Evaluación y predicción del riesgo de crédito en una Institución de Microfinanzas uruguaya

TESIS DE D O CTORAD O EVAL UACIÓN Y PRE DI CCIÓN DEL RI ESGO DE CRÉDI TO EN U N A I NSTIT UC I ÓN DE MI CROFINANZAS UR UGUAYA María Nel a Seijas Giméne z ESCUEL A DE DOCTORA DO I NTERNACIONAL PROG RAMA DE D OCTORADO EN E CONOM ÍA Y EM PRE SA SANTIAGO DE COMPOSTELA 2019 DEC LARAC IÓN DE LA AUTORA D E LA TESIS Evalua ción y predicción del riesgo d e crédito en una Institución de M icrofinanzas uru gua ya Dña. Mar ía Nela Seijas Giménez Presento m i tesis, sigui endo el procedimiento adecuado al Regl amento, y declaro que:: 1) La tesis abarca l os resu l tados de la elaboración de m i trabajo. 2) En su caso, e n la tesis s e hace referenc ia a las colaboracio nes que tuv o este trabajo. 3) La tesis es l a versión d efinitiva pr esentada p ara su defensa y c oincide con la vers ión enviada en form ato electrónic o. 4) Confirm o que la tesis n o incurre en ningún tip o de pl agio de otros autores ni de trabaj os presentados por mí para l a obtención d e otros títul os. En Santiag o de Com postela, a 3 de julio de 20 19 Fdo. María N ela Seijas Giménez AU TORIZACIÓN D E LAS D IREC TORES / TUTORA D E LA TESIS Evalua ción y predicción del riesgo d e crédito en una Institución de M icrofinanzas urugu aya Dra. D a . Milagros Vive l Búa Profesora Co ntratada Doctora. Departa mento de Economía Fi nanciera y Contabi lidad. Universidade de Sant iago de Co mposte la Dra. D a . Sa ra Fer nández López Profesora Titu lar. De partame nto de Eco nomía Fin anciera y Contabilidad. Universidade d e Santiago de Com postela INF ORMAN: Que l a presente tesis, corr esponde con el traba jo realizado por Dña. M aría Nela Sei jas Gim énez, bajo nuestra dir ección, y autorizam os s u presentación, consideran do que r eúne l os requis itos ex igidos en el Regl amento de Es tudios de Doct orado de l a US C, y que como direc toras de esta no incurre e n l as causas de abst ención e stablecidas en Ley 40/2015 . En Santiag o de Com postela, a 3 de julio de 20 19 Fdo. Dra. Sar a Fernán dez López Fdo. Dra. M ilagros Vive l Búa A G R ADECIMIENTOS 7 A GRADECIMIENTOS En el final de e st a etapa académica tan llena de aprendizajes, no quiero dejar pasar la oportunidad de agradece r a muchas personas que colaboraron para el éxito de esta e xperiencia. En primer lugar, a mis Dire ctoras de Te sis, Dras. Sa ra Fernánde z Lópe z y Milagros Vivel Búa, qu e me condujeron por este camino ta n sinuoso y me compartieron toda su ex periencia y conoc imientos, permitiéndome enfre nt ar los momentos de desesperanza y aportándome nue vos b ríos, con el objetivo de alcanzar la excelenc ia. A Fabián Gonz ález y V alentín Molina, que estuvieron en el inicio d e este camino, y fu eron pi ezas claves para que sel eccionara el tema de investigac ión rel acionado con los mi crocréditos y e l credit scoring y pudiera comprender la relevanc ia de esta temática a nivel glob al. A J uan L ara, quien generosa m ente aportó su experiencia en el desarrollo de su tesis doctoral, que h a sido el antecedente más relevante de mi propia investigación. A la Ministra de Desarroll o Social, Marina Arismendi, por p ermitirme el acceso a la base de datos de microcréditos objeto de esta tesis doctoral. A Marcela González, quien primariamente me aportó la información sobre el programa de microcré ditos para emprendimientos produ ctivos y me alla nó todas mis consultas y dudas, junto con Guillermo La mas y Susana Garello, que t ambién colaboraron activamente con su tiempo y esfuerzo en la construcción de la base de datos. A Rosana Fernández y todos sus colaboradores, quienes desde República Microfinanzas S.A. partic iparon pre sencialmente y a la distancia en la de limitaci ón de mi objeto de estudio. A las autoridades de la División Política Económica y d e la Superintendencia de Servicios Financ ieros del Ba nco Central del Uruguay, quienes apo yaron en distint as épocas la rea liz ación de esta instancia académica y a todos mis compañeros, que me aportaron M ARÍA N ELA S EIJAS G IMÉ NEZ 8 ideas, tiempo y aliento. Hago extensivo también el agradecimiento a la Unidad a cadémica Finanzas y Pro yectos de Inversión de la Facultad de Ciencias Ec onómicas y de Administración, a la UCU Business School de la Universida d Católica del Urug ua y y a la Comisión Sectorial de Investigación Científica de la Universidad de la República. A los participantes en los seminarios y c o ngresos académicos nacionales e internacionales donde tuve la oportunidad de presentar los resultados primarios de esta investigación, que me brindaron sus aportes, dife rentes p erspectivas y me conta giaron su entusiasmo por el tema elegido. A todos los compañeros del Doctorado en Economí a y Empresa qu e tuve la oportunidad de conocer en Santia go de Compostela, por su ay ud a y sus palabras d e ánimo así como a todo el personal de la Fac ultad de Cienc ias Económicas y Empresariales, Campus Norte, que colaboraron para max imizar el aprov echamiento de mi estancia académica. A Lucía Re y , que me brindó s u hospitalidad y m e permitió vivenciar Santiago de Compostela como un residente, miti gando la melancolía de mi querido Uruguay . A mi familia, amigos y seres queridos, que durante todo este período soportaron mis ausencias y me apo yaron a c ontinu ar. A Joel, que ha sido u n baluarte ineludible en todo este tra yecto, escuchá ndom e, alentánd ome a seguir y animándome a dar los pasos necesarios para ava nzar, siempre avanzar. A todos, muchas gracias. María Ne l a Seijas Giménez Julio/2019 R ESUMEN 9 R ESUMEN El objetivo principal de este documento de tesis doctoral es analizar y predec i r el riesgo de crédit o en una institución de microfinanzas (IMF) uruguaya, aplicando herra mientas estadística s paramétr i cas y no paramétr i cas de c redit s coring -modelos logit y probit, aná lisis de supervivencia y redes neuronales- en el m arco de la profundización del proceso d e inclusión financiera en Uru guay. Ello permitiría dotar a estas instituciones de una ma yor eficiencia en su g estión de microcré ditos. Las técnicas estadíst icas de evaluación y predicción de riesg o de crédito, habitualmente conocidas como credit s coring, consideran inform ación s obre las características del prestatario y otras variables relevantes a efectos de estimar la futura morosidad del prestatario. Di chas té cnicas, que se aplicaron desd e la dé cada de 1960 en las inst ituciones bancarias, generaron posteriormente una líne a de investigac ión en el ámbito de las instituciones de microfinanzas, a partir del tra b ajo de Viganò (1993). La base de datos objeto de estudio corre sponde al Programa d e Fortalecimiento de Emprendimientos P roductivos (PFEP) del Ministerio de Desarrollo Social (MIDES), que otorga microcréditos en Uruguay a micro y pequeños emprendimientos productivos con un alto nivel de vulnerabilidad económica. En parti cular, se trata de una institución de mi crofinanzas de carácter gubernamental y con un fin estrictamente social, que corresponde al primer paradigma de las microfinanzas (Robins on, 2001). Esta base de microcré ditos no ha sido incluida en investigaciones anteriores y está constit uida por 1,357 microcré ditos concedidos entre julio de 2012 y diciembre de 2016 y amortizados hasta fe brero de 2017. Desde el punto de vista metodológico, se aplican criterios altern ativos para medir la morosidad y se uti lizan variables independientes relacionadas con el microcré dito, el de ud or y su negocio, a sí como variables macroeconómicas. En los modelos de reg resión logit y probit y los análisis de supervivencia se adopta un a doble p erspectiva a efectos de M ARÍA N ELA S EIJAS G IMÉ NEZ 16 1.3.3.1. La asociación de m ujeres autónom as: SEWA BANK (I ndia) ........................................................... 88 1.3.3.2. Banco Grameen (B langadesh) .................................. 89 1.3.3.3. Acción Internac ional (Am érica Latina) .................... 92 1.3.3.4. ShoreBank I nternational (E stados Unidos ) .............. 94 1.4. E NFOQUES OPERATIVOS EN LA GESTIÓN MICROFINANCIERA ..... 97 1.4.1. La ac tividad de las I MFs: e nfoques operativ os ..................... 98 1.4.2. Tipol ogías de I MFs ............................................................... 99 1.4.3. La prov isión de m icrocréditos: m etodologías ..................... 102 1.5. L AS MICROFINANZAS EN A MÉRICA L ATINA ............................... 106 1.5.1. Situ ación actual y per spectivas de la industria m icrof inanciera en A mérica Lat ina ..................................... 106 1.5.2. Las in stituciones de microfinanz as ur uguay as .................... 115 1.5.3. Em presas de reducida dim ensión econ ómica en Urug uay: caracteriz ación ..................................................................... 124 CAPÍTULO 2 – R IESG O DE CRÉDITO EN INST ITUCIONES DE MICROFINAN ZAS Y C RED IT SCORING .......................................... 139 2.1. I NTRODUCCIÓN ................................ ............................................. 139 2.2. E L RIESGO DE CRÉDI TO E N UNA IMF: APROXIMACIÓN CONCEPTUAL Y EVALUACIÓN ...................................................... 141 2.3. M ETODOLOG ÍA DE CREDI T SCORING EN MICROFINANZAS : TÉCNICAS ESTADÍSTICAS .............................................................. 148 2.3.1. Técni cas param étricas de credit scor ing ............................. 155 2.3.1.1. Modelo lineal de p robabilid ad ................................ 156 2.3.1.2. Análisis discrim inante m últiple .............................. 158 2.3.1.3. Modelos logit .......................................................... 160 Í NDICE A NALÍTICO 17 2.3.1.4. Modelos probit ........................................................ 162 2.3.1.5. Modelos tobit .......................................................... 164 2.3.1.6. Modelos param étricos de s upervivencia ................. 165 2.3.2. Técni cas no param étricas d e credit scorin g ......................... 168 2.3.2.1. Redes neuronales ..................................................... 168 2.3.2.2. Modelos SVM ......................................................... 171 2.3.2.3. Modelos no param étricos de superviv encia ............ 172 2.3.2.4. Árboles de clasifi cación y reg resión ....................... 173 2.3.2.5. Programación g enética ............................................ 174 2.3.2.6. Mét odos d e suaviz ado no param étrico .................... 175 2.3.2.7. Programación m atemática ....................................... 176 2.3.2.8. Modelos híbridos ..................................................... 176 2.3.3. Técni cas param étri cas y no paramétr icas de credit scori ng : un resum en ................................................................ ........... 177 2.3.4. Criter ios de evalu ación de herram ientas estadís ticas de credit scoring ....................................................................... 182 CAPÍTULO 3 – EL C RE DIT SCORING EN INS TITUCIONES DE MICROFINAN ZAS: RE VISIÓN DE LA LITERAT URA .................... 189 3.1. I NTRODUCCIÓN ............................................................................. 191 3.2. C REDIT SCORING EN IMF S : RIESGO A PREDECI R Y METODOLOGÍA .............................................................................. 194 3.3. D ETERMINANTES DEL RIESGO DE CRÉDITO EN IMF S ................ 202 3.4. IMF S Y MICROCRÉDITOS ORIENTADO S A LA EM PRES A : REVISIÓN DE LA LITERATURA ...................................................... 210 3.4.1. Aplicació n de una sola herr amienta de credi t scoring ......... 210 3.4.2. Aplicació n de varias herram ientas de credit scoring ............ 250 M ARÍA N ELA S EIJAS G IMÉ NEZ 18 CAPÍTULO 4 – MUESTR EO Y ANÁL ISIS DESCRIPTIV O .............. 275 4.1. I NTRODUCCIÓN ................................ ............................................. 275 4.2. P ROGRAMA DE F ORTALECI M IENTO A E MPRENDIMIENTOS P RODUCTIVO S EN U RUGUAY ....................................................... 276 4.3. M UESTRA ...................................................................................... 284 4.4. V ARIABLES : DEFINICIÓN .............................................................. 287 4.4.1. Va riables depend ientes ........................................................ 287 4.4.2. Va riables independi entes ..................................................... 289 4.5. E STUDIO ESTADÍSTICO - DESCRIPTIVO ......................................... 291 4.5.1. Va riables depend ientes: la m orosidad ................................. 291 4.5.2. Va riables independi entes ..................................................... 294 4.5.2.1. Características de l microcré dito ............................. 294 4.5.2.2. Características re lativas a l os anteceden tes de pago del emprend edor ..................................................... 306 4.5.2.3. Características soc iodemográficas de l emprendedor ........................................................... 313 4.5.2.4. Características de l entorno macroeconóm ico ......... 328 4.6. A NALISIS DE CORRELAC I ONES .................................................... 336 4.7. A NÁLISIS DE DIFERENCIA DE M EDIAS ......................................... 350 4.8. M APEO DE LAS POTENCIALES RELACIONES ENTRE MOROSIDAD Y VARIABLES INDEPENDIENTES : C ONC L USIONES . 358 CAPÍTULO 5 - R IESG O DE CRÉDITO EN UNA INST ITUCIÓN DE MICROFINAN ZAS U RUGUAYA: ANÁ LISIS ECONOMÉT RICO CON MODE LOS BINAR IOS ................................................................. 365 5.1. I NTRODUCCIÓN ................................ ............................................. 365 5.2. M ETODOLOG ÍA ............................................................................. 366 Í NDICE A NALÍTICO 19 5.2.1. Varia bles e hipótes is ............................................................ 367 5.2.2. Espec ificación de l modelo ................................................... 374 5.3. A NÁLISIS UNIVAR I ANTE ................................................................ 375 5.4. A NÁLISIS MULTIV ARIANTE ............................................................ 382 5.4.1. Persp ectiva expli cativa ......................................................... 382 5.4.2. Persp ectiva predict iva .......................................................... 397 5.5. C ONCLUSIO NES ............................................................................. 405 CAPÍTULO 6: TIE MPO HASTA EL INCU MPLIMIENT O EN UNA INSTITUC IÓN DE MICROFINAN ZA S URUGUAYA: AN ÁLISIS DE SUPERVIVE NCIA ................................................................ ............. 409 6.1. I NTRODUCCIÓN ............................................................................. 409 6.2. M ETODOLOG ÍA ............................................................................. 410 6.2.1. Varia ble “tiem po” hasta el i ncumplim iento ......................... 410 6.2.2. Espec ificación de l modelo ................................................... 412 6.3. A NÁLISIS UNIVAR I ANTE ................................................................ 413 6.4. A NALISIS MULTIVARIA NT E ........................................................... 