Banco Central del Ecuador
NOTAS TÉCNICAS
Subgerencia de Programación y Regulación
Dirección Nacional de Riesgo Sistémico
MATRICES DE TRANSICIÓN DEL ÍNDICE DE
VULNERABILIDAD FINANCIERA
Nota Técnica No.79
Pablo David Llerena Puebla
Juan Pablo Erráez Tituaña
Autorizado por:
Verónica Artola
Mayo 2016
página Nota Técnica No. 79
Notas Técnicas
ISSN: 1390-0056
^ƵďŐĞƌĞŶĐŝĂĚĞWƌŽŐƌĂŵĂĐŝſŶLJZĞŐƵůĂĐŝſŶ
ŝƌĞĐĐŝſŶEĂĐŝŽŶĂůĚĞZŝĞƐŐŽ^ŝƐƚĠŵŝĐŽ
ϮϬϭϲ͘ ΞĂŶĐŽĞŶƚƌĂůĚĞůĐƵĂĚŽƌ
ǁǁǁ͘ďĐĞ͘ĞĐ
EŽƚĂƐdĠĐŶŝĐĂƐĞƐƵŶĂƉƵďůŝĐĂĐŝſŶƋƵĞƌĞƉŽƌƚĂůŽƐƌĞƐƵůƚĂĚŽƐƉƌĞůŝŵŝŶĂƌĞƐĚĞůŽƐƚƌĂďĂũŽƐĚĞŝŶǀĞƐƟŐĂĐŝſŶ
ƉƌŽĚƵĐŝĚŽƐĞŶůĂ^ƵďŐĞƌĞŶĐŝĂĚĞWƌŽŐƌĂŵĂĐŝſŶLJZĞŐƵůĂĐŝſŶĚĞůĂŶĐŽĞŶƚƌĂůĚĞůĐƵĂĚŽƌ͘
ƐƚŽƐĚŽĐƵŵĞŶƚŽƐĞƐƚĄŶĂďŝĞƌƚŽƐĂůĂĐƌşƟĐĂLJĐŽŵĞŶƚĂƌŝŽƐĚĞůŽƐŝŶƚĞƌĞƐĂĚŽƐ͘ŶůĂŵĞĚŝĚĂĞŶƋƵĞůŽƐ
ƌĞƐƵůƚĂĚŽƐ͕ĐŽŶĐůƵƐŝŽŶĞƐLJĂĮƌŵĂĐŝŽŶĞƐƋƵĞĐŽŶƟĞŶĞŶƉƵĞĚĞŶƐĞƌŽďũĞƚŽĚĞĐĂŵďŝŽƐLJĞŶŵŝĞŶĚĂƐ͕
ŶŽĐŽŵƉƌŽŵĞƚĞŶĂůĂŶĐŽĞŶƚƌĂůĚĞůĐƵĂĚŽƌ͘
^ĞƉĞƌŵŝƚĞůĂƌĞƉƌŽĚƵĐĐŝſŶĚĞĞƐƚĞĚŽĐƵŵĞŶƚŽƐŝĞŵƉƌĞƋƵĞƐĞĐŝƚĞůĂĨƵĞŶƚĞ͘
página Banco Central del Ecuador
NOTAS TÉCNICAS
Subgerencia de Programación y Regulación
Dirección Nacional de Riesgo Sistémico
MATRICES DE TRANSICIÓN DEL ÍNDICE DE
VULNERABILIDAD FINANCIERA
Nota Técnica No.79
Pablo David Llerena Puebla
Juan Pablo Erráez Tituaña
Autorizado por:
Verónica Artola
Mayo 2016
Resumen
Utilizando el Índice de Vulnerabilidad Financiera (IVF) como base para el análisis del riesgo financiero
de las entidades del sector financiero privado, la presente nota técnica aplica la metodología de las
matrices de transición como herramienta para el cálculo de distribuciones de probabilidades de transición de un estado a otro, siendo las señales de alerta del IVF los equivalentes a los estados dentro
la matriz de probabilidades. De esta manera, mediante el cálculo de la matriz de estado estacionario
es posible identificar grupos de entidades de mayor o menor probabilidad riesgo de vulnerabilidad
financiera, así como también determinar cambios en la estructura de vulnerabilidad para diferentes
periodos de análisis.
página Nota Técnica No. 79
Abstract
Using the Financial Vulnerability Index (FVI) as a basis for the analysis of financial risk of the private financial sector, this technical note applies the methodology of transition matrices as a tool for calculating probability distributions of transition from one state to another, being the warning signs of the FVI
the equivalent to states within the matrix of probabilities. Thus, by calculating the steady state matrix
it is possible to identify groups of entities more or less likely risk of financial vulnerability and also determine changes in the structure of vulnerability for different analysis periods.
