda nacional, lo cual es una decisin lgica en vista de que la gran mayora de sus clientes son microempresarios con poca capacidad de generar ingresos en moneda extranjera. Por ello, la variable morosidad departamental cumple una funcin de medir la situacin econmicofinanciera de la plaza atendida por la Edpyme.
20

(2)

8/17

adelante).21 La principal cualidad del estimador EF es que el trmino no observable especfico a la agencia, vi, es eliminado a travs de tomar diferencias con respecto a la media: yit - y i = (Xit - X i ) + ( vi - vi ) + it - i

~ + - ~ y it = X it it i

(3)

donde las variables en la ecuacin (3) estn definidas como desvos con respecto a la media. Una vez eliminado el trmino vi de la ecuacin (3), es posible aplicar MCO y obtener estimadores consistentes de ~ , pues E[ X it(it-i)] = 0. Este estimador es anlogo a considerar un intercepto diferente para cada agencia, lo que significa incluir una variable dummy para cada agencia. La estrategia de incluir variables dummy tiene la desventaja de incrementar el nmero de parmetros a medida que el nmero de entidades aumenta, lo que es un problema importante cuando la muestra tiene nmeros de entidades bastante grandes.22 En nuestro caso, este problema no es tan significativo pues se tiene un nmero pequeo de agencias. Otro problema a considerar surge de la naturaleza de la variable dependiente. Como el estudio busca examinar la morosidad desde el surgimiento de las Edpymes, en los primeros meses las agencias estn iniciando sus colocaciones y an no muestran signos de morosidad porque los plazos de los crditos an no vencen23. Esto se traduce en una fraccin de observaciones con niveles de morosidad iguales a cero. Esto ha sido ampliamente discutido en otros contextos como el consumo de bienes durables donde existe un nmero importante de reportes con cero gastos, y ha sido abordado con un modelo Tobit. En este documento, se adopta esta estrategia, an cuando es sensible a errores de especificacin de los trminos no observables (Maddala, 1981). La combinacin de un modelo de efectos fijos con una estructura no lineal como el modelo Tobit plantea problemas operativos serios que no son importantes cuando el nmero de entidades es relativamente pequeo.24 IV. DATOS Y RESULTADOS Este trabajo combina informacin mensual de indicadores financieros y de gestin de las Edpyme, y caractersticas del mercado financiero local. Esta informacin incluye a las 15 agencias de las seis Edpymes en funcionamiento que iniciaron operaciones entre enero de 1998 y junio de 1999, el cual es el tamao de la muestra. La Tabla 1 muestra las caractersticas de la muestra utilizada. La tasa de morosidad promedio entre las agencias consideradas desde sus primeros meses de funcionamiento hasta junio de 1999 es de 3.51%, la cual se debe a la inexistencia de atrasos durante los primeros meses. A fines de junio de 1999, la cartera
El estimador EA es una aplicacin de mnimos cuadrados generalizados a la ecuacin (2), donde se debe especificar la estructura del trmino de error. 22 Este es el llamado problema de parmetros incidentales, y se observa en el caso de las Encuestas de Niveles de Vida por ejemplo, donde el nmero de hogares encuestados est sobre los 2,000. 23 Aparte del efecto economtrico, el hecho de que se analicen empresas tan jvenes no permite ver los efectos perversos que podran tener inadecuadas polticas crediticias, pues los crditos son nuevos y sus fechas de repago estaran en el futuro, con lo que las variables endgenas perderan relevancia para explicar una morosidad poco existente. Para solucionar este problema debera hacerse un trabajo posterior aumentando el tamao de la muestra. 24 Cuando el nmero de entidades es mayor, el problema de parmetros incidentales impide una estrategia de variables dummy, y ha recibido una solucin en Honor (1992).
21