419 6.4.1. Persp ectiva expli cativa ......................................................... 419 6.4.2. Persp ectiva predict iva .......................................................... 426 6.4.2.1. Esti mació n del hazard rate ...................................... 426 6.4.2.2. Aj ustes po r reducció n de variable s .......................... 430 6.4.2.3. Calibración del ajuste .............................................. 435 6.5. C ONCLUSIO NES ............................................................................. 438 M ARÍA N ELA S EIJAS G IMÉ NEZ 20 CAPÍTULO 7: MODEL O PREDICTIVO DE C REDIT SC ORING EN UNA INSTITUC IÓN DE MICROFINANZ AS URU GUAYA: UN ENFOQUE DE REDES NEU RONALES A RTIF ICIALES ........... 443 7.1. I NTRODUCCIÓN ................................ ............................................. 443 7.2. M ETODOLOG ÍA ............................................................................. 444 7.2.1. Variab les .............................................................................. 445 7.2.2. Especifi cación del m odelo ................................................... 446 7.3. R ESULTADOS EMPÍRICOS ................................ ............................. 448 7.4. C ONCLUSIO NES ............................................................................. 482 7.5. ANÁLISIS COMPARADO DE LAS METODOLOGÍAS D E CREDIT SCORING EMPLEADAS ................................................................... 483 CAPÍTULO 8. C ONCLU SIONES .......................................................... 493 8.1. I NTRODUCCIÓN ................................ ............................................. 493 8.2. C ONCLUSIONES Y RECOMENDACIONES ...................................... 494 8.3. P RINCIPALES APORTACIONES ...................................................... 508 8.4. L IMITACIONES Y FUTURAS LÍNEAS DE INVESTIGACIÓN ............. 510 BIBLIOGR AFIA ...................................................................................... 515 ANEX OS ................................................................................................... 539 Í NDICE DE F IGURA S 21 ÍNDICE DE F IGURAS Figura 1.1. Ev olución del volum en de crédito bruto conce dido por el sector banca rio al secto r no financiero (e n m iles de dólares estadouniden ses) (1998-2017) .............................................. 56 Figura 1.2. Tenenc ia de una cuen ta bancar ia en una insti tución financiera o de dinero m óvil por parte de la población adulta global. (%, 2017 ) ........................................................ 62 Figura 1.3. Exclusión de acceso a u na cuenta en una instituc ión financiera o de dinero m óvil por parte de la población adulta global (millones de personas, 2 017) ........................... 65 Figura 1.4. C ausas de ex clusión finan ciera en Am érica Latina (%, 2017) ..................................................................................... 66 Figura 1.5. C ausas de exclusió n financiera e n Uruguay (%, 2017) ......... 68 Figura 1.6. Microc réditos, m icrofinanzas e I MF ................................ ..... 75 Figura 1.7. Ev olución tem poral de las m icrofinanzas ............................. 80 Figura 1.8. D istribución de cl ientes act ivos de m icrofinanzas por región (%, 20 17) ................................................................... 82 Figura 1.9. D istribución de por tafolios de m icrocréditos por región (%, 2017) ..................................................................................... 83 Figura 1.10. Ranking de evaluación m icrofinanciera p or región (2013) ... 85 Figura 1.11. Principales an tecedentes de m icrof inanzas ........................... 97 Figura 1.12. Tipologías de IMFs ............................................................. 100 Figura 1.13. I MF. Met odolog ías de conc esión de micro créditos ............ 105 Figura 1.14. Evolución de c lientes y por tafolios adm inistrados po r IMFs (millones de personas, bil lones de U$S, 2010 y 2017 ) ....... 107 Figura 1.15. América Lat ina: Evaluació n Microfinanz as e Inclusió n financiera. Í ndice de corre lación (20 07, 2013, 2016 ) ......... 114 Figura 1.16. Distribución de la cartera d e las I MF uruguayas seg ún tipo de microcréd ito (%, 2014 )................................................... 123 Figura 1.17. Cartera de p réstamos de las I MFs según producto financiero ( %, 2014) ........................................................... 124 M ARÍA N ELA S EIJAS G IMÉ NEZ 22 Figura 1.18. Núm ero de MIPyMEs seg ún tipo de em presa y porcenta je en el tota l (2016).................................................................. 126 Figura 1.19. Evolución de d istribución d e emprendedo res de MI PyMEs según sexo (%, 2008, 2012, 2017) ...................................... 128 Figura 1.20. Distribución de MIPy MEs por región geog ráfica según tipo de em presa (%, 2008, 2012 y 2017) ............................. 129 Figura 1.21. Distribución de MIPy MEs por sector de ac tividad (% del total, 2012, 20 17)................................................................. 130 Figura 1.22. Momento de formalización de MIPy MEs según tipo de empresa (%, 201 2, 2017) ..................................................... 132 Figura 1.23. Acceso al crédito de MI PyMEs en el período (% por ti po de empresa, 2014- 2016) ...................................................... 134 Figura 2.1. Facto res determ inantes del riesg o de crédito seg ún Pascale (2009) .................................................................................. 143 Figura 2.2. Enfoque s en la evaluac ión del riesg o de crédito en una I MF 146 Figura 2.3. Técni cas estadístic as de credit scoring ................................ 155 Figura 2.4. Funció n de distribuc ión acum ulada: Modelos logit y probit163 Figura 2.5. Funció n de superv ivencia teóri ca ................................ ........ 167 Figura 2.6. R epresentación de una red neuronal .................................... 170 Figura 2.7. C urva COR .......................................................................... 184 Figura 4.1. A nálisis de solic itudes de fi nanciamiento pre sentadas a l PFEP. Secuen cia cronológ ica .............................................. 279 Figura 4.2. Ev olución anual de l impago seg ún criterio de m orosidad 2012- 2016 ............................................................................ 293 Figura 4.3. D istribución del im porte del m icrocrédito [importeope r ] por año de desem bolso [año_cred ] 2012- 2016 ................... 296 Figura 4.4. D istribución de m icrocréditos seg ún valor de la cuota [valorcuota ] 2012- 2016 ...................................................... 299 Figura 4.5. D istribución de m icrocréditos seg ún el porcen taje del primer subsid io sobre e l total del apoy o económ ico [porc_subs_1 ] 2012- 2016 ................................................... 304 Figura 4.6. D istribución de m icrocréditos seg ún el porcen taje del segundo sub sidio sobre el total del apoy o económ ico [porc_subs_2 ] 2012- 2016 ................................................... 305 Í NDICE DE F IGURA S 23 Figura 4.7. D ispersión entre el im porte total d el apoyo económ ico [importeapoyo ] y e l importe del m icrocrédito [importeoper ] 2012- 2016 ................................................... 306 Figura 4.8. D istribución de m icrocréditos pag os y m orosos por sex o de emprendedor [t ipo_emprendedor ] 2012- 2016 .................... 316 Figura 4.9. D istribución por f recuencia s de la edad del em prended or [edad_cred ] 2012- 2016 ...................................................... 317 Figura 4.10. Pirámide de pob lación de e mprendedores 2012- 2016 ........ 320 Fi gura 4.11. Distribución de antigüedad por año de desem bolso [año_cred ] 2012- 2016 ........................................................ 328 Figura 4.12. Evolución del I PC. 2012- 2016 ................................ ............ 330 Figura 4.13. Evolución del nivel de sa larios rea l de l a econom ía. 2012- 2016 ..................................................................................... 331 Figura 4.14. Evolución de t asas m edías de interés par a préstam os a m icroempresas. 2012-2016 ................................ ................. 333 Figura 4.15. Evolución del nivel de em pleo de la eco nom ía. 2012 -2016 334 Figura 4.16. Variación anual tarifas luz y agua. 2012-2016 .................... 335 Figura 4.17. Evolución del PBI trim estral. 2012- 2016 ............................ 336 Figura 5.1. I mpacto de variab les independie ntes por g rupo de variable s explicativas. Modelos logit ................................................. 396 Figura 5.2. Sensi bilidad y Espec ificidad seg ún definición de m orosidad. Modelos logit ................................................... 397 Figura 5.3. D eter m inación de núm ero óptimo de v ariables................... 399 Figura 6.1. D istribución del núm ero de préstam os impag ados según el porcentaje rec uperado del im porte prestado por la I MF ..... 414 Figura 6.2. Ev olución del porc entaje de pré stamos que no r egistraron impag os en relación al po rcentaje recu perado del importe prestado ............................................................................... 416 Figura 6.3. Tasa instantánea de impag o en f unció n del porcen taje recuperado de l im porte del préstam o .................................. 418 Figura 6.4. Estim ación de densidad Kernel. Mod elo de reg resión lineal419 Figura 6.5. C omparación del área deba jo de la curva (ROC ) entre distintas pena lizaciones ....................................................... 431 Figura 6.6. Á rea debajo de la c urva (RO C) considerando di stintos valores de r ecuperación ....................................................... 434 M ARÍA N ELA S EIJAS G IMÉ NEZ 24 Figura 6.7. Probab ilidad de recu peraci ón del microcrédi to según clasificación de préstam os en grupos d e bajo, m edio y alto riesgo ................................................................................... 436 Figura 6.8. N omograma del m odelo de COX penaliz ado mediante AENET ................................................................................ 438 Figura 7.1. Sensi bilidad y Espec ificidad. [ cuotamas3 0 ] ....................... 452 Figura 7.2. I mportancia de las v ariables. [ cuotamas 30 ] ........................ 454 Figura 7.3. Sensi bilidad y Espec ificidad [ promediomas 30 ] .................. 458 Figura 7.4. I mportancia de las v ariables. [ promedioma s30 ] ................. 460 Figura 7.5. Sensi bilidad y Espec ificidad [ promediomas 0 ] .................... 464 Figura 7.6. I mportancia de las v ariables [ promedioma s0 ] .................... 466 Figura 7.7. Sensi bilidad y Espec ificidad [ mitad_o_me nos] .................. 470 Figura 7.8. I mportancia de las v ariables [ mitad_o_m enos ] ................... 472 Figura 7.9. Sensi bilidad y Espec ificidad [ primeracuot aonada ] ............ 476 Figura 7.10. Importancia d e las variable s [primeracuo taonada] ............ 478 Í NDICE DE T ABLA S 25 ÍNDICE DE TA BLAS Tabla 1. Relación ent re objetivos, m etodolog ía y estructu ra de la investig ación ......................................................................... 47 Tabla 1.1. I ndicadores de inclusión fin anciera (%, 2014, 2015) ............ 63 Tabla 1.2. Ranking de países latinoameri canos según índi ce de evaluación d e microfinanza s e inclusión f inanciera (20 07, 2013, 2016 y 2018) ............................................................. 112 Tabla 1.3. I nstit uciones de m icrofinan zas uruguay as .......................... 119 Tabla 1.4. Requisitos legales en Urug uay para la categorizació n empresarial de las MI PyMEs .............................................. 125 Tabla 1.5. Momento de formalizac ión de MI PyMEs (% del total, 2012, 2017) ......................................................................... 131 Tabla 2.1. Técnicas param étricas de credi t scoring: sum ario .............. 178 Tabla 2.2. Técnicas no pa ramétricas de credit scoring : sumario ......... 180 Tabla 2.3. Tabla de confu sión .............................................................. 183 Tabla 2.4. Criterios de ev aluación de c redit scoring . Util ización en la literatura re levada ................................................................ 187 Tabla 3.1. Resum en de la literatura so bre cred it scoring en m icrof inanzas: riesgo a pre decir y m etodología ................. 198 Tabla 3.2. Resum en de la literatura so bre cred it scoring en m icrof inanzas: número y tipo de variables ......................... 205 Tabla 3.3. Determinan tes del riesgo d e crédito en Viganò (1993) ....... 212 Tabla 3.4. Determinan tes del riesgo d e crédito en Sharm a y Z eller (1997) .................................................................................. 214 Tabla 3.5. Determinan tes del riesgo d e crédito en Zeller (1998) ......... 216 Tabla 3.6. Determinan tes del riesgo d e crédito en Reinke (1998 ) ....... 217 Tabla 3.7. Determinan tes del riesgo d e crédito en Schreiner (200 4a, 2004b, 2003, 1999 a, 1999b ) ................................................ 219 Tabla 3.8. Determinan tes del riesgo d e crédito en Vogelgesang (2003)220 Tabla 3.9. Determinan tes del riesgo d e crédito en Dellien y Schreiner (2005) y Dellien (2003) ....................................................... 223 Tabla 3.10. Determinantes del riesgo d e crédito en Pag ura (2004) ....... 