página Banco Central del Ecuador
CONTENIDO
1
INTRODUCCION........................................................................................................................... 6
2
OBJETIVO..................................................................................................................................... 6
3
MARCO TEÓRICO......................................................................................................................... 6
3.1 Procesos estocásticos.................................................................................................................. 6
3.2 Caminata aleatoria...................................................................................................................... 7
3.3 Cadenas de Markov.................................................................................................................... 8
3.4 Probabilidad de transición........................................................................................................... 8
3.5 Distribución de probabilidad inicial............................................................................................. 9
3.6 Matriz de estado estacionario..................................................................................................... 9
3.7 Índice de Vulnerabilidad Financiera........................................................................................... 10
3.8 Estudios previos......................................................................................................................... 10
4
DESARROLLO METODOLÓGICO Y RESULTADOS......................................................................... 11
4.1 Grupos de análisis del sistema financiero privado..................................................................... 11
4.2 Generación de matriz de probabilidades de transición............................................................. 12
4.3 Vector de probabilidad de distribución inicial........................................................................... 14
4.4 Matrices de estado estacionario............................................................................................... 15
4.5 Estado estacionario 2013 - 2015............................................................................................... 17
5
CONCLUSIONES.......................................................................................................................... 20
6
BIBLIOGRAFÍA............................................................................................................................ 21
7
ANEXOS...................................................................................................................................... 22
página Nota Técnica No. 79
1
INTRODUCCIÓN
Diversas crisis como la bancaria de 1999 en Ecuador, el colapso financiero internacional en 2008 y
similares debacles que las han precedido se constituyeron en argumentos que denotan la necesidad
de generar herramientas que permitan alertar de manera temprana dichos sucesos. De esta forma el
Índice de Vulnerabilidad Financiera (IVF) se constituye en un indicador de alerta temprana de carácter
multinomial, el mismo que mediante la generación de señales de alerta permite determinar el grado
del vulnerabilidad financiera al cual se encuentran expuestas las diferentes entidades del sector financiero privado. Es así, que el IVF, registra un valor de 0 cuando no existe ninguna señal, que corresponde
a vulnerabilidad “nula”, en tanto que 1 corresponde a un nivel de vulnerabilidad “baja”, 2 corresponde
a un nivel “aceptable”, 3 a “moderada” y 4 a “alta” (BCE, 2015).
Con estos resultados se pueden generar matrices de transición con la finalidad de determinar el nivel
de probabilidad que tienen las entidades de cambiar de un estado a otro. Donde, cada una de las cinco
señales del IVF corresponde a los estados probables de transición. Además utilizando el concepto de
las cadenas de Markov se define las matrices en estado estacionario y de esa manera poder calcular la
probabilidad que tienen las distintas entidades de subyacer en un determinado estado de vulnerabilidad financiera.
Por consiguiente, la presente nota técnica realiza un estudio para el sistema financiero privado ecuatoriano, en el cual partiendo de las señales de alerta del IVF se generan las matrices de transición. El
espacio de tiempo para el análisis consiste en dos periodos, el primero recoge información desde el
año 2007 hasta el año 2015, mientras que el segundo periodo recoge información desde el 2013 hasta
el 2015. Lo cual permite identificar posibles cambios en la estructura de las probabilidades de vulnerabilidad de las diferentes entidades financieras.
Las unidades de análisis son las entidades financieras de los sectores financieros privados, y popular y
solidario a las cuales se las agrupa bajo el término de entidades financieras del sector privado. La cuales
que se encuentran conformadas por bancos privados, sociedades financieras, cooperativas (segmento
1) y mutualistas. Finalmente dichas entidades son agrupadas en función del tamaño de sus activos en
cuatro grupos de estudio: Grandes y Medianas, Pequeñas, Muy Pequeñas 1 y Muy Pequeñas 2.
2
OBJETIVO
Generar la matriz de estado estacionario para el sistema financiero privado ecuatoriano, mediante
la aplicación de la propiedad de Markov, tomando como base el Índice de Vulnerabilidad Financiera,
determinando la distribución de probabilidad estacionaria y calculando la probabilidad de riesgo de las
distintas entidades financieras dentro de cada uno de los cuatro grupos de análisis.
3
MARCO TEÓRICO
3.1
Procesos estocásticos
Un proceso estocástico se lo define como la colección de variables aleatorias
da por un conjunto , llamado espacio parametral, y con valores en un conjunto
estados (Rincón, 2011).
página parametrizallamado espacio de
Banco Central del Ecuador
De tal manera, si se considera un sistema caracterizado por estar en cualquiera de un conjunto de estados predeterminados de manera específica, donde este sistema evoluciona o cambia de un estado a
otro a lo largo del tiempo de acuerdo a una cierta ley de movimiento, y sea el estado del sistema al
tiempo . Además, la forma en la que el sistema evoluciona no es determinista, y que ésta es provocada
por algún mecanismo dado por el azar, entonces puede considerarse que es una variable aleatoria
para cada valor del índice . Por consiguiente, esta colección de variables aleatorias se constituye en la
definición de proceso estocástico, y sirve como modelo para representar la evolución aleatoria de un
sistema a lo largo del tiempo (Rincón, 2011).