9/17

atrasada de las Edpymes constituidas en 1998 era de 7.61%, porcentaje ms bajo que los niveles observados en la Banca Mltiple (10.3%) y ligeramente mayor al de las Cajas Municipales (6.92%). El Capital Social promedio es de S/. 1.852 millones durante los meses estudiados y entre todas las agencias. A fines del segundo trimestre de 1999 el Capital Social promedio de una Edpyme era S/. 1.857 millones, lo que representa poco ms del doble del Capital Social mnimo requerido para el inicio de operaciones25. Debe destacarse que el capital social promedio de las Edpymes se ha incrementado en ms de 20% entre enero de 1998 y junio de 1999, an tomando en cuenta la entrada de nuevas empresas con capitales ms pequeos. Por otro lado, la fraccin de las colocaciones con alguna garanta (ninguna de ellas de rpida realizacin) alcanza el 55% entre todas las agencias y a travs de todos los meses. Las variables de gestin muestran que existen en promedio 59 crditos por persona en cada mes de la muestra. De otro lado, el monto de colocaciones por persona est alrededor de S/. 222 mil. Combinando ambas cifras, esto significa un monto promedio por crdito de S/. 3 762 que, al tipo de cambio de junio (S/. 3.34 por US$), representa un crdito promedio de US$ 1,127. Con respecto al personal, ms de un tercio tiene tareas de analista (38.9%). Un ltimo indicador es el que corresponde a la morosidad del sistema financiero en el departamento donde se ubica la agencia. El promedio para este periodo es de 13.5%, pero no debe ser comparado con los mostrados de la Banca Mltiple y de las Cajas Municipales de Ahorro y Crdito, pues se consideran los promedios simples sin ponderar los departamentos por su nivel de colocaciones.26 Si bien la morosidad del segmento de microfinanzas tiene un componente explicado por problemas generales como el fenmeno del nio o la crisis asitica, en este documento se busca establecer algunas relaciones con las polticas de gestin de las Edpymes analizadas. Los modelos estimados son de dos tipos. Primero, se considera un modelo lineal que no enfrenta el problema de cero morosidad de algunas agencias en los meses iniciales. En ese contexto, se plantea el modelo con componentes especficos a la agencia y se estima bajo dos alternativas: efectos fijos y efectos aleatorios. El segundo tipo de modelo utiliza la evidencia a favor del modelo con efectos fijos para adems incorporar la naturaleza censurada de la variables dependiente, en un modelo Tobit. Modelos de Efectos Fijos y Aleatorios. Asumiendo un modelo lineal como la ecuacin (2), se estiman dos modelos. El modelo de efectos fijos (ecuacin 3) y un modelo de efectos aleatorios que asume no correlacin entre Xit y vi. Los resultados se muestran en la Tabla 2, donde adicionalmente se presenta un test de especificacin tipo Hausman para contrastar la hiptesis nula de no endogeneidad, es decir H0: E[Xit vi]=0. Esta prueba permitir elegir entre los dos estimadores, dependiendo de la magnitud del problema de heterogeneidad no observada. Si ambos estimadores son muy parecidos, esto indica que la eliminacin de los componentes especficos a la agencia no es esencial para obtener estimadores consistentes de la ecuacin de morosidad. En cambio, si los estimadores son diferentes la eliminacin de los efectos fijos es importante. Dicho de otro modo, la heterogeneidad no observable debe ser removida.

25 El Capital Social mnimo para constituir una EDPYME asciende a S/. 791 444 para el trimestre julio-setiembre de 1999. 26 Se debe mencionar que esta informacin de morosidad departamental se ha obtenido de una base de datos de crditos mayores a S/. 13 500. As, sera la morosidad de aquella cartera de crditos de clientes que no son mayormente atendidos por las EDPYMEs.