225 Í NDICE DE N OMENCLATURA S 33 ÍNDICE DE NOMENCLATURAS AFI. Alliance for Financial Inclusion. Alianza para la Inclusión Financ i era AFT. Acce l erated Failure Time Model. Modelo de tiempo acelerado de fallos AL C. América L atina y el Caribe ANDC . Associaçã o Nacional de Direito ao Crédito. Asociación Nacional para el Derecho al Crédito ANDE . Agencia Nacional de De s arrollo ASA. Association for Soc ial Advancement AUC . Area Under the Curve. Area bajo la curva COR BCU. Banco Central del Uruguay BID. Banc o Interamericano de Desarrollo BM . Banc o Mundi al BRAC. Blanga d esh Rural Advancement Committee BROU. B anco de la República Oriental del Urugua y BS . Brier Score. I n dice de Brier CAIF. Centros de Atenc ión a l a Infancia y la Familia CART. Classification and Regre s sion Trees. Arboles de clasificación y re gresión CCR . Correct Classifica tion Ra te. Porcentaje general de aciertos CEPAL. Comisión Económica para América Latina y el Caribe CEPALSTAT. Bases de Datos y Publicaciones Estadísticas (CEP AL) CFA. Chartere d Financial Analy st. Analista finan ciero certificado M ARÍA N ELA S EIJAS G IMÉ NEZ 34 CFI. Corporac ión Financiera Internac ional CGAP. Consultative Group to Assist the Poor. Grupo Consultivo de Ayuda a la Población Pobre CII U . Clasificación Industrial Internacional Uniforme CINT EPA. Cooperativa de Ahorro y Crédito INTEPA CMAC. Caja Municipal de Ahorro y Cré dito (Pe rú) CNCA. Caisse Nationale de Credit Agricole. COMAC. Cooperativa Mae stros de Ahorro y Crédito COR. Receiver Operating Characteristics. Caracter ístic as operativas de l rec eptor CREDIREF . Sistema de evaluac ión crediticia (Guatemala) DINAPYME. Dirección Nacional de Artesanías, Pequeñas y Medianas Empre s as DI PRODE. Direcc ión d e Pro y ectos de Desarrollo ECH. Encuesta Continua de Hogares EDPYME. Entidad de Desarrollo de la Pequeña y Mediana Empresa (Perú) EFHU. Encuesta Financiera de l os Hogares Uruguayos EIU. Economist Intellige nce U nit. Unidad de Inteligenc i a de la publicac ión Th e Economist EMC. Expected misclassification cost. Costo espera do por errores en la clasificación e-MFP. Eur opean Microfinance Platform. Plataforma Europea de Microfinanzas FDIC. Federa l Deposit Insurance Corpora tion. Corporación Federal de Seg u ros de Depósitos FEDU. Fundac ión E cuménica de Desarrollo del Uruguay FIL. Fondo de Iniciativas Locales (MIDE S) Í NDICE DE N OMENCLATURA S 35 FINCA. Foundation for Interna tio nal Communit y Assistance. Fundac ión p ara la Asistencia Comunitaria Internacional FINTECH. Financ ial Technolo gy. Empresas que aplican tecnolog í a a los servicios financieros FN. Falso negativo FNCE. Fédération nationa le des Caisses d'Epargne. Federac ión Nacional d e Cajas de Ahorro FOCEM. Fondo para la Convergencia Estructural del MERCOSUR FOMIN. Fondo Multilateral de I nversiones. Mult ilateral Investment Fund FP. Falso positivo FUAM. Fundac ión U ruguaya de Apoyo a la Mujer FUCAC. Federac ión Uru guaya de Cooperativas de Ahorro y Credito IMF. Institución de Microfinanzas IMS. Índice Medio de Salarios INE. Instituto Nacional de Estadística INEI. Instituto Nacional de Estadística e Informática IPC. Índice de Precios del Consumo IPRU. Instituto de Promoción Económico-Social del Uruguay IVA. Impuesto al Valor Agregado MCO. Mínimos Cuadrados Ordinarios MCP. Mínimos Cuadrados Pondera dos MEF. Ministerio de Economía y Fin anzas MERCOSUR. Merca do Común del Sur M ARÍA N ELA S EIJAS G IMÉ NEZ 36 MGAP. Ministerio de Gana dería y Pesc a MIDES. Ministerio de Desarrollo Social MIEM. Ministerio de I ndustria, Energía y Minería MIPyMEs. Micro, pequeñas y medianas empre sas MIX . Microfinance Information Exchange . Plataforma de intercambio de infor m ación sobre microfinanzas MTSS. Ministerio de Traba jo y Seguridad Social MyPES. Micro y pequeñ as empresas NBC. Ex Nuevo Banco Comercial OIF. Observa torio d e Inclusión Financiera de la Universidad de la Re públ ica ONG . Organización No Gubernamental OPP. Oficina de Planeamiento y P resupuesto OSC. Organización de Socie da d Civil OSE. Obras Sanitaria s del Esta do P2P. Peer- to - peer lending. Préstamos entre pares PANES. Plan de Asistencia N acio nal a la Emergencia Social PBI. Producto Bruto I nterno PEA. Población Económicamente Activa PFEP. Programa de Fortalecimiento a Emprendimientos Productivos (MIDES) PFM. Paquete de Fomento de Microfinanzas (ANDE) PIP. Programa de Inversión Productiva (MTSS) PMAP. Programa de Microfinanz as y Ar ticulación Productiva (DI PRODE/OP P) POP. Proyecto de O p ción Productiva (MIDE S) POS. Point of Sale. Red de terminales de puntos de venta Í NDICE DE N OMENCLATURA S 37 PRODEM. Fundación para Promoción y e l Desarrollo de la Microempresa PYMEs. Pequeñas y mediana s em presas RDRS. Rangpur Dinajpur Rural Service RMSA. República Microfinanzas S.A. ROSCAS. Asociaciones de ahorro y créditos rotativos RPAE. Registro Per manente de Actividades Económicas (INE) SEWA. Self-Employ ed Women's Association SNPV. Social Net Present Va lu e. Valor Presente Neto Social SVM. Support Vector Machine. Máquinas de soporte vectorial TEL CO. TELephone Company. Proveedor local de servicios de telefonía U. I. Unidad Indexada a la Inflación UFA2020. Universal F in ancial Access 2020. Acceso financiero universal 2020 UTE. Administración Nacional de Usinas y Tra smisione s Eléctrica s VN . Verdadero negativo VO . Village Organizations. Organizaciones vecinales VP . Verdadero positivo WoE. Weight of Evidence. Ponderac ión d e la evidencia IN TRO DUCCIÓN 1. ANTECEDENTES Y JUSTIFICACIÓN DE L INTERÉS DE L A INVESTIGA C IÓN 2. OBJETIVOS 3. METODOLOGÍA 4. ESTRUCTURA I NTRODUCCIÓN 41 INTRODUCCIÓN 1. A NTECEDENTES Y J USTIFICACIÓN DEL I NTERÉS DE LA INVEST IGACIÓN Uruguay es un país s ituado en América del Sur, con una superficie de 176,215 km², distribuida en 19 d epartamentos, cuya capital es Montevideo. Según datos del I nsti tuto Nacional de Estadística (I NE), en 2017 tenía una poblac ión de 3,493,205 habitantes que presentaba una esperanza de vid a al n acer de 77.55 años (INE, 2018a, 2018b ). En 2017, su Producto Bruto Interno (P BI) per Cápita era de U$S 16,245.60 (Banco M undial, 2019) y es considerado por el P rograma de Naciones Unidas para el Desarrollo (PNUD) como un país de desarrollo humano mu y alto, encontrándose en el lugar 55 del ranking global del Indica dor d e Desarrollo Humano (IDH) a 2017 (PNUD, 2018). Según da tos d el INE a 2016, las micro y pequeñas empresas (MyPEs) r epresentan el 96.64% del total de empresa s formales en Uruguay, ocup ando el 46.30% de la fu erza laboral del sector privado (INE, 2017 ). Este tipo de empresas representa en consecuencia uno de los pilares de la economía uruguaya y sin embargo enfrenta numerosas dificultades, en particular en lo referente a las res tricciones crediticias (Melgar, 2000; De León et al. , 2012). La Dirección Nacional de Artesanías, Pequeñas y Medianas Empresas (D INA MYPE) analiza las dificultades de acceso a l crédito de las empresas uruguayas, ve rificando que a menor tamaño de empresa, ma yor es la dif icultad de acceso al crédito. La edición 2017 de la Encuesta Nacional a MI PyMEs (Micro, pequeñas y medianas empresas) Industriales, Comerciales y de Servicios establece que un 83% de las MIPyMEs n o obtuvo crédito bancario en el período 2014 - 2016, mientras qu e el 73% de no accedió a nin gún crédito formal – M ARÍA N ELA S EIJAS G IMÉ NEZ 48 4. E STRUCTURA Lueg o de la introducción, e ste documento consta de ocho capítulos, cuy os obj etivos y contenido se resumen a continuación. En el Capítulo 1 se define el concepto de inclu sión financier a, haciendo especial hincapié en la caracterización de los microcréditos y las microfinanzas. S e analizan asimism o las principales tipologías de las I M Fs, desde los programas de microcréditos sub sidiados y con exclusiva mentalidad soc ial hasta las instit uciones con ánimo d e lucro y sostenibles financieramente, presentando dat os ilustrativos de su actividad a nivel global, regional y local. Además, se caracterizan a las MyPEs como principales rece p toras de los mi crocréditos concedidos por las IMFs, delimitando las nuevas condiciones del me rcado de crédito disponibles para estas empresas en función de las disposiciones de la le y No. 19.210, conocida co mo ley de inclusión financiera, en Uruguay . El objetivo del Capítulo 2 es definir el ries go de crédito y describir las técnicas estadísticas de credit scoring en el contex to de la literatura académica previa, haciendo especial referencia a aquellas investigac ion es focalizadas en el ámbito de la s I MFs. Se abordan asimismo las ventajas, desventajas y li mitaciones en la confección de un modelo de credit scoring para IMFs. En el Capítulo 3 se analizan los trabajos académicos cu yo fo co de investigac ión es el estudio de las técnicas de credit sc oring en la actividad de microcréditos a micro, pequeños y m edianos emprendimientos por parte de I MFs. El Capítulo 4 está de stinado a realizar un estudio de tipo descriptivo de las pri ncipales características de la cartera d e microcré ditos concedidos a micro y pequeños em prendedores uruguayos en situación de vulnerabilidad e conómica en el m arco del PFEP. I NTRODUCCIÓN 49 En los Capítulos 5, 6 y 7 se presenta el desa rrollo de los modelos empíricos. En todos ellos se evalúa el riesgo crediticio de una IMF uruguaya utilizando una muestra de 1 ,357 microcré ditos otorgados a MyPEs durante el período comprendido entre julio de 2012 y diciembre de 2016 y am ortizados hasta febrero d e 2017 . En concreto, en el Capítulo 5 se utiliza como estrategia metodológica la estimación de modelos probit y logit. Ambos modelos se est iman en base a una perspec tiva explicativa y predictiva. Por su parte, en el Capítulo 6 se desarrolla una h erra mient a para explicar y predecir el por centaje d e cumplimiento en la devolución d e microcré ditos concedidos a tr avés d e la estimaci ón de un modelo de supervivencia. En con creto, la metodología utilizada es el mod elo de Cox, realizando en primer lugar un análisis de tipo ex plicativo de las caracter ísticas del impago, seguido de un modelo predictivo, utilizando un modelo de Cox penalizado, que considera cuatro modalidades alternativas de pe nalización, con una validación cruzada. En e l Capítulo 7 se realiza un análisis de rede s neuronales artificiales a efe ctos de identificar variables indicativas de emprendedores que puedan entra r en im pago y, a su vez, utilizar dichas características para discriminar entre d eudores con ries go de crédito positivo y negativo. Finalmente, e n el Capítulo 8 se e xponen las conclusiones del trabajo, centradas fundamentalmente en identificar los factores explicativos y predictiv os del riesgo de cré dit o en la carte ra de microcré ditos objeto de estudio. A partir de dichas conclusiones, se establece n las p rincipales recomendaciones y acciones de políti ca de cara a aumentar tanto la sost enibilidad financiera de las IMFs, como mejorar el acceso a lo s mi crocréditos de las MyPEs de m a yor vulnerabilidad económica y social, promoviendo así sus niveles de inclusión financiera. Por último , se señalan las lim itaciones del trabajo y las acciones de investi gación futura. CAPÍTULO 1: LA INCLUSIÓN FINANCIERA Y LAS MICROFINANZAS 1.1. INTRODUCCIÓN 1.2. INCL US IÓN Y EXCLUSIÓN F INANCIERA: DELIMITA C IÓN CONCEPTUAL Y MEDICIÓN 1.3. MICROFINA NZAS: M ICROCRÉDITO S E INSTI TUC IONES DE MI CRO FINANZAS 1.4. ENFOQUES OPERATIVOS EN LA GESTIÓN MICROFINA NC IERA 1.5. LAS MICROFINA NZA S EN AMÉR I CA LATINA C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 53 CAP ÍTULO 1 – LA INCLUSIÓN FINANCIERA Y LAS MICROFINANZAS 1.1.I NTRODUCCIÓN Según el Banco Mundi al (2014), la inclusión financiera se d efine como la propo rción de individuos y empresas que usa n servicios financier os -servicios de crédito, aho rro, p agos y seguros, entr e otros - lo que es relevante para el desarrollo y la reducción d e la pobreza. En este sentido, de acuerdo con el Banc o Interamerica no de Desarrollo (BID), uno de los beneficios de la in clusión fina nciera es su contribución a la reducción de la vulnerabilidad de los hogares y emprendimientos de menores ingresos, y a que proporciona instrumentos que permiten limitar la variabilid ad de l consumo y ge stiona r los choques adversos de manera más eficiente, así como incrementar sus a ctivos ( De Olloqui et al ., 2015). En la edi ción 2017 de la encue sta Global F index de inclusión fin anciera lanzada por el Banc o Mundial, se reporta que 1,700 millones de personas en edad de trabajar no tienen acceso a una cuenta en una inst itución bancaria, con lo que se consideran financieramente excluidos ( Demirgüç-Kunt et al ., 2018). En 2015, el citado orga nismo lanzó la iniciativa de lograr el acceso univer sal a servicios financieros para fina les de 2020 ( Universal Financial Acc ess , UFA2020) , promoviendo la inclusión financiera global. Uno de los instrument os de la inclusión financiera son los mi crocré ditos, es decir, préstamos de monto reducido que permiten acercar el financiamiento a los emprendimientos de menores niveles de ingresos, en general excluidos del sistema financiero tradicional, fortalec i endo su d esarrollo económico y social. A nivel global, los microcré ditos son considerados instrumentos que im pulsan el ritmo de la inclusión financiera (De Olloqui et al ., 2015) y su importancia fue reconoc id a por la As amblea Gen eral de Naciones Unidas, que declaró a 2005 como Año Internacional del Mi crocrédito, difundiendo el rol M ARÍA N ELA S EIJAS G IMÉ NEZ 54 de este inst rumento en la erradicación de la pobreza. L os microcré ditos forman parte de un concepto más amplio, las microfinanzas, que s e r efieren a la provisión de servicios financieros a los emprendimientos de mayor vulnerabilidad económica, comprendiendo el otorgamiento de microcréditos, así como pro gramas de mi croahorro, micros eguros, hipote cas y remesas, entre otros. Estos servicios son provistos por I nstituciones de Microfinanzas ( I MFs), que ofrecen asimismo capacitación y asesoría para el desarrollo de micro y pequeños emprendimient os y , eventualmente, servicios sociales, como alfabetización y cuidado de la salud (Robinson, 2001; Ledgerwood, 1999). A nivel global, s e reconoce a Muhamma d Yunus y al Banco Gramee n como los pioneros de las microfinanzas, quienes recibieron en 2006 el Premio Nobel de la Paz, en forma compartida, por sus esfuerzos para reducir la pobreza a nivel mundial y fomentar la inclusión financiera. Así , los conceptos de mi crofinanzas e in clusión financiera están íntimamente ligados, dado que los productos y servicios financieros oto rgados por las IMFs d esempeñan un p apel fundamental pa ra promover el acceso y la inclu sión financiera total (Ba n co Mundial, 2017). En 1991, la le y No. 16 .201 del gobierno urug ua y o declaró d e interés nacional la promoción, desarrollo y tecnif icación de las micro, pequeñas y medianas empresas (MIP y MEs) con el objetivo de fomentar su descentraliz ación geográfica, e l aumento de la productividad de sus recursos y la generación de em pleos en todo el país. Según datos del Instituto Nacional de Estadíst ica (INE, 2017) para el año 2016 1 , las MIP yMEs representan en forma acumulada el 99.53% % del tejido productivo (174,771 empresas), ocup ando a su vez al 67.41% de la fue rza laboral del sector privado (616,193 personas). Si extraemos de las M IP y MEs a las medianas empresas, INE (2017 ) reporta un t otal de 169,700 micro y pequeñas empr esas (MyPEs) (96.64%), ocupando mano de obra por un equivalente a 1 Estos d atos se refieren únicamente a las e mpresas que desarro llan su actividad en un contexto form al (estar in scriptos en lo s organismos fisca les y de previsión social y al día con el pago de impuestos nacionales y de tri buto s corr espondientes), lo q ue indica su carácter no exhaustivo, d ado el importante nivel de inform alidad d e los emprendimientos en Uruguay (Dirección Nacional de Artes anía s, Pequeñas y Medianas Em presa s, DINAPYME, 2009 b ). C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 55 423,204 persona s en 2016 (46.30 %). P or tanto , estas empresas son unidades económica s de gran importancia en Uruguay , tanto por su contribución a la actividad económica como por el empleo que ge n eran (Melgar, 2000). Tradicionalmente, las em presas de reducida dimen sión económica uruguayas -que corresponden básicamente a las MyPEs en Uruguay- se autofinanciaban o recibían aportaciones de su círculo de familiares o amistades para d esarrollar su actividad, recurriendo al financiamiento fo rmal b ancario en mu y pocos casos. Asimismo, de acuerdo con Caumont (2010), era habitual el fina nciamiento a tr avés de proveedores y e mpresas no financi eras, est o es, empresas d e distribución de bienes o prestac ión de servicios que financian sus