3.2
Caminata aleatoria
La caminata aleatoria (Leenman, 2008) describe el movimiento dentro de un sistema, en , donde
un “caminante” realiza varios pasos en tiempo discreto
hacia un nuevo sitio escogido de
manera aleatoria.
Las variables discretas aleatorias
en
constituyen los pasos de una caminata aleatoria,
que posee la siguiente probabilidad de distribución:
si
y
y
.
Por consiguiente,
y
para
se lo denomina la posición del paseo
aleatorio en el tiempo . Consecuentemente, el “caminante aleatorio” empieza su trayecto en la posición
y tomando un determinado número de pasos llega a la posición en el tiempo .
Por ejemplo (Rincón, 2011), dentro de un sistema se inicia en el estado 0, en el siguiente tiempo del
proceso puede pasar al estado +1 con probabilidad , o al estado −1 con probabilidad , en donde
. De esta forma se considera la misma regla para los siguientes tiempos, es decir, se usa una
probabilidad para determinar los estados de la derecha, y una probabilidad para los estados de la
izquierda. Por consiguiente en valor
es en el estado del proceso al tiempo .
. . . . .
q
-2
-1
p
0
+1
+2
Estas probabilidades de transición muestran un proceso de cambio de un estado a otro en dos tiempos consecutivos, válidos para cualquier
y para cualquier entero y j, donde se lo puede escribir de la siguiente forma:
Las probabilidad son homogéneas en el tiempo, dado que éstas no dependen del valor de . Por consiguiente el proceso cumple con la propiedad de Markov, debido a que el estado futuro del proceso
depende solamente del estado presente y no los estados pasados o previamente visitados.
página Nota Técnica No. 79
3.3
Cadenas de Markov
Una cadena de Markov se constituye en un proceso estocástico con tiempo discreto
el cual posee espacios de estados discretos, el mismo que debe satisfacer la propiedad de Markov, lo
que quiere decir que para cualquier entero
, y para cualquiera de los estados se cumple:
(1.1)
Donde el tiempo presente se lo representa con y el tiempo futuro con
y los tiempos
como el pasado. Por consiguiente la condición 1.1 establece que la distribución de probabilidad del estado del proceso que subyacerá en el tiempo futuro
depende únicamente del estado del proceso
en el tiempo presente y no de los estados en los tiempos pasados
(Rincón, 2011). Así
mismo, de manera intuitiva una cadena de Markov se lo puede definir como un proceso para el cual lo
que ocurra mañana depende con cierta probabilidad de lo que ocurre hoy, sin que tenga importancia
ningún conocimiento añadido sobre su pasado o historia anterior (Chamizo, s.f.).
3.4
Probabilidad de transición
Las probabilidades de transición (Rincón, 2011) de un paso corresponde a la probabilidad de transición
que tiene el estado en el tiempo , de pasar al estado en el tiempo
. Donde a la probabilidad
se la denota por
. Se dice que la cadena es estacionaria u homogénea en el tiempo cuando los números
no dependen de .
A continuación, se ilustra la variación de los índices y sobre el conjunto de datos
constituyéndose en la matriz de probabilidades de transición. La entrada
de dicha matriz corresponde
a la probabilidad de transición , o dicho de otra manera, es la probabilidad de pasar del estado al
estado en una unidad de tiempo.
El índice hace referencia a la fila de la matriz, mientras que el índice a la columna. La matriz de probabilidades de transición
cumple las siguientes dos propiedades:
1)
.
Se considera procesos estocásticos a tiempo discreto
que cumplen con la propiedad de Markov, donde la probabilidad
se la escribe como
. El significado de la probabilidad condicional
es análogo.
página Banco Central del Ecuador
3.5
Distribución de probabilidad inicial
De manera general una cadena de Markov inicia su desarrollo partiendo de un estado i el cual considera una distribución de probabilidad inicial sobre el espacio de estados. De esta manera una distribución
inicial para una cadena de Markov con espacio de estados {0, 1, 2,. . .} es simplemente una colección
de números
los cuales son mayores a cero y en su conjunto suman uno, representando
de esta manera una distribución de probabilidad sobre dicho conjunto. El número corresponde a la
probabilidad de que la cadena inicie en el estado i (Rincón, 2011).
3.6
Matriz de estado estacionario
Cuando, partiendo desde cualquier vector de estado inicial el sistema alcanza, a largo plazo, siempre
un mismo vector de estado, se pude decir que el sistema ha alcanzado el vector de estado estacionario
(Palacios, 2008).