10/17

Como se muestra en el resultado de la prueba de Hausman, los efectos estimados difieren sustancialmente entre los estimadores EA y EF, sugiriendo la existencia de una gran heterogeneidad entre agencias y Edpymes que debe ser considerada en el anlisis27. Esto justifica el uso de estimadores de EF. Este resultado se muestra en la columna Efectos Fijos donde se observan varios resultados importantes. Primero, el Nmero de Agencias indica que una agencia adicional representara un 0.5% adicional de morosidad, reflejando la reduccin en la calidad de gestin y en la capacidad de monitoreo sobre la agencia adicional. El efecto del nmero de Crditos por Persona en este tipo de empresas tambin es significativo, aunque no muy grande, indicando que un exagerado nmero de crditos por individuo representara un aumento de la morosidad. As, si se duplican el nmero de crditos administrados por personal, la morosidad de la agencia crecera en 0.02%. La otra variable significativa en esta especificacin es la morosidad departamental. El incremento de 1% en la morosidad del departamento donde se ubica la agencia de la EDPYME hace que sta vea incrementada su morosidad en 0.2%. El hecho de que el mercado objetivo de estas empresas sean microempresarios hace que el impacto no sea de la misma magnitud, aunque es interesante que sea menor, pues se tiene la idea de que la morosidad en este tipo de instituciones es mucho ms voltil que la observada en la banca tradicional. Aunque las otras variables no son estadsticamente significativas, sus signos son los esperados. As, el Capital Social reducira la morosidad de la agencia tanto en la especificacin de Efectos Aleatorios como en la de Efectos Fijos. En esta ltima, un aumento del Capital Social en 10% hara que la morosidad re reduzca en poco ms de 1%. Cuanto mayor la cantidad de analistas en la Edpyme, se esperar una mejor evaluacin y seguimiento de los Crditos MES. Este resultado puede deberse a la poca diferenciacin de labores y/o a errores en los reportes de personal. Al mismo tiempo, el monto colocado por empleado mejora la situacin de la agencia evidenciando un mejor seguimiento cuando ms dinero est en juego. As, duplicar el monto colocado por persona (manteniendo fijo el nmero de crditos) representa una disminucin de 0.02 en la tasa de morosidad. Este efecto es muy parecido al de Crditos por personal, indicando que si ocurren a la vez, la Edpyme estara operando en el mismo mercado, pues el tamao del crdito sera el mismo, pero el incremento por el mayor nmero de crditos es ligeramente mayor a la disminucin por mayor monto colocado, lo que indicara que existe un lmite para la cantidad de crditos y el monto de colocaciones que un analista puede manejar sin perjudicar seriamente la morosidad de la Edpyme. El problema de los resultados anteriores est dado por los potenciales efectos de los meses iniciales, que sesgan los resultados hacia cero. En la siguiente parte, se toma en cuenta este problema. Modelo de Efectos Fijos con variables censuradas: modelo Tobit Utilizando la evidencia sobre la importancia de controlar por efectos no observables, en esta seccin se presentan los estimados de las funciones de morosidad considerando la naturaleza censurada de las observaciones y tomando en cuenta el resultado de la prueba de especificacin presentada anteriormente. El modelo de efectos fijos (EF) se combina ahora con un tratamiento apropiado para variables censuradas y los resultados se presentan en la columna Tobit Efectos Fijos. De los efectos mencionados anteriormente, slo los efectos de la morosidad departamental y los crditos por persona siguen siendo significativos, pero con estadsticos ms robustos. Un aumento de un punto en la morosidad departamental resulta en un aumento de 0.25% en la morosidad de la empresa, reflejando la relacin entre estos mercados crediticios. Si los mercados estuvieran segmentados, la morosidad de la
27 De la misma manera, cuando se ve el Estadstico del Test Hausman de Especificacin, ste es significativo al 95% de confianza, rechazando la hiptesis nula de no endogeneidad.