ventas directamente a l os clientes. Según la edición 2017 de la Encuesta Nacional a MI P yMEs Industriales, Comerciales y de Servicios (DINAPYME, 2018), un 83% de estas empresas no obtuvo crédito bancario en el pe ríodo 2014 -2016, mi entras que el 73% d e las MIPyMEs no accedió a ningún crédito form al – bancario o no bancario- en el citado período. La referida encuesta también proporciona información sobre los principales motivos de rechazo, señalando la falta de in gresos o vent as (17%), la reducida antigüedad de las M I P y MEs (9%) y la carencia de documen tos o certificados ya caducados (9%), lo que obstaculizaba su acceso al crédito, limitando su crec imiento y desarrollo sostenible. En definitiva, según el Ministerio de Economía y Finanzas uruguayo (MEF, 2016) , Uru guay se caracter iz aba por una baja inclusión financiera en todas sus dimensione s bá sicas, esto es, reducida p rofundidad fi nanciera 2 , baja cobertura de los servic ios financier os y es casa intensidad en el uso de los servicios financieros. Siguiendo a la crisis e conómico -financiera que afectó al país en 2002 y que p rovocó la c aída de im portantes inst ituciones financieras locales, en el año 2003 se contabilizó la desap arición de 55.5 mil microempresa s en Urugua y , lo cual incidió negativamente sobr e los 2 El n ivel de profundidad financiera de un país ref iere al grado de utilización de servicios financieros por parte de su población, m edido a través del nivel de créditos o colocaciones en el sistema financiero. Kin g y Le vine (1993) demostraron que la profundidad financiera tien e una relación positiva con el crecim iento econó mico. M ARÍA N ELA S EIJAS G IMÉ NEZ 56 niveles de empleo e inclusi ón social (Caumont, 2010). En los años posteriores a la crisis de 2002, las instituciones bancarias uru gua y as paulatinamente se enfocaron en la reconstitución de sus patrimonios y en la recuperación de su s créditos. Asimismo, el impacto de la crisis sobre la reducción del nivel de cré ditos bancarios a emp resas y familias (sector no financiero) fu e muy si gnificativo y dil atado en el tiempo (Figura 1.1). En un contexto caracterizado por una ma y or aversión al riesgo a raíz de la crisis, esta situación deprimió aún más el mercado de crédito disp onible a M yPEs, quienes ex perimentaron en mayor medida la exclusión financiera que las empresas de mayor tamaño. Figura 1.1 Ev olución del v olumen de crédi to bruto concedi do por el se ctor bancario al sector no fin anciero (en m iles de dólar es estadoun idenses) (1998 - 2017) Fuente: elabor ación prop ia en base a B anco Central del Ur ugua y (B CU) En Uru guay , la le y No. 19.210 introdujo normas que impulsan la inclusión financiera y el uso de medios de pago electrónicos para las C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 57 MyPEs. Así, desde o ctubre de 2015 estas empresas tie nen el derecho de acceder a una cuenta banca ria en cualquier institución de intermediación financiera en forma g ratuita, con requerimientos simplificados de apertura, reduciéndose asimismo el costo financiero de los préstamos que s e concedan a estas empre s as y facilitando sus condiciones de acceso a l crédito, entre otros beneficios. En este contexto, cabe destacar que una de las fuente s de financiamiento disponibles para las MyPEs, incluso durante la crisis financiera uruguaya, era la provisión de microcréditos por parte de IMFs, lo que ha resultado clave para ase gurar la sostenibil idad de los emprendimientos de mayor vulnera bilidad econó mica. En Urug ua y se encuentran disponibles diver sas fuentes de financiamiento a travé s de micro créditos a micro y pequeños em prendimientos – tanto formales como no formales – , al gunas vinculadas al sector priv ado y otras al sector público, bajo la forma de IMF con fines de lucro o bien con una exclusiva mentalidad social, esto es, careciendo d e ánimo de lucro. Estas diferentes tip ologí as de IMFs son consistentes con la evolución temporal de las mi crofinanzas a nivel global, caracterizadas por Robinson (2001), quien establece el cambio de paradigma de las IMF s d esde instrumentos de intervención social para combatir la pobreza, sin f ines de lucro y dependientes de subsidios, hacia un a perspectiva de sistemas fin ancieros en qu e las IMFs continúan proporcionando servicios financieros a los individuos y empresas de ma yor vulnerabilidad e conómica con un criterio de sustentabilidad financiera, esto es, convi rtiendo a las microfinanzas en una actividad lucrativa. En este contexto , considerando la posibilidad de acceso de las MyPEs uru guay as a nu evas fuentes d e se rvicios financieros bancarios de acuerdo a la le y No. 19.210, lo que aumenta l a competencia en el mercado de crédito disponible a estas empresas y promu eve su inclusión financiera , resulta de interés reflexionar sobre las condiciones de sostenibi lidad financiera en que s e insertan las IMFs, considerando especialmente aquellas de ex clu siva mentalidad social. De este modo, el objetivo del pr esente capítulo es exponer el alcance conceptual d e la inc lusión financiera, caracterizando a los microcré ditos, y por extensión a las microfinanzas, como instrumentos M ARÍA N ELA S EIJAS G IMÉ NEZ 64 Así como la inclusión financiera se evalúa desde diferentes dimensiones, la exclusión financ iera también se mide de formas diferentes. Una de las medidas más difundidas es la falta de acceso de individuos o empresas a una cuenta bancaria en una institución financiera formal. En este punto, Ardic et al . (2013) y Ledgerwood et al . (2013) establecen que a nivel global la mitad d e la población adulta no dispone de una cuenta en una institución bancaria. Demirgüç-Kunt et al . (2018) cuantifican en 1,700 millones de p ersonas en edad de trabajar aquella parte de la población que no tenían acceso a los servicios financieros provistos por instituciones financiera s reguladas en 2017. La Figura 1. 3 muestra la distribución de la ex clusión financiera a nivel global, expli citando el porcentaje de la población que no tiene acceso a una cuenta, sea en una institución financiera o de dinero móvil, en base a la Encuesta Global Findex , edición 2017. La s personas financieramente excluidas se localiz an ma y ormente en países en desarrollo, y aproxim adamente el 50% de estas viv en en Bangladesh, China, India, Indonesia, México, Nigeria o Pakistán. A efec tos de profundiz ar so bre las características de los no banca rizados, Demirg üç-Kunt et al . (2 018) exponen que el 56% de los mismos son mujeres y que l a mitad de la población no bancarizada pe rtenece al 40% de los hogare s más pobres, indi cando la ma yor representatividad de los pobres dentro de los excluidos financier amente. C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 65 Figura 1.3. Exc lusión de a cceso a una cue nta en una i nstitución financiera o de dinero m óvil por parte de la pobl ación adulta g lobal (m illones de personas, 2017 ) Fuente: Demirgüç-Kunt et al. (2018) En un informe del B ID sobre inclusión financiera en América La tina y el Caribe, De Olloqui et al . (2015) reportan que 185 millones de personas en la región no tienen ac ceso a servicios financieros formales. En particul ar, la citada organiz ación establece que el a cceso a los servicios financieros formales de los hoga res más pobres en la región está por d ebajo del promedio mundial d e las economías en desarrollo (48%), lo qu e indi ca la heterogeneidad en los niveles de inclusión financiera según niveles de pobreza, especialmente considerando las z onas rurales. Otra d e las dime nsiones de la desigua ld ad de la ex clusión financiera s e ref iere al gé n ero. L a Encuesta Global Findex a 2017 muestra qu e en América Latina y el Caribe exist en disparid ades en el acceso a una cuenta en una institución financ iera o de dinero móvil e ntre hombres y mujeres. Mientras en 2011 e l 44% de la población adult a masculina accedía a una cuenta, dicho por centaje se ubicaba en el 35% para la población femenina latinoamericana. S i bien este último porcentaje creció a 49% y 51 %, respectivamente para 2014 y 2017, la brecha con los niveles de M ARÍA N ELA S EIJAS G IMÉ NEZ 66 acceso de la población masculina se mantuvo, registrando porcentajes de 54% y 58%, respec tiv amente, para ambos a ños considerados. En relación a las c ausas de la exclusión financiera en América La tina, la Encu esta Gl obal Findex para 2017 indica las c ausas mencionadas por los encuestados sin acceso a un a cuenta ( Fi gura 1.4 ). Así, la causa indicada por ma y or núme ro de personas fue la falta de dinero suficiente pa ra abrir la cuenta (58% de las respuestas) y, en segundo lugar, con un 52% del tot al, se apuntó a los altos costos de las cuentas. Otra de las respuestas recabadas, correspondiente al 31% d el total, se refirió al hecho de que un mi embro d e la familia y a tenía cuenta, mientr as que c on e l 29% d el total s e ubicó la falta de confianza en las instit uciones financieras. Otras causas d estacadas a nivel latinoamericano fu eron la dist ancia geográfica entre los client es y las instituciones fi nancieras (27 %), así como la falta de documentación requerida pa ra abrir la cuenta (25%). Finalmente , l as causas qu e recabaron el menor porcentaje d e adhesiones fueron razones de índole re ligioso (6%) y l a no necesidad de una cuenta (1%). En suma, se compr ueba que l a gra n ma yoría de las respuestas se refieren a causas de exclusión financiera invol untaria, lo que indica que esta pobla ción estaría en condiciones de accede r a los se rvicios financier os si se corrigiesen las restricciones de acceso señaladas. Figura 1.4. Caus as de excl usión financie ra en Am érica Latina (% , 2017) Fuente: elaboración propia en base a Demirgüç-Ku nt et a l . (2018) C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 67 Al comparar los resulta dos comentados anteriormente con las causas de la exclusión financiera en el caso pa rticular de Urugua y (Figura 1.5), se obtienen las siguientes conclusiones. A semejanza de América Latina , la causa indicada ma yoritariam ente fue la falta de dinero suficiente para ab rir la cuenta (66 %), lo que está alineado con las causas de exclusión financiera detectadas a nivel global, corre spondiendo a un 67% de las respuestas. Coincidentemente con América Latina, la c ausa indicada en s egundo lugar en U ruguay, con un 52%, apuntó a los altos costos de las cuentas. En tercer pu esto, con el 19%, se ubi caron conjuntamente la falta de doc ument ación requerida pa ra abrir la c uenta y la falta d e confianza en l as instituciones financier as. El 18% del tot al de los encuestados excluidos financiera mente manifestó que no tenía cuenta porque un miembro de la familia ya t enía una. Con el menor porcentaje de respuestas s e ubicaron fi nalmente la no n ecesidad de una cuenta (4%), la distancia de las insti tuciones financieras (4% ) y razones de índol e relig ioso (1%). A este respecto, se observa que el factor distancia tiene menos relevancia en Urugua y que en América L atina, lo qu e puede explicarse por su reduc ida extensión geográfica. Por su part e, la exclusión debido a la existencia de una cuenta por un miembro de la familia ti ene menos preponderancia en Urugua y , seguramente debido a los históricos b ajos niveles de las tasas de natalidad y sus consecue n cias sobre el tamaño promedio de las familias. M ARÍA N ELA S EIJAS G IMÉ NEZ 68 Figura 1.5. Caus as de excl usión financie ra en Urugua y (%, 2017 ) Fuente: elabor ación prop ia en base a Glo bal Findex (20 18) Centrándonos en el sector empresarial, en un est udio sobre IMFs a nivel internacional, Gl isovic y Martínez (2012) establecen que la restricción de las pequeñas empresas en el acceso al financiamiento es uno de los principales obst áculos para su de sarrollo y crecimiento económico. Al respecto, los autores señalan la im portancia de las IMFs en la concesión de servicios financieros a la s empresas de menor dimensión económica en las diferentes etapas de su ciclo de vida. Por su parte, S ainz (201 7) concibe el sur gimiento del mercado microfinanciero y del sistema financiero informal como alternativa de financiamiento a los colectivos excluido s del sis tema financiero tradicional. En Urugua y, Caumont (2010) reporta el financiamiento habitual de las MyPEs con fondos propios o provenientes de su círculo de familiares o a mistades a efectos de desarrollar su actividad, o bien a trav és de p roveedores d e bienes y servicios y empre sas no financieras. En la misma línea, D INAPYME (2018) informa que un 83% de las MIPyMEs industriales, comerciales y de servicios en Uruguay no accedió al cré dito banca rio en el período 2014-2016, mientras que el 73 % de las M IP y MEs no accedió a ningún crédito formal – bancario o no bancario- en el citado período. En particular, solamente un 7% de las M I P yMEs encuestadas informar on hab er C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 69 accedido a un crédito no bancario entre 2014 y 2016, categoría qu e considera los préstamos co ncedidos por las instituciones financier as de microcrédito. Ferraz y Ramos (2018) se refiere n al análisis de la inclusión financiera de las empresas de menor dimensión económica desd e el punto de vista de la demanda en un estudi o para la Comisión Económica para Amé rica La tina y el Caribe (CE PA L ) . En p articular, remarcan la importancia de la adecuación de los servicios financieros bancarios provistos a estas empresas a las características de su gestión y a su s ensibilidad a l cic lo económico, así como señalan, a su v ez, la heteroge n eidad de las M IPyMEs en términos de desarrollo e conómico y financiero. Por su parte, Cull et al . (2014) reportan evidencia a cerca del impacto económico posi tivo de las medidas de inclusi ón financiera en el acceso al c rédito por par te de pe queños emprendimientos, a efec tos d e comenzar o d esarrollar los mismos, incrementando el nivel de ingresos d e los emprendimientos existentes y aumentando l as capacidades de los p equeños emprendedores para gestionar el rie s go. En este apa rtado se han presentado diferentes indicadores de medición de la inclusión y exclusión financier a y se an aliza la evolución reciente de dichos conceptos globa lmente, en América La tina, y , dado el objeto de esta tesis, en Uruguay. Adi cionalmente, habiendo caracterizad o los conceptos de in clusión y ex clusión financiera y considera ndo asimismo sus principales causas, en el próximo epíg rafe se analiza el proceso particular de inclusión financiera en Urugua y , señalando la regulación a plicable y su impacto sobre las MIPy MEs . 