Por lo tanto, una distribución de probabilidad
na de Markov con probabilidad de transición
se la define estacionaria para una cadesi cumple con la siguiente igualdad:
Consecuentemente, en términos matriciales se encuentra en su estado estacionario si
.
Además, también tiene una distribución estacionaria para la matriz
, dado que para cualquier número natural n se cumple
. Lo que significa que si la variable inicial
posee esa distribución
, por consiguiente la distribución de
también sería puesto que
,
de esta manera la distribución de mantiene invariante ante al paso del tiempo n (Rincón, 2011).
Resulta importante mencionar que la matriz de probabilidad P, tiene una estructura peculiar, y es que
todas sus columnas para un caso o filas para otro (depende de la construcción de la matriz) resultan
iguales al vector de estado estacionario (Palacios, 2008).
Por ejemplo, para la matriz de probabilidades de transición:
Se estima
calculando una potencia suficientemente grande para P, que es este caso si se calcula
una potencia de 30 para P, el resultado sería el siguiente:
página Nota Técnica No. 79
De esta manera, para este caso específico se obtendría el siguiente vector de estado estacionario:
3.7
Índice de Vulnerabilidad Financiera
El Índice de Vulnerabilidad Financiera (IVF) constituye una aproximación a los modelos de alertas
tempranas, pues a través de este indicador es posible identificar ex-post el grado de vulnerabilidad
financiera que registra una determinada entidad en un mes específico. Al realizar un análisis conjunto
del sistema financiero privado se puede determinar qué entidades son más sensibles al riesgo y cómo
han incrementado o reducido su perfil de vulnerabilidad financiera en un período.
El valor del IVF determina la cantidad de entidades privadas que son más vulnerables financieramente,
condensando los indicadores CAMELS y Solvencia, donde, a menor cantidad de señales menor nivel de
riesgo.
El IVF puede tomar valores que van desde 0 hasta 4, dependiendo de la presencia o no de señales de
alerta en los indicadores financieros. De esta forma, se registrará un valor de 0 cuando no exista ninguna señal, que corresponde a vulnerabilidad “nula”, en tanto que 1 corresponde a un nivel de vulnerabilidad “baja”, 2 corresponde a un nivel “aceptable”, 3 a “moderada” y 4 a “alta”.
En definitiva, el IVF pretende identificar el grado de vulnerabilidad financiera que podría registrar una
determinada entidad en un mes específico, clasificado en cinco niveles de alerta.
3.8
Estudios previos
En Ecuador existen algunas aplicaciones de las matrices de transición para el análisis del sistema financiero privado. Entre ellos se encuentra el “Modelo para el análisis de riesgo crediticio de la cartera de
vivienda basado en matrices de transición de calificación para el sector de bancos privados nacionales”
(Montoya, Arrobo y Córdova, 2014) en el cual se realizan gráficos de transición, de calificaciones crediticias, evaluación de las propiedades de las matrices, proyección de matrices y cálculo de la probabilidades de incumplimiento crediticio. Así también el estudio realizado por Valencia y Zambrano (2012)
BCE. Cuaderno de trabajo. Metodología para medir la Vulnerabilidad Financiera de las entidades financieras privadas mediante un
Sistema de Alertas Tempranas.
página 10
Banco Central del Ecuador
“Cálculo de la probabilidad de default para una cartera de créditos vehiculares” en el cual se utiliza las
matrices de transición como metodología determinar la calidad y estabilidad de la cartera vigente concerniente al segmento de vehículos. La investigación realizada por Villareal (2011) “Estimación de las
matrices de transición para la cartera comercial de las entidades financieras ecuatorianas controladas
por la superintendencia de banco y seguros” en el cual se calculan las matrices de transición usando
como base las calificaciones de riesgo asignadas por las entidades financieras. Es estudio realizado
por Ruiz y Ulloa (2010) “Evaluación del riesgo de crédito de la cartera de consumo de la cooperativa de
ahorro y crédito Jardín Azuayo a través del modelo de matrices de transición y creditmetrics durante el
periodo 2008” el cual realiza una aplicación de las matrices de transición en la cartera de consumo con
el fin de apreciar la evolución de una muestra de operaciones a lo largo del ejercicio 2008 y determinar
las características de este proceso, dentro del contexto de un esquema de gestión integral del riego
crediticio.
4
DESARROLLO METODOLÓGICO Y RESULTADOS
4.1
Grupos de análisis del sistema financiero privado
El universo de análisis está constituido por bancos privados, sociedades financieras, cooperativas (segmento 1) y mutualistas, los cuales se encuentran agrupados bajo el término de entidades financieras
del sector privado.