11/17

Banca no afectara la de las Edpymes directamente. En esta especificacin, la duplicacin de los crditos atendidos por personal har que la morosidad crezca casi 3%. Con respecto a las variables no significativas, solo el nmero de agencias muestra el signo esperado, aunque su efecto es mucho menor que en el caso de los modelos de EA y EF.28 V. CONCLUSIONES Si se interpreta los resultados de la especificacin Tobit con Efectos Fijos - que son menos afectadas por las observaciones censuradas - se puede concluir que las variables determinantes en la morosidad de las Edpymes son los crditos por persona y la morosidad del departamento donde se instala la agencia de la empresa. Si las observaciones censuradas son, en cambio, ponderadas por igual, la variedad de mercados atendidos, medido por el nmero de agencias, cobra significancia, al igual que las variables anteriormente mencionadas. Se ha encontrado que en todas las especificaciones la variable de gestin Crditos por persona ha sido significativa, lo que demuestra la importancia de la gestin desde el inicio de las operaciones de las Edpymes, y conforme la empresa se vaya consolidando, la gestin se vuelve ms importante. Las otras variables de gestin, la proporcin de analistas y la proporcin de colocaciones con garantas, no resultan importantes para explicar la morosidad. Esto se explica por la poca distincin de labores entre el personal y por la poca relevancia de garantas reales en las microfinanzas. Tambin se ha encontrado que la morosidad de las Edpymes siempre se ve relacionada con la morosidad del sistema financiero en el departamento donde se apertura la agencia. Esto indica que los clientes de estas instituciones, aunque no son sujetos de crdito de las instituciones bancarias, se ven igualmente afectados por las condiciones desfavorables del mercado que atienden, indicando una fuerte conexin entre los mercados crediticios. El nmero de agencias, que indicara una variedad de mercados atendidos, afecta slo en etapas iniciales a la morosidad de la agencia, hasta que se aprende a operar en un nuevo ambiente formal. En resumen, la morosidad de las agencias de las Edpymes est explicada por componentes no observables, por lo cual la especificacin de Efectos Aleatorios (EA) no brinda los resultados ms confiables por el sesgo de heterogeneidad. Controlados stos efectos en las especificaciones de Efectos Fijos (EF) y Tobit con EF, las caractersticas del nuevo mercado (morosidad local) y replicar en las nuevas agencias aquellos factores no observables que son muy importantes en las microfinanzas, como son la gestin minuciosa de la cartera de colocaciones y el capital humano y experiencia de los cuadros gerenciales y oficiales de crdito, explicaran la calidad de la cartera de las Edpymes. Estos resultados pueden ser utilizados tanto por las propias Edpymes como por el regulador para su trabajo. En el caso de las Edpymes, pueden tomar en cuenta el costo inicial en que incurrirn en la instalacin de una nueva agencia, para lo cual tambin deben tener en cuenta la situacin del mercado financiero de la agencia potencial. Adicionalmente, el organismo regulador debe tomar esto en cuenta para ver los posibles efectos en la empresa de expandir desmesuradamente sus operaciones al autorizar la apertura de varias agencias en departamentos con alta morosidad histrica, a la vez que exigir aumentos de capital cuando se requiera, en vista de que reduce la morosidad.
28 Debido a la reciente creacin de estas instituciones, todava no es factible examinar la estabilidad de los parmetros y, por lo tanto, los resultados deben ser tomados como preliminares.

12/17

Este trabajo debe ser examinado con las limitaciones de informacin que se han discutido. Ms evidencia acerca de las nacientes EDPYMEs, una mayor precisin en los indicadores de calidad de gestin y un adecuado control por factores externos, como la morosidad regional, permitirn extraer conclusiones ms robustas acerca del comportamiento de estas entidades. Tabla 1. Estadsticos Descriptivos Variables Cartera atrasada de la Agencia (%) Nmero de Agencias de la Edpyme Patrimonio (miles de Soles) Capital Social (miles de Soles) Fraccin con Garantas Crditos por Persona Monto por Persona (miles de Soles) Proporcin de Analistas (%) Morosidad departamental de la Banca Comercial (%) Promedio 3.505 2.699 2587.04 1851.57 0.546 59.61 222.44 38.85 13.47 Error estndar (0.294) (0.128) (121.3) (58.47) (0.038) (2.831) (11.89) (1.272) (0.519)

13/17

Tabla 2. Estimados de la Ecuacin de Morosidad (1) E. Aleatorios 0.7652* (0.188) -0.5406 (1.108) -1.5605 (1.065) 0.0303* (0.0108) -0.0131 (0.0292) 0.01539 (0.0145) 0.00242 (0.0572) 0.0021 (0.082) 0.6396 0.7183 0.5121 49.85* 153 (2) E. Fijos 0.51332* (0.217) -0.9842 (1.294) 0.7316 (0.0185) 0.0215* (0.0108) -0.0208 (0.032) -0.00349 (0.0147) 0.2078* (0.0749) 0.0182 (0.096) 0.8256 3.59* 7.78* 153 4.44* 9.98* 153 (3) Tobit+E. Fijos 0.1157 (0.238) 1.3118 (1.907) 0.7112 (1.967) 0.0289* (0.0119) 1.99e-04 (0.0398) 0.004217 (0.0186) 0.2543* (0.0927) -0.1763 (0.143)

Nmero de Agencias (x100) Log(Capital Social) (x100) Proporcin de Colocaciones con Garantas (x100) Crditos por Persona (x100) Monto de Colocaciones por Persona (x1000) Proporcin de Analistas Morosidad del Dpto. Intercepto R2 (global) intra agencias entre agencias Ho: Regresores no significativos Ho: vi = 0, vi Muestra

Hausman Test de Especificacin: 229.37* 2 [p-value] Nota: Controles adicionales de tendencia y primer trimestre de operaciones fueron incluidos en las regresiones. *: Indica que el estadstico es significativo al 95% de confianza. Las desviaciones estndar de los parmetros se presentan entre parntesis.