1.2.3. Marco legislativo de la inclusión financiera en Uruguay: Ley No. 19.210 de 29/04/2014 La inclusión financiera y el uso de medios electrónicos fue ron objeto de regulación por primera vez en Uruguay con la le y No. 19.210, promulgada el 29/04/ 2014, que tien e como objetivos principales los que se detallan a continuación (Presidencia d e la República, 2013): M ARÍA N ELA S EIJAS G IMÉ NEZ 70 - Universalización del a cceso a servicios financieros a toda la población. - Apoyo y p romoción de la inclusión financiera d e las MyPEs. - Fomento de la competencia en el sector financiero. - Transformación y funcionamiento más eficiente d el sis tema de pag os. - Estímulo al ahorro de la población. - Concesión de be neficios fiscales p ara estimular el uso d e medios electrónicos de p ag o. - Protección de los derechos d e los usuarios de servicios financier os. - Mejora en la transparenc i a del sistema financ i ero. - Incre m ento de la formalización de la ec onomía. - Disminución de la ins eguridad de la población y de las empresas. - Limitación al uso de efec tivo por parte de la población. - Optimización del manejo de la política moneta ria. La mot ivación de esta nueva regulación es argumentada en base los bajos niveles de inclusión financiera, considerando sus dimensiones de ac ceso y uso, la desigualdad en el acceso a los servicios financi eros d esde el punto de vista geo gráfico y la segmentación d e la po blación por niveles de ingresos y de las empresas por tamaño (MEF, 2016). Asimi smo, se señala la ineficiencia del sistema de pagos, que funcionaba en base a un predominio en el uso del efecti vo y cheques y con un subdesarr ollo de instrumentos electrónicos, como tarjeta s de déb ito y tra nsferencias electrónicas. El diverso contenido de las disposiciones incluidas en la le y No. 19.210 ha determinado que ha yan ent rado en vig or en di ferentes fecha s, desde la reducción de impuestos para estimular el uso de medios electrónic os de p ago (a gosto/2014), hasta la delimitación de la forma de pago de operaciones sobre vehículos e inm uebles, la prohibición en el uso de efectivo d e ope raciones de montos elev ados 4 , 4 Importes superiores a 40,000 U.I., equiva lentes a U$S 5,202 al 08/01/2018. C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 71 o el pago por medios electrónicos de las remuner aciones de trabajadores del ser vi cio doméstico (abril/2018). Dado el objetivo de la presente investi gación, el énfasis se pondr á en el análisis de la u niversalización del acc eso a los servicios financier os por p arte de l a población y las M y PEs. A este respecto, la ley No. 19.210 establece que todos los trabajadores, pasivos y beneficiarios de planes sociales deben tener acceso a una cuenta bancaria o a un inst rumento de dinero electrónico, de form a gratuita, para el cobro del sueldo , la pasividad o el beneficio social. Ambos instrumentos deben permiti r el acceso a un c onjunto de se rvicios financier os básicos sin costo para estos usuarios, entre los q ue se encuentran el acceso a una tarjeta de débito, consultas de saldos, transferencias electrónicas de fondos y extracción de efectivo. Por otro lado, el citado marco legal también consigna qu e las M y PES deb en tener acceso a una cuenta bancaria de forma grat uita, con un conjunto similar de servicios financieros básicos también gratuitos, además de otros beneficios fiscales a implementar en sus co mpras a proveedores y en los préstamos con el sistema financiero. De esta forma, el citado cuerpo legal consa gra un a serie d e medidas de ap oyo y promoción a la inclusión financiera de la s My P ES en Uruguay. De a cuerdo a est e marco legal, los beneficios concedidos a la actividad de las My PEs en Urugua y con el objetivo de fomentar su inclusión financiera son cuatro. La p rimera se refiere a que, d esde octubre de 2015, las M yPEs pueden concu rrir a los bancos o coopera tivas de int ermediación financiera que d ecidan ofrecer estos servicios y solicitar gratuitamente la apertura de una cuenta. Estas cuentas tienen similares características que las cuentas para el pago de remuneraciones: sin coste de apertura ni mantenimiento, sin exigencias de saldos mí nimos, con consultas de saldo gratuitas, con un mínimo de 5 e x tracciones y 8 transferencias interbancarias de hasta U I 2,000 (Unidades Inde xa das a la I nflación) - aproxim adamente 260 dólares 5 ) por mes gratis. De este modo, con sim ilares características que las cuentas para el pago de remuneraciones, estas cuentas están 5 Cotización UI-peso uruguayo y coti zación dólar estadounidense-peso u ruguay o interbancario billete al 08/01/2018, d e acuerdo c on las estadísticas pu blicadas por el BCU. M ARÍA N ELA S EIJAS G IMÉ NEZ 72 sujetas a requerimientos simplificados de apertura. En este sen ti do, las instituciones de intermediación financiera que o frezcan el servicio de pag o de remun eraciones deben ofr ecer este tipo de cuentas también a las empresas de reducida dimensión económica. Esta posibilidad de acceso a s ervicios finan cieros ban carios d e pago también permite la obtención de fuentes de cré dito así como la participación en programas de ahorro. La importancia de estas medidas radica en la situación de exclusión financiera invol untaria experimentada po r las MyPEs uru guaya s con anterioridad a la vi ge n cia del nuevo marco legal (DINAPYME, 2018), entre cu yas causas se encontraban la falta de dinero suficiente par a abrir la cuenta, los altos costes de las mismas y la falta de documentación requerida para abrir la cuenta, según fue comentado anteriormente de acuerdo con Global Findex (2018). Estas barreras a la inclusión financiera de las M y PE s urugua ya s fueron correg id as a p artir d e la entrada en vi gor de l as citadas disposiciones, que incrementan la competencia en el sistema financiero y redimensionan el a cceso a se rvicios financ iero s de pag o, ahorro y crédito, entre otros, disponibles a e ste tipo de empresas. La segunda medida de promoción de la inclusi ón f inanciera de las MyPEs urugua y as consiste en la exoneración del Impuesto al Valor Agrega do ( IVA) a los int ereses de los préstamos otorg ados a estas empresas, con cedidos ya sea por instituciones de intermediación financiera como po r e mpresas administradoras de crédito, lo que reduce sus costos financieros de acceso al crédito, promoviendo condiciones más fa vo rables para las MyPEs. Adicionalmente, a efectos de promover el uso de medios electrónicos p or parte de la población, la tercera medida engloba una estrategia basada en expandir la red de terminales de punto de venta ( Point of Sale , POS) p ara el pa go con tarj eta e n los comercios en Uruguay, otorgando a las M y PEs un subsidio especial al coste del arre nd amiento del POS, que alcanzó niveles máximos de entre 70% y 100% del coste mensual. Al respec to, es necesario aclarar que en Uruguay no ex iste ob ligación para los comercios de aceptar medios electrónicos de p ago, por lo que las medidas de estímulo a su uso por parte de los emprendimientos de menor dimensión económica resultan especialmente relevantes, considerando los beneficios fiscales C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 73 otorga dos a la població n por el uso de t arjetas de débito, crédito y otros instrumentos de dinero electrónico par a l as transacciones de compra de bienes o pre st ación de servicios. Ot ra de las med ida s de inc lus ió n fi nan c iera a las My PE s se ref iere a la exo ner ac ió n de las re tenc i on es de imp ues tos en la s ve nta s qu e re al ice n co n me dio s de pag o e lect ró nic os y que equ iv al en a un rang o de e ntre 2% al 5% de l val or de la vent a a cue n ta de pag o de obl ig aci one s tr ib ut ari a s fu tur a s, a rea liz ar p or toda s las em pr esa s urug uay a s. Esta me di da im pl ica l a r ed ucc ió n de co ste s fin a nci ero s a la s My PE s. Finalmente, una quinta medida ha permitido a las M y PEs beneficiarse de un a reducción promocional de lo s aranceles máximos que deben abonar a las i nstituciones emisoras de medios electrónic os de pago por su uso, respecto al establecido para el resto de las empresas urug u a y as. En definitiva, la l e y No. 19.210 establece una serie de m edidas de promoción de la inclusi ón financiera d e las M yPEs en el Urug ua y , habilitando especialmente el acceso a s ervicios financieros tradicionales, ámbito del cual se encontraban excluidas o bien experimentaban dificultades en el acceso. Estas nuevas disposiciones legales modifican y amplían las fuentes de financiamiento disponibles hasta el mom ento, redimensionando las condiciones de mercado de las IMFs, lo que motiva a p rofundizar en l as condiciones de sustentabilidad financiera de las mismas. 1.3.M ICROFINANZAS : MICR OCRÉDITOS E INST ITUCIONES DE MICROFINANZAS En este apartado se d efine el alcance de lo s conceptos de microcré ditos, microfin anzas e I MFs. Asimis mo, se ex pone la evolución temporal de las mi crofinanzas y se presentan sus antece d entes pioneros a nivel global. 1.3.1. Marco conceptual Schreiner (2005) define los microc réditos c omo aquellos préstamos en efectivo, sin garantía y concedidos a los emprendedores M ARÍA N ELA S EIJAS G IMÉ NEZ 80 proveen la opo rtunidad de que las IMF expandan su alcance global a través de pa gos móviles o agentes corresponsales , o bien canalizando sus servicios financieros a través d e Fintechs , plataformas d e pa go y telcos 9 (Banco Mundial, 2017). Resulta im portante destacar que en el año 2015 el Banco Mundial junto con actores del sec tor público y privado adoptaron la iniciativa UFA2020, a efectos de lograr el acceso financiero univers al para el año 2020, promoviendo la inclusión financiera de la población mundial. En particular , la mencionada ini ciativa, enfocada en 25 países que abarcan el 70 % de los excluidos financieramente, implica que mi l millones de personas a ccedan a una cuenta bancaria o un instrumento electrónico para rea lizar transacciones financieras básicas. La Fi gura 1.7 sint etiza los principales aspe ctos de la evolución temporal de las microfinanzas re señados anteriormente. Figura 1.7. Ev olución tem poral de las m icrofinanzas Fuente: elabor ación pro pia 9 Se denomina así a los proveedore s locales de servicios de telefonía (TELephone COmpany). C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 81 Con su primera edición e n el 2010, el Microfinan ce Barom eter es una publicación anual que muestra las prin cipales tenden cias en el sector microf inanciero global. 10 Dicha publica ción incorpora la información que las IMFs y otros proveedore s de microcrédito dirigidos a secto res de bajos ingresos a nivel mundial han remitido históricamente a la plataforma de intercambio de información sobre microfinanzas ( Microfinance Information Exchange , MIX), institución sin fines de lucro funda da e n 2002 por CGAP y que repre s enta en la actualidad información sobre más de 3,000 instituciones en todo el mundo. De acuerdo con la edición de 2018, las IMFs atendieron a 139 mi llones de clientes a nivel global en el año 2017, administrando un portafolio de préstamo s equivalente a U$S 114 billones (Microfinance Barometer, 2018). L os c lientes de las IMFs que r eportan in formación a la plataforma MIX fueron mayoritariamente mujeres (83%) y en un 62% correspondían a prestatarios de zonas ru rales. En la Figura 1.8 se muestra la distribución de clientes del mercado mi crofinanciero a nivel global en el año 2017 (Microfinance Barometer, 2018 ). Más de la mitad de los clientes se ubican en la región de Asia d el S ur ( 60.5%), siendo seguida por América Latina y el Caribe (16.9%) y Asia del Este y Pacífico (13.9%). 10 Esta pub licación es realizada en conjunto por la p lataforma Co nvergences, la F ederació n Nacional de Cajas de Ahorro (Fédération nationale des Caisses d'Epargne, FNCE), la Fundación Mastercard, la Platafo rma Eu ropea de Microfinanzas (Eu ropean Microfinance Platform, e-MFP) y Oikocredit. M ARÍA N ELA S EIJAS G IMÉ NEZ 82 Figura 1.8. Dis tribución de clientes act ivos de m icr ofinanz as por región (%, 2017) Fuente: elabor ación prop ia en base a Mic rofinance Baro meter (2018) La Figura 1.9 ilustra la distribución de la c uantía de los portafolios de microcréditos a nivel geográ fic o, mostrando que la región de Am érica Latina y el C aribe detenta la ma y or porción del mercado (43.5%). A continuación, se sitúan Asia del Sur (24.3%) y Asia del Este y Pac ífico ( 16.7%). C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 83 Figura 1.9. Dis tribución de portafolios de m icrocrédito s por región (%, 2017) Fuente: elabor ación prop ia en base a Mic rofinance Baro meter (2018) Otra perspectiva de la situación actu al de las microfinanzas en el mundo es provista por el reporte The Global Microscope , desarrollado por la Unidad de I nteligencia de la publicación The Economist ( Economist Intelligence Unit , E IU), con el apo y o del Fondo Multilateral de Inversiones ( Multilateral Investment Fund , FOMIN), el BID, el Centro par a la Inclusión Financ iera en Acción 11 , y la Fundac ión Met Life. Este informe publi ca el índice de evaluación de la industria microfinanciera, considerando va riables representativas del marco y prácticas r egulatorias, del marco de apoyo institucional, así como de la estabilidad de la industria microfinanciera. Mientras la primera edición del reporte en 2007 ev aluaba la industria microfinanciera en 15 países de América La tina y el Caribe (Global Microscope, 2007), a p artir de la edición en 2013 se considera la evaluac ión d el mercado de microfinanzas en 55 países a nivel global (Global Microscope, 2013), siendo la últim a ed ición disponible con 11 Acción Internacional es una orga nización con siderada c omo u no d e los antec edentes principales de las microf inanzas, que se desarrollará en el epígraf e 1. 