A las entidades financieras se las dividen en cuatro grupos de análisis determinado en función de la
participación de activos que posee cada entidad. De tal manera, el grupo de las Grandes y Medianas
corresponden aquellas entidades que poseen una participación de sus activos mayor al 2% en relación
al total del sistema financiero privado (SFPr), el grupo de las Pequeñas posee entidades que tengas una
participación mayor al 1% pero igual o menor al 2% del total de activos, el grupo de las Muy Pequeñas
1 corresponden a una participación mayor al 0.3% y menor o igual al 1%, por último las Muy Pequeñas
2, con una participación menor o igual 0.3% del total de activos.
Por lo tanto, para este caso considerando como fecha de corte el 31 de diciembre de 2015, los grupos
se distribuyen de la siguiente manera:
Cuadro 1
Clasificación de las EFI por tamaño de activos. Diciembre 2015
(Número de EFI y porcentajes)
Grupos
Grandes y Medianas
Pequeñas
Muy pequeñas 1
Muy pequeñas 2
Número de EFI
9
8
22
16
Fuente: BCE
página 11
Participación en el total de
activos del SFPr
Nota Técnica No. 79
Es importante señalar que la distribución de cada uno de los grupos puede cambiar ante fluctuaciones
en los activos de las diferentes entidades financieras en cuestión.
4.2
Generación de matriz de probabilidades de transición
Partiendo de los cinco estados (señales) de alerta que posee el IVF, se establecieron matrices de probabilidad de transición con la finalidad de obtener un estimado probable de cambio de un estado a otro
dentro del IVF por parte de las EFI. Cada una de las cinco señales del IVF corresponderá a un estado.
A cada uno de estos movimientos (pasar de un estado a otro) se lo denomina paso, de esta manera
(Charles, s.f.) si la cadena se encuentra en un estado , y luego se mueve a un estado , el siguiente
paso se lo denotará con una probabilidad , donde esta probabilidad no dependerá del estado en el
cual se encontraba la cadena antes del actual estado.
El IVF al calcularse de manera mensual para las entidades del SFPr, genera información de manera histórica para las diferentes EFI. De tal manera, utilizando dicha información es posible construir la matriz
de probabilidad P para cada uno de los cuatro grupos de estudio previamente planteado.
Para este caso, la información utilizada para las señales emitidas por el IVF comprende desde enero
de 2007 hasta diciembre 2015, correspondiendo a un total de 108 meses. Con ello se generó la matriz
de probabilidades de transición P para cada una de los grupos, la cual representa la probabilidad de
que las EFI en cada grupo cambien de un estado a otro, donde cada estado está representado por las
señales de alerta del IVF. El tiempo t está representado de manera mensual.
A continuación la matriz de probabilidades P es representada en un gráfico de redes. Sin embargo en
el apartado de Anexos, contiene la misma información de manera matricial en caso de ser requerida.
Gráfico 1
Matriz de probabilidades de transición – EFI Grandes y Medianas
(Porcentajes)
Fuente: BCE
El ancho de las líneas denotan una mayor o menor probabilidad que tienen las entidades de pasar de un estado a otro, donde mientras más
ancha se indica una mayor probabilidad.
Las conexiones son unidireccionales y son marcadas por el color que posee el nodo (estado) de origen. Por ejemplo, una entidad del grupo
de las Grandes y Medianas que se encuentre en el estado “0” tiene un 50% de probabilidad de en el siguiente periodo pasar al estado “1”,
y no de manera viceversa, puesto la entidad que se encuentre en el estado “1” tendrá un 17% de probabilidad de pasar al estado “0”.
página 12
Banco Central del Ecuador
En el gráfico anterior se puede distinguir que las EFI Grandes y Medianas que se encuentren en el estado “1” tienen una mayor probabilidad (49.5%) de continuar en el mismo estado, seguido por la probabilidad (29.2%) de moverse al estado “2”, y así de manera sucesiva. Cabe anotar, que durante el periodo
de análisis, ninguna entidad financiera catalogada como grande o mediana se ubicó en un estado de
vulnerabilidad alto, por lo que no existen conexiones a ese nodo.
Para el resto de grupos, la matriz de probabilidades de transición se representa visualmente en los
siguientes gráficos:
Gráfico 2
Matriz de probabilidades de transición – EFI Pequeñas
(Porcentajes)
Fuente: BCE
Gráfico 3
Matriz de probabilidades de transición – EFI Muy Pequeñas 1
(Porcentajes)
Fuente: BCE
página 13
Nota Técnica No. 79
Gráfico 4
Matriz de probabilidades de transición – EFI Muy Pequeñas 2
(Porcentajes)
Fuente: BCE
4.3
Vector de probabilidad de distribución inicial
La probabilidad de que una EFI se encuentre al inicio de la cadena en uno de los cinco estados, se lo
representa mediante el vector de probabilidad de inicio , el mismo que debe sumar 100% para todos
los casos.