14/17

ANEXO EDPYMEs con Autorizacin de Funcionamiento Nombre EDPYME Credinpet 1/ 2/ EDPYMES Proempresa EDPYME Edyficar EDPYME Crear Tacna EDPYME Crear Arequipa EDPYME Nueva Visin EDPYME Confianza EDPYME Raz 2/ EDPYME Crear Cusco 2/ 1/ En liquidacin. 2/ No tomadas en cuenta en el modelo. EDPYMEs con Autorizacin de Organizacin Nombre EDPYME Crear Trujillo** EDPYME Credivisin** EDPYME Camco-Piura** EDPYME Solidaridad** EDPYME Finca EDPYME Pro Negocios Resolucin de Organizacin Resolucin SBS N 0957-98 Resolucin SBS N 0190-99 Resolucin SBS N 0099-99 Resolucin SBS N 0034-99 Resolucin SBS N 1276-98 Resolucin SBS N 0278-99

Inicio de Operaciones (Resolucin de Funcionamiento) 96.02.01 (Resolucin SBS N 023-96) 98.01.02 (Resolucin SBS N 832-97) 98.01.02 (Resolucin SBS N 831-97) 98.04.20 (Resolucin SBS N 341-98) 98.04.13 (Resolucin SBS N 342-98) 98.04.15 (Resolucin SBS N 340-98) 98.06.22 (Resolucin SBS N 526-98) 99.09.20 (Resolucin SBS N 839-99) 99.12.15 (Resolucin SBS N 1104-99)

**Se encuentran solicitando autorizacin de funcionamiento.

15/17

EDPYMEs solicitando Autorizacin de Organizacin Nombre EDPYME Microsol EDPYME Alternativa EDPYME Fides EDPYME Omicron EDPYME Cmara de Comercio de Arequipa EDPYME Credicamara EDPYME Interfin Fecha de Inicio del Trmite 97.09.17 98.01.06 98.05.29 98.05.28 98.06.03 98.06.08 98.05.06

16/17

BIBLIOGRAFIA Banco Interamericano de Desarrollo (1998) Promoting Growth with Equity. The Inter-American Development Bank and Microenterprise. IADB, Sustainable Development Department. Chong, A. y E. Schroth (1998) Eficiencia Interna y Externa del Sistema de Cajas Municipales de Ahorro y Crdito del Per, mimeo. Hausman, J. y W. Taylor (1981) Panel Data and Unobservable Individual Effects, Econometrica, Vol. 49(6), pp. 1377-1398, Noviembre. Honor, B. (1992) Fixed Effects Truncated and Censored Variables, Econometrica. Jansson, T. (1997) Financial Regulation and its Significance for Microfinance in Latin America and the Caribbean, Inter-American Development Bank: Washington D.C. December. CALMEADOW (1999). Microbanking Bulletin Issue N 3, 49 pags. Rock, Rachel y Mara Otero (1997). From Margin to Mainstream: The Regulation and Supervision of Microfinance. ACCION International, 127 pags. Schreiner, Mark (1999). A Scoring Model of the Risk of Costly Arrears at a Microfinance Lender in Bolivia. Center for Social Development, Washington University in St.Louis. Superintendencia de Banca y Seguros (1996) Ley General del Sistema Financiero y del Sistema de Seguros y Orgnica de la Superintendencia de Banca y Seguros. Ley No. 26702. Diciembre 1996. Superintendencia de Banca y Seguros (1998a) Informacin Financiera Mensual de Banca Mltiple, Empresas Financieras, Empresas de Arrendamiento Financiero, Entidades Estatales. Al 30 de junio de 1999. Superintendencia de Banca y Seguros (1998b) Informacin Financiera Mensual de Cajas Municipales, Cajas Rurales y Edpymes. Al 30 de junio de 1999. Westley, G. y S. Shaffer (1997) Credit Union Policies and Performance in Latin America, Inter-American Development Bank, Office of the Chief Economist, Working Paper #355 (October). Washington D.C.

17/17