3.3. M ARÍA N ELA S EIJAS G IMÉ NEZ 84 esta estructura. En partic ular, el puntaje d e un paí s es obtenido a pa rtir de la consideración de los doce indicadores para cada una de las tres categoría s qu e se indican a continuac ión: A. Marco y prác ticas regulatorias 1. Regulación y supervisión de portafolios de microcré ditos 2. Constitución de instituciones de microcréditos regulada s y/o supervisadas 3. Constitución y /o operación de inst ituciones de microcré ditos no r eguladas 4. Capacidad reguladora y supervisora p ara microfinanzas 5. Marco regulatorio para toma de depósitos B. Marc o de apo yo institucional 6. Transparencia contable 7. Protección al cliente: Transparencia en la tarificación 8. Protección al cliente: Resolución de disputas 9. Burós de crédito 10. Políticas y prácticas para transacciones financieras a través de agentes C. Estabilidad 11. Shocks políticos a las microfinanzas 12. Estabilidad política ge n eral En primer lugar, el índice considera el marco regulatorio vigente en cada país para las microfinanzas, eva luando, en tre otros aspectos, la calidad d e la regulaci ón y supervisión, las condiciones para la constitución y op erativa de IMF s reguladas, la ex istencia de IMFs no sujetas al marco regulatorio vigente y su ca pacidad de aceptar depósitos del público. L a segunda categoría refiere al soporte institucional del mercado de microfinanzas, evaluando en cada país el alineamiento de las normas contables de las IMFs a los estándares internacionale s, la tr ansparencia en la fijación de tasas de interés d e los microcré ditos, la existencia de un sistema formal de resolución de disputas para los clientes de I M Fs, la calidad té c nica y financiera del sistema de reporte de créditos y la ex istencia de transacciones con C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 85 microcré ditos a través d e celulares o corresponsalías financieras. La tercer y última categoría está vinc ulada con la ex istencia de factores políticos que puedan in te rferir en el desarrollo de l a industria de microfinanzas y las condiciones generales de estabilidad en el país. La metodolo gía d el punt aje – tanto a nivel latinoa mericano como global – implica asi gnar a c ada uno de los primeros diez indicadores un valor entre 0 (peor) y 4 (mejor) y construir un índice consolidado entre 0 y 100, donde est e últim o es el valor máximo, a partir de una ponderac ión d el 50% para los factores A y B. El factor C se uti liza como medida d e ajuste del índice por con cepto de inestabilidad política, creado a partir de la combinación de los últimos dos. La edición global en 2013 muestra que la región de América Latina y el Caribe prima sobre el resto de regiones, obteniendo el puntaje reg ional total más a lto (Global Microscope, 2013) . En la Figura 1.10 s e consigna el r anking de índice de evaluación microfinanc iera corre spondient e a l as cinco re giones analizadas. En el apartado 1.5.1 de este c apítulo se profundizan en los resultados de la ev aluación de esta región a nivel país. Figura 1.10. Ra nking de ev aluaci ón m icrofinanciera por reg ión (2013) Fuente: elabor ación prop ia a partir d e Global Microscope (2013) 1 • Am érica Latina y el Ca ribe 2 • Africa Sub-Sa hariana 3 • Asia del Sur y del Este 4 • Europa del Este y Asia Central 5 • M edio Oriente y Africa del Norte M ARÍA N ELA S EIJAS G IMÉ NEZ 86 A partir de 2014, el informe Global Microscope revisó la metodología y comenzó a publi car indicadores de inclusión financiera, considerando qu e las mi crofinanzas son una forma relevante de permitir el acc eso a financiamiento a individuos y empresas de reducida dimensión económica. De este modo, los indicadores considerados en 2014 y ediciones si guientes son los que se establecen a continuación: 1. Apoyo del g obi erno a la inclusión financiera 2. Capacidad de regulación y supervisión pa ra la inclusión financiera 3. Regulación prude n cial 4. Regulación y sup ervisión de carteras de crédito 5. R egulac ión y supe rvisión de actividades de captación de depósitos 6. Regulación de seguros dirigidos a poblaciones de bajos ingre sos 7. Regulación y supervisión de suc ursales y agentes/corresponsale s 8. Requisitos para entidades de crédito no reguladas 9. Pagos e l ectrónicos 10. Sistemas de información crediticia 11. Reglas de conduc t a de mercado 12. Meca nismos de reclamación y operación de los mecanismos de resolución de controversias Similarmente a lo y a indicado con el índice de evaluación de la industria microfinanciera, a cada indicador – que contiene de uno a tres subindicadores que, a su vez, están compuestos por un número variable de preguntas- se les asigna un puntaje, donde el ma y or número es el mejor y 0 es el peor. Cada indic ador tiene la misma ponderac ión p ara dete rminar el índice consolidado, mi entras que los subindicadores tienen una ponderación variable. Finalmente, se agrega C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 87 el factor d e ajuste, representativo de la estabilidad políti ca y las normas que influye n e n la inclusión financiera . Considerando el ranking más reciente disponibl e, relativo al año 2018, dentro de las diez primeras posiciones se encuentran siete países de América Latina, a saber, por su ord en, Colombia, Perú, Uru guay , Méx ico, Chile, Argentina y Bra sil (Glob al Microscope , 2018 ). 12 Considerando el ranking disponible a 201 6 13 , destaca el crec imiento observado para Uru gua y , que desde la decimoprimera posición en 2016 asciende a la tercera ubica ción e n el rankin g a 2018. Asimismo, también es dable destacar el ascenso de Argentina (desde la 44va. posición en 2016) y de Brasil (d e sde l a 20va. posi ción en 2016) hacia la noven a posición compartida en 2018 (Glob al Microscope, 2016, 2018). En el apartado 1.5.1 se aporta may or información sobre la situación y p erspectivas de las microfinanzas en América Latina así como el detalle del ra nking de países según niv el de inclusión financiera (ver Ta bla 1.2) . 1.3.3. Instituciones de micr ofi nanzas: precursore s La li teratura a cadémica suele disting uir cuatro antecedentes principales en el nacimiento de las mi crofinanzas y , particularmente, de los mi crocréditos, a través d e la identificación de las siguientes instituciones: - Asociación de Mujeres Trabajadoras po r Cuenta Propia ( Self- Employed Women's Association – SE W A BANK ) (India) - Banc o Grameen (Blangadesh) - Acción Internac ion al (América La tina ) - ShoreBank International (Estados Unidos) 12 En particular, en la p rimera p osición se encuentra Co lombia, seguido po r P erú y Uruguay, en la segunda y tercera posición, respectivame nte. En tanto M éxico se ubica en la se xta posición a nivel global, Chile, A rgentina y Brasil ocupan los últimos tres lugares en el ranking de los diez países con un me jor ento rno para la inclusión financiera a nivel global 13 En particu lar, Colombia y P erú compartían el primer lugar y, a con tinuación, se ubicaban Chile y Méx ico ( Global Microscope, 2016). M ARÍA N ELA S EIJAS G IMÉ NEZ 88 A continuación, se realiza una breve caracterización de cada una de estas instituciones precursoras. Todas estas i niciativas tienen en común la provisión de pequeños préstamos a sec tores de la población excluidos del acceso al crédito por la ban ca tradi cional, que surgieron a partir d e n ecesidades de la comunidad o de ciertos gremios de actividad, y cu ya ex periencia ex itosa con pequeños emprendedores, especialmente mujeres, registrando altas tasas d e devolución de los préstamos, sentaron las bases para la expansión del mercado de microcré ditos a nivel n acional y mundial (Sundaresan, 2008). 1.3.3.1. La asociación de mujeres autónomas: SEWA BANK (India) En 1972, un grupo de trabajadoras autónomas pertenecientes a la industria textil en Ahmeda bad (India) fo rmó su propia organización bajo el nombre de Asociación de Muje res T rabajadoras por Cuenta Propia ( Self-Employed Women's Association , SEW A), registrándose como sindi cato en Gujarat (India), con el objetivo principal de "fortalecer el poder de negociación de sus miembros para mejorar los ingresos, el empleo y el a cceso a la s eguridad soci al" (SEWA BANK, 2018a, Sección Histor y ; SEWA, párrafo 1). Cabe indi car que en India los trabajadores autónomos constituyen un sector no orga n iz ado e incluye n a vendedores ambulantes, trabajadores a domicilio, trabajadores a grícolas, trabajadores domésticos, etc. Se caracterizan, en g eneral, por un bajo nivel de alfabetización y altos niveles de pobreza, no detentando ca pital de trabajo ni ac tiv os propios, no obstante lo cual contribu ye n con su trab ajo de manera mu y significa tiva a la economía y la sociedad hindú. E n dicho país, el 92% de todos los trabajadores se encuentran en el se ctor no organizado, mientras que este porcentaje alcanza el 96% si se consideran únicamente las mujeres tra bajadoras (SEWA, 201 3). A efectos d e a cceder al capital n ecesario p ara la inversión productiva y dado qu e estaban excluidos de los servicios financieros formales, los miembros de S EWA establecieron la primera I MF en 1974 bajo la natura leza de un banco cooperativo urbano. De este modo, 4,000 trabajadoras aportaron conjuntame nte el capital soci al C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 89 inicial para establecer el banco cooperativo SHR I MAHILA SEW A SAHAKARI BANK (en ad elante, S EWA BANK), estando supervisado por The Reserve Bank of India y Th e State Government (SEWA BANK, 2018a ). S EWA BANK otor ga mi crocré ditos a sus miembros para capital de trabajo, herramientas o depósitos de almacenamiento, con prioridad sobre los préstamos al consumo. A diferencia de las in stituc iones financieras formales, que exigían altos niveles de documentación y de colateral, el SE WA BANK presentó mecanismos informales de concesión de préstamos, así como servicios financier os de ahorros y seguros par a a y ud ar a las mujeres a s alir del cí rculo vicioso de la pobreza por causa del endeudamiento, falta d e activos y bajos niveles de ingresos. L a IMF tuvo una rápida expansión, recibiendo ca pitales para prést amos desde inst ituciones sin ánimo de lucro, organismos donantes y fundacione s privadas. Bhandari y Kundu (2013) reportan un a tasa d e devolución de los microcré ditos otor gados por SEW A BANK del 92%, “la más alt a entre todos los intermediarios financieros en India” (Bhandari y Kundu, 2013; pp.32). Po r su pa rte, Women’s World Banking 14 reg istra que el portafolio de préstamos de SEWA B ANK en el año 201 4 ascendía a U$S 14,526,569 y contaba co n 183 empleados. Posteriormente, en el período 2016-2017, SEWA BANK tenía 471,653 clientes activos, que en su totalidad pertenecían al sex o femenino (SEWA BAN K, 2018b, S ección Growth Profile, 2016 - 2017). Actualmente, es ta inst itución ofrece servicios de crédito, ahorro y s eguros así como educación financiera y asesoramiento comercial. En 2017, SE WA BANK recibió el premio T he Inclusive Finance India Award por su contribución al av ance de l a inclusi ón financiera en I ndi a. 1.3.3.2. Banc o Grameen (Blangadesh) En 1976, el Dr. Muhammad Yunus, un ex profesor de economía de la Universidad de Chittagong, sentó las bases para fund ar el Banco 14 ONG internacional d edicada a prom over el acceso a los servicios financieros de las mujeres de bajos ingresos. M ARÍA N ELA S EIJAS G IMÉ NEZ 96 socioeconómico d e todo s los miembros de la co munidad. Su acció n puede s er comparada con el movimiento que promovió el Dr. Yunus en Blangadesh, pues a través de ambas iniciativas se iny ectó financiamiento en comunidades pobres que estaban excluidas del crédito. Por tanto, su misión está mu y alineada con las microfinan zas y a lo lar go d e su hist oria sirvió como una referencia desta cada d e una IMF ex itosa, ejemplo de un proceso de d ownscaling , con un importante im pacto ent re los barrios minoritarios más pobre s de Chicag o, lo grando rentabilidad por su gestión. Durante 35 años su gestión prosperó y Shor eBank fue un a institución que competía con los bancos tradicionales, quienes se asociaron con estas i nstituciones comunitarias incorporando su experiencia en el otorgamiento de pr éstamos a e mpresas en entornos difíciles. A p artir del colapso financiero d e 2008 y la consiguiente desace l eración económica que desencadenó, ShoreBank enfrentó pérdidas significativas d ebido a la a mpliación d e gran cantidad d e préstamos de ries go para la vivienda residencial. Ante el agravamiento de sus problemas financieros, varias instituciones financieras como Citigroup, J PMorganChase, Bank of America y Goldman S achs se unieron para intentar sal varlo. Finalmente, los reguladores federales decre t aron el cierre de S horeBank en agosto de 2010 y las instituciones mencionadas anteriormente son actualmente mi embros de un consorcio que está invirtiendo en las ope raciones de ShoreBank asumidas por la Corporación Federal de Seguros de De pósitos ( Federal Deposit Insurance Corporation , FDIC), que han sido renombradas Urba n Part nership Bank. La Figura 1.11 muestra un resumen de los aspec tos más relevantes d e los antecedentes del negocio microfinanciero comentados anteriormente a través de sus cuatro precursores principales. C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 97 Figura 1.11. Princ ipales an tecedentes de m icrofinanzas Fuente: elabor ación prop ia Habiendo presentado los principales antecedentes de las microfinanzas, el siguiente apartado d esarrolla l os distint os enfoques operativos aplicados por las IMFs a nivel global, a partir de los cuales se derivan tipologías de IMF así como m etodologías de conc esión de préstamos. 1.4.E NFOQUES OPERATIVOS E N LA GESTIÓN MICROFI NANCIE RA De la mano de la evolución tempora l de las inst ituciones proveedoras de microcrédito, a menudo la litera tura se refiere a diferentes e nfoques operativos de las I MFs que conflu ye n en la identificación de tipologías p ara estas instit uciones en b ase a sus funciones y los objetivos que persiguen. A continuación, este epí grafe aborda los dos enfoques operativos que han caracterizado históricamente la actividad de las IMFs, d esarrollando, además, las tres tipologías ex istentes de concesión de microcréditos. S e concluye M ARÍA N ELA S EIJAS G IMÉ NEZ 98 presentando las dif erentes metodologías utili zadas por las I MFs para ge stiona r los microcréditos seg ún la literatura revi sada. 1.4.1. La actividad de las IMFs: enfoques operativos La actividad de las I M Fs fue categorizada por Robins on (2001), quien plante ó la migración desde los progr amas de microcréditos subsidiados y finan ciados por gobier nos u ONGs en base a donaciones, hacia un e nfoque representado por las microfinanzas sustentables provistas por instituciones financiera s. Posteriormente, Beledo et al . (2007) señ alaron la existencia de dos ti pos de enfoques operativos en las instituciones de microcrédito: 1. Enfoque inst itucionalista , según el cual la institución procura ser eficiente desde el punto de vista económico y el segmento de la población a atender son los colectivos u hogares situados cerca de la línea de pobreza, es decir, “ el segmento más alto de los pobres” (Beledo et al ., 2007; pp. 9). 2. Enfoque welfarístico , que implica que l a instit ución busca contribuir a la reducción de la pobreza, proveyendo servicios financier os a los colectivos más pobres. Bermúdez y P iñalva (2008) re toman esta clasificación refiriéndose al e nfoque de pobreza o filantrópico y al enfoque de autosostenibilidad o economicista. Se gún estos autores, el enfoque filantrópico tiene por objetivo a tender a personas en situac ión de pobreza extrema, si endo generalmente realizado desde la esfera estat al y muchas veces acompañado de capacitación, tecnificación o formalización, entre otro s servicios complementarios. P or su parte, el segundo enfoque concibe la actividad microfinanciera como una actividad comercial que debe ser rentable y prof esional, por lo que la tasa de interés cobrada a los prestatarios debe ser suficiente para cubrir todos los costes de la misma. Conforme con estas clasificaciones, durante la etapa inicial de l a concesión de créditos a los más pobre s el microcré dito cumplía básicamente una función social, que no atendía estrictamente al objetivo de la max imización del resultado (Lara et al ., 2014). C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 99 Siguiendo las ex periencias pioneras en microfinanzas seña ladas anteriormente en el epígrafe 1.3.3, el desarrollo de la industria microfinanciera se estructuró en base a modelos promovidos por instituciones no guberna mentales, instituciones financieras no bancarias, bancos rurales y ban cos populares. Así , se gún Sundaresan (2008), la d écada d el 90 marca el inicio d e la apertura de servicios económico-financieros proporcionados por estas instituciones, pautando además el ingreso de los bancos al mercado microfinanciero. Al mismo tiempo, c omienzan a dist inguirse nu evas alternativas de financiamiento, como la emisión de d euda o capital por parte de las IMFs, así como la ti tulización de los mic rocréditos. De esta form a, los mercados d e c apitales comi enzan a integrarse rápidamente c on las necesidades de financiamiento e inversión de los mercados de microfinanzas. 