Este vector fue construido para cada grupo como la proporción del número de veces en que las EFI
estuvieron en el estado 0, 1, 2, 3 o 4 durante los 108 meses. Por ejemplo, siguiendo el caso de las EFI
Grandes y Medianas, el vector inicial quedaría de la siguiente manera:
Cuadro 2
EFI Grandes y Medianas
(Porcentajes)
0
1
2
3
4
17.59%
48.35%
28.70%
5.35%
0.00%
Fuente: BCE
Este vector indicaría una mayor probabilidad de que una EFI del grupo Grandes y Medianas se encuentre en el estado “1” al inicio de la cadena y nula probabilidad de que se encuentren en el estado “4“.
Para el resto de grupos el vector de inicio
se presenta en los siguientes cuadros:
página 14
Banco Central del Ecuador
Cuadro 3
EFI Pequeñas
(Porcentajes)
0
1
2
3
4
15.25%
42.72%
28.17%
10.24%
3.61%
4.42%
0.80%
Fuente: BCE
Cuadro 4
EFI Muy Pequeñas 1
(Porcentajes)
19.87%
52.48%
22.43%
Fuente: BCE
Cuadro 5
EFI Muy Pequeñas 2
(Porcentajes)
0
1
2
3
4
18.58%
43.63%
29.05%
8.10%
0.64%
Fuente: BCE
De los cuatro grupos el perteneciente a las EFI Pequeñas es el que indicaría una mayor probabilidad de
inicio de su cadena en el estado “4” con 3.61% de probabilidad.
4.4
Matrices de estado estacionario
El estado estacionario del vector inicial se encuentra definido de como
donde luego de n
periodos y partiendo desde cualquier vector de estado inicial, el sistema alcanza a largo plazo siempre
el mismo vector de estado, satisfaciendo la siguiente igualdad
De esta manera, siendo n = 30 para el grupo de las Grandes y Medianas la matriz de estado estacionario queda definida de la siguiente manera:
Vector de estado estacionario:
En consecuencia, el vector de estado estacionario para las EFI Grandes y Medianas indicaría que el
estado “1” es el que posee la mayor probabilidad de llegada, es decir, una EFI grande o mediana, encontrándose en cualquiera de los cuatro estados tendría un mayor grado de probabilidad de terminar
en el largo plazo en el estado “1” antes que a cualquier otro estado, lo cual indica baja vulnerabilidad
financiera. Sin embargo, el estado “2” que representa una vulnerabilidad media o aceptable es el que
posee la segunda mayor probabilidad.
página 15
Nota Técnica No. 79
Cuadro 6
Vector de estado estacionario – EFI Grandes y Medianas
(Porcentajes)
0
1
2
3
4
17.77%
48.52%
28.32%
5.39%
0.00%
Fuente: BCE
La matriz de estado estacionario para el grupo de las EFI Pequeñas indicaría una mayor probabilidad
de subyacer en el estado “1”. Además, a diferencia del grupo de las EFI Grandes y Medianas, en este
grupo sí existiría probabilidad de terminar en el estado “4”; sin embargo, esta probabilidad resultaría
la más baja en el vector.
Cuadro 7
Vector de estado estacionario – EFI Pequeñas
(Porcentajes)
0
15.62%
1
44.23%
2
27.16%
3
9.60%
4
3.39%
Fuente: BCE
La matriz de estado estacionario para el grupo de las EFI Muy Pequeñas 1 indicaría que el estado que
posee la mayor probabilidad de converger es el estado “1”, seguido por los estados “2”, “0”, “3” y “4”
lo que implicaría una menor vulnerabilidad financiera al ser los estados “3” y “4” los que menor probabilidad poseen.
Cuadro 8
Vector de estado estacionario – EFI Muy Pequeñas 1
(Porcentajes)
0
1
2
3
4
19.97%
52.42%
22.39%
4.44%
0.79%
Fuente: BCE
De igual manera que el resto de grupos el de EFI Muy Pequeñas 2, indica que el estado “1” es el que tendría la mayor probabilidad de ocurrencia, con una mínima probabilidad de terminar en el estado “4”.
Cuadro 9
Vector de estado estacionario – EFI Muy Pequeñas 2
(Porcentajes)
0
1
2
3
4
18.86%
43.75%
28.79%
7.97%
0.64%
Fuente: BCE
página 16
Banco Central del Ecuador
El siguiente gráfico resume la distribución del vector en estado estacionario para cada grupo de EFI;
donde, el estado “1” es el que tiene la mayor probabilidad para los cuatro grupos. Lo deseable es que
el estado “0” sea el que posea la mayor probabilidad, ya que indicaría vulnerabilidad nula,sin embargo,
dicho estado posee la tercera mayor probabilidad. Las EFI Pequeñas indican la probabilidad más alta en
relación del resto de grupos de subyacer en el estado “4” con 3.39% de probabilidad.