1.4.2. Tipologías de IMFs A partir de los enfoques operativos reseñados en el apa rtado anterior, en los cuales coincide n Robinson ( 2001), Beledo et al . (2007) y Bermúdez y Pi ñalva (2008), se derivan diferentes ti pologías de IMFs, de a cuerdo a la combinación de estos enfoques con la actividad de las mismas. De este modo, Bos y Mil lone (2015) plantean la coex istencia de tres tipos de I MFs, investigando si la eficiencia operativa de un as y otras debe ser ev aluada en b ase a la rentabilidad de su portafolio de microcréditos o en término s del alcance de sus microcré ditos a la pobl ación objetivo: 1. IMFs orientada s a resultados, con financiac ión privada y sostenibles financieramente. 2. IMFs que persiguen un objetivo social, subsidiadas y no orientadas a resultados. 3. IMFs con fines de lucr o y mentalidad so cial. Considerando estos tres modelos de negocios de las I MFs, así como sus posibles combinaciones, Bos y Millone (2015) conclu y en que la eficiencia disminu ye en la medida que la s I MFs se dist ancian de su modelo de neg ocio orig inal, así como también cuando se M ARÍA N ELA S EIJAS G IMÉ NEZ 100 incrementa el ries go d e l a cartera d e microcréditos. Contrariamente, la eficienc i a se inc rementa con el otor gamiento de préstamos a las mujeres y a los clientes frecuentes. Estos auto res destacan también la importancia de consid erar las múlt iples perspectivas de las microfinanzas, y el uso d el cuadro de m ando inte gral para optimizar la eficienc i a de las IMFs. Sundaresan (2008) se refiere también al fenómeno de segmentación de la población objetivo de las IMFs, identificando el tramo más b ajo de las necesidades de financiamiento de las IMFs, relacionadas con los prestatarios de más bajos in gresos, con IMFs de objetivos filantrópicos o cuasi-filantrópicos. Por su parte, los tramos más altos, ocupados por las I MFs que pueden acceder a los mercado s de capitales y atienden las necesidades de fin anciamiento d e los sectores de ma yores ingr esos corresponden a IMFs con fines de lucro y financiera m ente sostenibles. El surg imiento de I MFs viables comercialmente es a menudo objeto de críticas, cuestionándo se que la obtención de r entabilidad pueda estar en conflicto con sus objetivos sociales (Mersland y Strom, 2010). La Fi gura 1.12 ilustra las tipologías de IMFs reseñadas anteriormente de ac uerdo con la literatura previa. Figura 1.12. Tipologías de I MFs Fuente: elabor ación prop ia IMF 1 IMF 2 IMF 3 • obj eti vo soc ial • sin fines de lucro • obj eti vo soc ial • con fines de lucr o • orient adas a resul tados • con fines de lucro C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 101 En consistencia con las diferentes tipologías b ajo las cuales es posible actualmente la concesión de microcréditos, coex isten diferentes prove edores de servicios mi crofinanc ieros, pudiendo destacar la actuación de instituciones especializadas en mic rofinanzas (organizaciones no gubernamenta l es, instituciones financieras no bancarias y b ancos d e pobres 17 ), junt o a ban cos c omerciales, b ancos estatales y d e desarrollo, bancos comunitarios 18 , cooperativas de ahorro y crédito y proveedores informale s de s ervicios financieros (FOMI N, 2012). Tal y como afirman Beledo et al . (2007), asociado con la búsqu eda de rentabilidad, se h a r egistrado la inco rporación de nuevos servicios financieros hacia la población objetivo, que se proveen e n conjunto con el microcrédito. Considerando el rol social del microcré dito, cabe también destacar que, en la actualidad, la prestación de microcréditos, al transformar s e en una acti vidad comercial rentable, habitualmente s e otorga a altas tasas d e interés, por lo que es posible que los emprendedores no tan pobres dejen fuera d e los prog ramas a los realmente pobres, en caso de que el servicio provist o a estos últimos no sea rentable ( Yunus, 2007). De esta manera, el compromiso entre el fin social de los microc réditos y la búsqueda de la rentabilidad resalta la importancia de que las IMFs pro curen una ma y or eficiencia en el proceso de otorgamiento de los microcréditos, avanzando hacia práctica s de mi tigación de riesgo de crédito que posibiliten su mantenimiento en el mercado. En este contexto, cabe refle xionar sobre la posibil idad de incorpora r pr ácticas financieras eficientes en todos los aspectos de la op erac ión d e negocios de las instituciones proveedoras de mi crocréditos, con el objetivo de lograr su sostenibilidad financiera. A este respecto, las herramientas estadísticas de credit scoring pueden ayudar a las I MFs en la evaluación d e su riesg o de crédito, cont ribuye ndo a d etectar, por ej emplo, los casos de más alto riesgo. S in embargo, ello no sustitu y e completa mente a los oficiales de crédito, que construyen información cualitativa sobre los 17 Generalmente su rgen del proceso d e conve rsión de organizaciones sin f ines de lucro en entidades financieras reguladas ( upscalling ). 18 Instituciones creadas por instituciones locales para proveer servicios f inancieros a sus integrantes. M ARÍA N ELA S EIJAS G IMÉ NEZ 102 deudores en bas e a una relación cerca n a con los mismos (Schreiner , 1999b). 1.4.3. La provisión de m icrocréditos: metodologías Habiendo ex plicado los diferentes enfoques oper ativos aplicados por las I M Fs y las tipologías r esultantes de su actividad, se presentan en este apartado las diferentes metodologías aplicadas por las I M Fs en la concesión d e microcr éditos. En particular, Ar mendáriz y Morduch (2011) especifican las siguientes m etodologías que utilizan las I M Fs para proveer microc réditos: 1. Individua l. 2. Grupos de solidaridad. 3. Mixto. 4. Banc os d e aldea. Préstamos individuales Los p réstamos individuales están diri gidos a personas que desarrolla n una actividad económica est able, qu e pueden demostrar capacidad y voluntad de pag o del servicio de de uda del préstamo y gozan a su vez de bue nas referencias p ersonales. L a c aracterística fundamental de estos préstamos, en relación a los grupos de solidaridad, es que los titulares de los préstamos son los únicos responsables de devolver las sumas pr estadas a l a IMF (Lara, 2010 ). Sainz (2017) subra y a que estos pr éstamos pueden ser ajustados a las caracter ísticas del cliente y su capac id ad de pago. Grupos de solidaridad El método de extender microcré ditos basados en grupos de solidaridad, conocidos t ambién como la “metod ología Grameen”, es atribuido a Muhammad Yunus y se b asa en el concepto d e que los prestatarios de bajos niveles de ingresos no p ueden acceder a un colatera l para obtener un préstamo indi vidual. Bajo dicha modalidad, los microcréditos son concedidos a un grupo de prestatarios que son solidariamente responsables por cada uno de los p réstamos concedidos a los miembros del grupo, es decir, cada uno garantiza al resto. De C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 103 acuerdo con S undaresan (2008), el proceso de fo rmación del grupo es muy relevante, por lo que se debe permitir que los mi smos prestatarios determinen los miembr os de los grupos, dada la calidad de l a información de la que di sponen sobre prestatarios de alto riesgo y de bajo riesgo, lo que permit e reducir la sel ección a dversa. S ainz (2017) establece que los miembros del grupo comparten un vínculo común d e vecindad o amistad y se unen para solicitar en forma conjunta cada uno su cré dito. Posteriormente, el promotor de la I M F les otorga capacitación y asistencia para constituir el grupo y explica la dinámic a de funcionamiento. En general, los grupos se componen de entr e u n mínimo de 3 personas a un máxim o determinado por la IMF. Los grupos cuentan con re glas internas, disciplina y re gulac ion es sobre ingresos y egresos del grupo. En est e senti do, la I M F n o decide p or el grupo sino qu e solamente lo guía. P or otro lado, los grupos puede n estar conformados por prestatarios del mi smo sector de actividad o bien de una mezcla de neg o cios. Asimismo, los importes solicitados por los miembros del grupo pueden ser fijo s o varia bles. En la fecha d e re pago o amortización de la deuda, si algún miembro del grupo impaga sus obligac ion es el r esto de los miembros deben pa gar por los miembros que no pudieron hacerlo. En otras pal abras, no se admiten incumplimientos en la fecha de repago. Si un miembro incurre en varios incumplimientos, en general, es expulsado del g rupo. En la metodología ori ginal del Banco Grameen, si uno de los miembros no pagaba su deuda el g rupo perdía su capacidad cr editicia, con lo cual los propios clientes de la IMF se conv ertían en a nalistas y cob radores de los microcréditos (Lara , 2010). Se gún Armendáriz y Morduch (2011), esta modalidad mi tiga el riesgo moral, p osibili tando que ante el im pago de uno d e los mi embros del grupo el resto pued a im poner sanciones de tipo socia l y /o económica al pr estatario moroso. La asistencia oblig atoria a reuniones semana les es otra de las caracter ísticas distintivas de est a metodolo gía (Ledgerwood, 1999 ), en la s que se realizan los pag os de los prést amos, se analizan las solicitudes de nuevos microcréditos y, en ocasiones, también s e re aliza capacitación a los miembros del g rupo. M ARÍA N ELA S EIJAS G IMÉ NEZ 104 Metodología mixta La s IMFs que conceden préstamos a grupos y también otorgan préstamos indi viduales utilizan metodolog ías denominada s de tipo mixto. Según Armendáriz y Morduch (2011), que consideran 890 programas de microcréditos incluidos en MicroBanking Bulletin , el ratio entre gastos operativos y el valor del portafolio de préstamos de estas I MFs es alto, por encima de las I MFs que se concentran en préstamos individuales o bien en préstamos a grupos. Por otro lado, el promedio del importe de los microcréditos otor gados po r estas IMFs son los menores de las cuatro metodolo gías identificadas por los autores -esto es, pré st amos individuales, grupos de solidarida d, metodología mixta y ba ncos de aldea-. Asimi smo, la proporción de mujeres clientas e s l a más alta, al mismo nivel de los bancos de aldea. Bancos de aldea Según Armend áriz y Morduch (2011), la modalidad de microcré ditos de b ancos de aldea s e utiliz a en África, América Latina y Asia, dond e los grupos son integrados por 10 a 30 personas aproximadamente y se mantienen los conceptos básicos del préstamo a grupos: la r esponsabilidad solidaria y las reuni ones regulares. J ohn Hatch, fundador de la IMF Fundac ión para la Asistencia Comunitaria Internacional ( Foundation for International Community Assistance , FINCA) fue el creador de esta metodología, en la que grupos de emprendedores de bajos ing resos se asocian para compartir y garantizar unos a otros los microcré ditos otorga dos por la IMF. El objetivo es crear g rupos de autoay uda ( self-help groups ) entre miembros de un a mi sma comunidad para facilitar el ac ceso a servicios financier os y comenzar una actividad productiva (Sainz, 2017). Esta modalidad, también conocida como “bancos comunales”, impli ca la formación d e un banco local entre los mi embros de la comunidad, organizado por la I MF. A diferencia de los grupos de solidaridad, el microcré dito se ex tiende a l grupo y este lo dist ribuye entre sus miembros. Posteriormente, el grupo cobr a el servicio de deuda a los miembros y rea liz a un único pago a la IMF (Lara, 2010). Si bie n un a de las in nov aci on es más im por ta nte s de las IMF s es la mo da li dad de p rés ta mo s a gr upo s d onde pri ma la re sp on sab ili da d C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 105 so li da ria d e l os mi e mbro s de l g r up o a nt e e l in c um pli mi en to en l os pa go s de c ual qu iera de ell os , Arm en dár iz y Mor duc h (20 11) re por ta n qu e la s I M Fs e stá n re tor nan do pau lat in ame nt e a la moda li dad de pr é sta mo s in di vid ua les . As imi sm o, ind ica n que la mod al ida d de pr é sta mo s a gr up os s ubsi ste par a pré sta mo s peque ñ os of re ci dos a c lie nte s con may or es nive le s de vu lne ra bil id ad soc io ec on ómic a , sie nd o pr ef er id os los pré sta mo s in di vid ua le s en ár eas de pob la ci ón d isp er sa, c on c o mu nida d es he terog é nea s o ace n tua das d ife ren c ia s s oc ial es. La Fi gura 1.13 ilustra las diferentes metodolo gías de concesión de microcré ditos de las IMFs. Figura 1.13. I MF. Metodolog ías de concesión de m icrocréditos Fuente: elabor ación prop ia Ad e más de la cla si fic aci ón pr in ci pal de m et odolo g ía s, t am bié n pu ede n d ist ing u irs e ot ra s mod al ida de s qu e se han inc or por ado co n el pa so de l tie mp o y que son com pl eme nt ar ia s a las an te ri ores . Una d e e sta s in nov aci on es es el pré sta mo pr ogre si vo , que se ref ie re a otorg ar mi cr oc réd it os por im por tes que se in cr eme nt an gra du al men te a aq ue ll os gr up os o pre st ata r io s ind iv id ual es que hay an o bs erva d o un M ARÍA N ELA S EIJAS G IMÉ NEZ 112 Tabla 1.2. R anking de país es latinoam ericanos según í ndice de evaluac ión de m icr ofinanzas e inclusión fin anciera (2007, 2 013, 2016 y 2018) Notas: en 2 018 , I ndia y Filipinas co m parte n la cuar ta posición. L as celdas sombreadas en co lor verd e cor responden a países que mejor an la posición en el ranking, en co lor ro jo están l os países q ue dis minuyen su posición en el rankin g, y en color azul ap arecen los países que mantienen su po sición en el ranking. “ --- “ equivale a dato no disponible. Fuente: elabor ación prop ia en base a Glo bal Micro scope (2007, 2013, 2016, 20 18) Retomando la relación i nversa entre tamaño del país y des arrollo microfinanciero se gún J anda y Zetek (2013), la Fi gura 1.15 muestra el índice de correlación entre microfinanzas e inclusión financier a, frente a indicadores representativos de la e x tensión g eogr áfica (e n kilómetros cuadrados), población total e indicadores d el nivel de pobreza a 2007, 2013 y 2016 1920 . L os resultados obtenidos muestran 19 El índice de correlación se calcula para lo s países indicados en la Tabla 1 .2., co nsiderando como in dicador de microf inanzas e inclusión f inanciera el ranki ng po r país según G lob al País Microfinanzas 2007 Microfinanzas 2013 Inclusión financi e ra 201 6 Inclusión financi e ra 201 8 Bolivia 1 2 13 18 Perú 2 1 1 2 Ecuador 3 23 25 19 El Salvador 4 8 13 23 Rep. Dominicana 5 10 19 43 Nicaragua 6 14 15 37 Paraguay 7 11 15 14 Chile 8 19 6 8 México 9 18 10 6 Colombia 10 7 1 1 Guatemala 11 33 42 43 Brasil 12 20 20 9 Uruguay 13 17 11 3 Venezuela 14 53 50 48 Argentina 15 45 44 9 Pakistán --- 3 5 21 Filipi n as --- 4 3 4 Kenia --- 5 8 23 Camboya --- 6 30 43 Uganda --- 8 33 48 India --- 16 3 4 C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 113 que la correlación de los índices con la extensión del país ha sido en las tres ediciones positi va, con una tenden cia descendente y niveles muy bajos e n 2016, con lo que podría interpretar se la casi nula corre l ación entre ambas variables con los datos más recientes. Al considerar datos d e pobl ación, se mantiene la tendencia descendente, pero en 2016 se enc uentra una correlación negativa de la inclusió n financiera con el tamaño de la población por paí s, compatible con la existencia de mejores condiciones para la inclusión financiera en países menos poblados en América Latina. Por otro lado, la corre l ación d el índice de condiciones para la inclusión financiera con los niveles de pobreza por país es negativa en 2007 y 2013, indicando que los países con mejor evaluación para la in clusión financiera son los que detentan menor es niveles de pobreza. No obstante, en 2016 se produce un punto d e infl exión, constatándose una correlación positi va entre los países con mejor entorno para la inclusión financiera y los mayores nivel es de po breza. Estos aspe ctos podrían c onsiderarse como elementos a incluir en el debate del cambio de mis ión de las IMFs a nivel global. Microscope (2007, 2013 , 2016) y co mo indicadores d el nivel de pobreza los p ublicados por CEPALSTAT (Bases de Datos y Publicaciones Estadísticas de CEPAL ). 