Gráfico 5
Distribución de EFI en los diferentes estados estacionarios
Porcentajes, Diciembre-2015
Fuente: BCE
4.5
Estado estacionario 2013 - 2015
En la generación de las matrices de probabilidad P puede utilizar diferentes periodos de información, el
periodo a seleccionar depende del análisis que el investigador requiera realizar. Por consiguiente, luego
de generar los vectores en estado estacionario considerando el periodo del año 2007-2015, se calcula
nuevamente los vectores de estado estacionario para los cuatro grupos de análisis considerando un
periodo de tres años (2013-2015) utilizando de similar manera información mensual.
Esto con la finalidad de comparar ambos periodos y verificar si la estructura de comportamiento ha
cambiado en los últimos tres años, periodo que no considera la vulnerabilidad que existió en la crisis
financiera de 2008-2009, sino más bien la actual coyuntura.
De tal manera, para el grupo de las EFI Grandes y Medianas se grafican los vectores en estado estacionario para ambos periodos señalados. Donde, se visibiliza un cambio en la estructura, puesto que para
los periodos 2013-2015 existe una mayor probabilidad de convergencia hacia los estados que indican 2
y 3 señales de alerta, que los mostrados en el periodo 2007-2015, lo que indicaría un mayor grado de
vulnerabilidad financiera. Sin embargo, es preciso considerar que pese aquello el converger al estado
“1” sigue siendo el estado con mayor grado de probabilidad y converger al estado “4” sigue teniendo
0% de probabilidad.
página 17
Nota Técnica No. 79
Gráfico 6
Grandes y Medianas – Vectores de estado estacionario
Porcentajes, Año 2007-2015
Fuente: BCE
Para el grupo de EFI Pequeñas, la estructura es muy similar en ambos periodos, con pequeñas variaciones en los porcentajes de probabilidad de convergencia para cada uno de los estados. El estado “1” es
el que indicaría el mayor incremento en la probabilidad de convergencia, seguido por la disminución en
el estado “4” lo que indicaría una disminución de la vulnerabilidad del periodo 2013-2015 en relación
a 2007-2015.
Gráfico 7
Pequeñas – Vectores de estado estacionario
Porcentajes, Año 2007-2015
Fuente: BCE
página 18
Banco Central del Ecuador
Al igual que en el grupo de las EFI Pequeñas, las Muy Pequeñas 1 indican una estructura similar para
ambos periodos. Lo que indica una mejora en términos de probabilidad de converger en el estado “0”
y “1”.
Gráfico 8
Muy pequeñas 1 – Vectores de estado estacionario
Porcentajes, Año 2007-2015
Fuente: BCE
Para el grupo de las Muy Pequeñas 2, se visibiliza un cambio en la estructura al igual que en el grupo
de las Grandes y Medianas, donde la probabilidad de converger en los estado “0” disminuye, mientras
que la probabilidad de los estados “3” y “4” se incrementan.
Gráfico 9
Muy pequeñas 2 – Vectores de estado estacionario
Porcentajes, Año 2007-2015
Fuente: BCE
página 19
Nota Técnica No. 79
5
CONCLUSIONES
Partiendo de las señales de alerta de IVF, y utilizando el principio de las cadenas de Markov, fue posible
establecer la probabilidad de cambio del estado de alerta para diferentes grupos de entidades financieras. Lo cual volvió dinámico el análisis de la vulnerabilidad financiera.
La probabilidad que las entidades catalogadas como Grandes y Medianas converjan a un estado de alta
vulnerabilidad en el periodo 2007-2015 es nula. La mayor probabilidad para todas las EFI es el estado
1 “vulnerabilidad baja”.
Al utilizar diferentes periodos de referencia para el análisis en este caso los años 2007 - 2015 y 2013
- 2015, mediante la misma metodología se identificó un cambio en la estructura de la probabilidad de
vulnerabilidad, encontrando que el periodo más reciente (2013 – 2015) como ligeramente más vulnerable para los grupos de las EFI Grandes y Medianas y al de las Muy Pequeñas 2. Para los grupos de las
EFI Pequeñas y Muy Pequeñas 1 los cambios son marginales.
El análisis dinámico de las vulnerabilidades financieras es necesario para observar los cambios que se
generen en la actual coyuntura económica, por tanto, monitorear la estabilidad del sistema financiero
es un trabajo que debe ser realizado de manera continua.
página 20
Banco Central del Ecuador
6
BIBLIOGRAFÍA
Arrobo, Córdova y Montoya (2014). Modelo para el análisis de riesgo crediticio de la cartera de vivienda basado en matrices de transición de calificación para el sector de bancos privados
nacionales. Escuela Politécnica del Ejército. Extraído de: http://repositorio.espe.edu.ec/bitstream/21000/8355/1/AC-EAST-ESPE-047891.pdf
Banco Central del Ecuador (2015). Metodología para medir la Vulnerabilidad Financiera de las entidades financieras privadas mediante un Sistema de Alertas Tempranas. Cuaderno de trabajo. Extraído de: http://contenido.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/
Cuadernos/Cuad135.pdf
Charles M. Grinstead J. Laurie Snell (s.f.). Introduction to Probability. Chapter 11. Markocv chains. pp.
405. Extraído de: https://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/amsbook.mac.pdf
F. Chamizo (s.f.) Cadenas de Markov. Universidad Autónoma de Madrid. Extraído de:
https://www.uam.es/personal_pdi/ciencias/fchamizo/asignaturas/model1415/markov.pdf
F. Palacios (2008). Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema
3.5 Cadenas de Markov. Universidad Politécnica de Catalunya. Extraído de:
http://www.epsem.upc.edu/~fpq/ale-hp/modulos/aplicaciones/markov.pdf
L. Rincón (2011). Introducción a los procesos estocásticos. Universidad Nacional Autónoma de México.
Extraído de: http://people.ufpr.br/~lucambio/CE222/1S2013/procesos.pdf
T. Leenman (2008). Simple Random Wlak. Universidad de Leiden. Extraído de: https://www.math.
leidenuniv.nl/scripties/BachLeenman.pdf
Ruiz y Ulloa (2010) Evaluación del riesgo de crédito de la cartera de consumo de la cooperativa de
ahorro y crédito jardín azuayo a través del modelo de matrices de transición y creditmetrics
durante el periodo 2008. Universidad de Cuenca. Extraído de: http://dspace.ucuenca.edu.ec/
bitstream/123456789/1511/1/tif73.pdf
Valencia y Zambrano (2012). Cálculo de la probabilidad de default para una cartera de créditos vehiculares. Escuela Politécnica del Litoral. Extraído de: https://www.dspace.espol.edu.ec/bitstream/123456789/24961/1/C%C3%81LCULO%20DE%20LA%20PROBABILIDAD%20DE%20DEF
AULT%20PARA%20UNA%20CARTERA%20DE%20CR%C3%89DITOS%20VEHICULARES.pdf
Villarreal (2011). Estimación de las matrices de transición para la cartera comercial de las entidades
financieras ecuatorianas controladas por la superintendencia de banco y seguros. Escuela
Politécnica Nacional. Extraído de: http://bibdigital.epn.edu.ec/bitstream/15000/2699/1/CD3384.pdf
página 21
Nota Técnica No. 79
7
ANEXOS
Matrices de probabilidad de transición para los cuatro grupos de análisis:
Cuadro 10
Matriz de probabilidades de transición – EFI Grandes y Medianas
(Porcentajes)
t+1
t
0
1
2
3
4
0
1
2
3
4
22.97%
50.00%
18.92%
8.11%
0.00%
16.99%
49.46%
29.19%
4.36%
0.00%
16.83%
44.01%
33.01%
6.15%
0.00%
12.50%
58.93%
26.79%
1.79%
0.00%
0.00%
0.00%
0.00%
0.00%
0.00%
Fuente: BCE
Cuadro 11
Matriz de probabilidades de transición – EFI Pequeñas
(Porcentajes)
t+1
t
0
1
2
3
4
0
1
2
3
4
14.02%
59.81%
23.36%
2.80%
0.00%
21.10%
45.48%
24.93%
6.58%
1.92%
10.53%
43.32%
30.36%
11.74%
4.05%
11.96%
29.35%
30.43%
15.22%
13.04%
2.78%
5.56%
38.89%
47.22%
5.56%
Fuente: BCE
Cuadro 12
Matriz de probabilidades de transición – EFI Muy Pequeñas 1
(Porcentajes)
t+1
t
0
1
2
3
4
0
1
2
3
4
22.36%
51.01%
22.11%
4.52%
0.00%
21.94%
16.88%
4.95%
0.00%
55.85%
48.26%
42.57%
33.33%
19.10%
27.71%
32.67%
38.89%
2.32%
6.42%
15.84%
22.22%
0.77%
0.73%
3.96%
5.56%
Fuente: BCE
página 22
Banco Central del Ecuador
Cuadro 13
Matriz de probabilidades de transición – EFI Muy Pequeñas 2
(Porcentajes)
t+1
t
0
1
2
3
4
0
1
2
3
4
44.16%
35.02%
16.40%
4.10%
0.32%
17.54%
9.56%
1.32%
0.00%
51.00%
43.23%
27.81%
27.27%
24.77%
36.45%
49.67%
63.64%
5.89%
10.16%
20.53%
9.09%
0.80%
0.60%
0.66%
0.00%
Fuente: BCE
página 23