20 A la f echa de confecc ión del presente do cume nto , no estaban disp onibles los datos de pobreza para 2018, por lo que no se presentan los índices de correlación para ese año . M ARÍA N ELA S EIJAS G IMÉ NEZ 114 Figura 1.15. Am érica Lati na: Evaluaci ón Microfinanz as e I nclusión financiera. Í ndice de corre lación (20 07, 2013, 2016 ) Fuente: elabor ación prop ia en base a Glo bal Micro scope (2007, 2013, 2016) Entre las p rincipales perspectivas de la industria mi crofinanciera en la reg ión, L ara (20 10) señala la inserción total en el sistema financier o y la comp etencia con el sector b ancario en los mercados financier os locales e internacionales. En su opinión, los sistemas de ge stión de l as IMFs en condiciones de li bre mer cado requieren de la incorporación de medidas de evaluación y medición de los riesgos del neg o cio. Hailey et al . (2016) informan las perspectivas del mercado microfinanciero para 2017, considerando la p rovisión de cré dito para PyMEs a niv el global. En particular, predicen un crecimiento promedio del mercado a nivel global en torno al 10 -15 %, destacándose el crecimiento en la zona de Asia Pacífico con un 25 - 30% promedio, mi entras que en América La tina, con mercados más maduros, el porcentaje de c recimiento esperado e s del 5 -10% en términos promedio. P or otro lado, Hailey et al . (2016) vaticinan una consolidación de las instituciones financieras en el ámbito microfinanciero – debido a l a ma yor competencia y regulación más estricta – , con una demanda mu y relevante de financiamiento no C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 115 cubierta, en atención al importante porcentaje de la población aún excluido financiera mente. Por otro lado, el Banco Mundial (2017) también prevé cambios en el financiamiento para la actividad microfinanciera, que ha evolucionado re cientemente con la incorporación de las plataformas de crowdfunding , a partir de los préstamos entre pares y la posibilidad de obtener financiamiento a través del merca do de capitales. En esta línea, el tránsito de las IMFs hacia un nuevo e stadio de evolución, caracter izado por l a coexist encia de objeti vos sociales y de rentabilidad, junt o a insti tuciones responsables, finan cieramente sostenibles y no d ependientes de subsidios , facilita el acceso de las mismas a fuent es de fi nanciamiento compatibles con los sectores financier os tradicionales. En el futuro inmediato, la actividad de las Fintech y otras innovaciones en el mundo del dine ro electrónico puede mejorar el alcance de la s microfinanzas, incrementando su cobertura para facilitar e l acceso a l os servicios financieros a las poblaciones c on mayores dificultades en términos de distancia a las instituciones financieras, ca usa frecuente de exclusión involuntar ia. A modo de ejemplo, las definiciones más modern as de incl usión financiera consideran a los individ uos con una cuenta de dinero móvi l como financieramente in cluidos (Demirgüç-Kunt et al ., 2018), de la misma forma que si detentaran una cuent a bancaria tradi cional. Asimismo, la tecnolog í a aplicada a lo s servicios financieros puede facilitar a las IMFs en la generación de servicios financieros adecuados para sus clientes, que se ha demo strado que pueden crear valor y convertir en rentable a la actividad de provisión de servicios microfinancier os. Finalmente, la iniciativa del Banco Mundial UFA2020, a fin de lograr acceso financiero para t oda la población global, se convierte en un incentivo relevante p ara el redimensionamiento del mercado financier o y la democratiz ación de los servicios financieros, no importando barreras de sexo, edad, distancia o nive l socioeconómico. 1.5.2. Las instituciones de microfinanzas uruguayas En Urug ua y no ex iste una regulación específica relacionada con la provisión de servicios microfinancieros. D e esta forma, esta actividad está pre sente en insti tuciones reg uladas por el B CU – M ARÍA N ELA S EIJAS G IMÉ NEZ 116 regulador y supervisor d el mercado financiero e n el Urugua y- por la realización de otras a ctividades financieras o bien dentro de instituciones no reg ulada s por este organismo. De acuerdo con Bermúdez y Piñalva (2008), ent r e las principales IMFs que proveen mi crocréditos a las M yPEs urugua y as, se encuentran: - las organizaciones e sp ecializadas en microfinanzas; - los bancos comerciales; - las cooperativas de a ho rro y crédito; - las empresas administradora s de crédito. Dentro de las organizaciones espec i alizadas en microf inanzas, encontramos las ONGs (asociaciones civiles, fundaciones, etc.) que proveen acceso a se rvicios microfinancieros a in dividuos, así como a micro y pequeños emprendedores de bajos recursos. L a oferta microfinanciera tiene distintas características, depe ndiendo del segmento de público objetivo que atienden. L os bancos comerciales también son proveedores de microcréditos y otros servic ios microfinancieros, a t ravés de unidade s especializadas en emprendimientos de reducida dimensión económica o bien por medio de subsidiarias a través de proc esos de downscaling , como y a se explicó. La s cooperativa s de ahorro y cré dito so n otra modalidad de IMF que proveen servicios de microfinanzas únicamente a sus socios, y que revisten especial i mportancia en los países como instrumento de inclusión financiera debido a su exten dida distribución geográfica, que permite aumentar la capilaridad de los se rvicios microf inancieros. Finalmente, Bermúdez y Piñalva (2008) se refieren a la actividad de las empresa s administradoras de crédito en Urugua y , que emiten tarjetas de c rédito, órd enes de compra o similares para financiar el crédito al consumo, con recursos propios o bien no proveniente s del ahorro públi co. Algunas de estas empresas también proveen s ervicios microfinancieros a micro y pequeños emprendimientos en todo el territorio del país. No obst ante lo indicado anteriorme nte, esta enumeración d ebe ser completada con los programas de microcréditos ofrecidos por el sector público, en particular por el Ministerio de Desarrollo S ocial (MIDE S) , C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 117 a través de sus fondos de iniciativas locales y de opción productiva, el Ministerio de Ganadería, Agricultura y Pesca (MGAP), el Mini sterio de I ndustria, Energía y Minería (MIEM) y el Ministerio de Trabajo y Seguridad Social (MTSS), por medio de los fo ndos rotatorios para emprendimientos asociativos. La T abla 1.3 ilustra los principales proveedores de microcréditos en Urugua y , mostrando l as instituciones financieras, gubernamentales y no gubernamentales, que conceden microcrédit os en Uruguay a emprendedores y cole ctivos vulnerables, señal ando el s ector al que pertenecen, el año d e i nicio del programa respectivo, el colectivo atendido y el financiamiento afectado, según datos disponibles en el año 2017. De este modo, se puede identifi car la fragmentación de las múltiples ofertas de micr ocréditos en Uruguay que, en su gran mayoría, están destinado s a micro y p equeños emprendimientos, con distintos g rados de vulnerabilidad. Así, en la Ta bla 1. 3 se puede comprobar que coexisten diversas o fertas de servicios microfinancieros con condiciones de acceso di f erentes y diversid ad de condiciones de los préstamos, a cargo de di stintos proveedore s públicos y privados, conformando un mercado heterogéneo y n o integrado que podría beneficiarse de su armoni zación y ma y or difusión. Es posible constatar, además, que, si bien hasta inicios del siglo XXI la oferta de servicios microfinancieros estaba básicamente provista por el BROU y múlti ples ONGs especializadas en finanzas y coopera tivas de crédito, después de la crisis de 2002 se integran a la oferta programas d e microcréditos provistos desde el ámbito gubernamenta l y destinados a individuos y micro y pequeños emprendimientos productivos de menores in gresos, a los que la crisis económico-financiera a fe ctó de forma muy relevante. El público objetivo de la oferta mi crofin anciera en Urugua y está definido en forma divers a, alcanzando en algunos casos a individuos y en otros, a emprendimientos asociativos, en gen eral vinculados a un tipo de empresa (M y PE, PYME 21 o MIPy ME), con requisitos a nivel de sector de a ctividad o ubicación geog ráfica d e los emprendimientos. Por otro lado, los recursos manejados po r las IMFs – en los casos que 21 Pequeña y m ediana empresa. M ARÍA N ELA S EIJAS G IMÉ NEZ 118 esta información está disponible- provienen ma yormente de líneas d e crédito nacionales – tant o públi cas como privada s-, internacionales y depósitos del público, si bien también s e verifica la existencia de financiamientos propios. En suma, ex isten programas de microcréditos ofrecidos desd e el sector público, cuyo objetivo son los emprendimientos de may or vulnerabilidad e conómica y social, junto a opci ones de créditos destinados a las empresas de ma y or tamaño y mayores in gresos, en línea con los dist intos m odelos de n egocios en microfinanzas que se expondrán en el capí tulo 2. En particular , el Programa d e Fortalecimiento a Empr endimientos Productivos (P FEP) del MIDES de Uru guay constituirá la base de estudio de la presente investi gación, corre spondient e a un programa subsidiado, provisto desde la órbita gubernamenta l, y con mentalidad estrictamente social, que se analizará de talladamente en el capítulo 3. C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 119 Tabla 1.3. I nstituciones de m icrofi nanz as uruguay as NOMBRE SECTOR CLASIFICACIÓN DE LA IMF AÑO INICIO COLECTIVO ATENDIDO FINANCIAMIENTO BROU Público Banco com e rcial 1896 PYMEs Depósitos de residentes Instituto de Promoción Económico-Social del Uruguay (IPRU) Privado Organización especializa d a en microfi n anzas 1965 MYPEs Fondos rotatorios propios Federación Uruguaya de Cooperativas de Ahorro y Crédito (FUCAC) Privado Cooperativa de ahorro y crédito 1972 Microempresas Deutscher Genossenschafts- und Raiffeisenverband e.V. - DGRV – Confederación de Cooperativas de Alemania Raiffeisen Cooperativa Maes tr os de Ahorro y Crédito (COMAC) Privado Cooperativa de ahorro y crédito 1972 MYPEs n.d. Cooperativa de Ahorro y Crédito INTEPA (CINTEPA) Privado Cooperativa de ahorro y crédito 1977 MYPEs n.d. Banco Santander Privado Banco com e rcial 1979 PYMEs Depósitos de residentes FUNDASOL Privado Organización especializa d a en microfi n anzas 1979 MYPEs Oikocredit, Agencia Española de Cooperació n Internac ional, Banco Interamericano de Desarrollo Fundación Uruguaya de Apoyo a la Mujer (FUAM) Privado Or ganizaci ón especializa d a en microfi n anzas 1983 MYPEs Corporación Nacio n al para el Desarrollo, Banco Interamericano de Desarrollo, Fondo Multila te ral de Inversiones Cooperativa ACAC Privado Cooperativa de ahorro y crédito 1986 MYPEs n.d. Fundación Ecuménica de Desarrollo del Uruguay (FEDU) Privado Organización especializa d a en microfi n anzas 1996 MYPEs Echumenical Church Loan Fund M ARÍA N ELA S EIJAS G IMÉNEZ 120 NOMBRE SECTOR CLASIFICACIÓN DE LA IMF AÑO INICIO COLECTIVO ATENDIDO FINANCIAMIENTO Grameen Uruguay Privado Organización especializa d a en microfi n anzas 2000 Mujeres sustentadoras principales del hogar en situación de pobreza Donantes privados nacionales e internacionales Scotiabank (exNuevo Banco Comercial (NBC)) Privado Banco com e rcial 2003 PYMEs Depósitos de residentes Programa de Microcr éd ito Rural - MGAP Público Programa público de microfinanzas 2004 Emp rendimientos productivos agropecuarios y no agropecuarios Fondos públicos BANDES Privado Banco com e rcial 2006 PYMEs Depósitos de residentes Proyecto de Opción Productiva (POP) - MIDES Público Programa público de microfinanzas 2006 Beneficiarios del ingreso ciudadano (PANES) Fondo binacional Uruguay- Venezuela Fondo de Iniciativas Locales (FIL) - MIDES Público Programa público de microfinanzas 2006 Personas por debajo de la línea de pobreza Fondo binacional Uruguay- Venezuela Fondo Raúl Sendic Privado Organización especializa d a en microfi n anzas 2006 Emprendimientos productivos n.d. Programa de Fortalecimiento a Emprendimientos Productivo s (PFEP) - MIDES Público Programa público de microfinanzas 2006 Emprendimientos productivos de carácter grupal o familiar con vulnerabilidad socio ec onómica Fondo para la Convergencia Estructural del MERCOSUR (FOCEM) C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 121 NOMBRE SECTOR CLASIFICACIÓN DE LA IMF AÑO INICIO COLECTIVO ATENDIDO FINANCIAMIENTO Programa de Microfi n anzas y Articulación Productiva (PMAP) - DIPRODE/OPP Público Programa público de microfinanzas 2008 MYPEs Préstamo BID Microfin Privado Empresa administradora de crédito 2008 n.d. n.d. República Microfinanzas Privado Empresa administradora de crédito 2009 MYPEs, Trabajadores independientes, con actividad de producción, comercio y servicios n.d. Programa de Inversión Productiva (PIP) - MTSS Público Programa público de microfinanzas 2010 MIPyMEs n.d. Dirección Nacional de Artesanías, Pequeñas y Medianas Empresas ( DINAPYME) - MIEM Público Programa público de microfinanzas n.d. Emprendedores, artesanos y MIPyMEs n.d. Notas: DIP RODE: Direcció n de P royectos de Desar rollo. OPP: Oficin a d e Planea mient o y P resupuesto. P ANES: Plan de Asistencia Nacional a la Emergencia Social. ACAC d iscontinuó la co ncesión d e préstamos a MYPEs en agosto de 20 16. MICROFIN se e ncuentra en p roceso de transformación de su negocio, migrando s us carte ras f unda m e ntalmente hacia créd itos al consumo. n.d.: Si n datos. Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 128 Figura 1.19. Ev olución de distribución d e emprended ores de MI Py MEs según sexo (%, 2008, 2 012, 2017) Fuente: elabor ación prop ia en base a DI NAPYME (20 09a, 2013, 2018) La dist ribución por edad muestra qu e los mi cro, pequeños y medianos empresarios en Uruguay ti enen un a edad promedio de 47 años, sin mayores cambios respe cto a la segunda edición de la Encuesta, correspondiente al año 2012, donde se registró una edad promedio de 46 años. Por su parte, en 2017 las mujeres empresarias son en promedio dos años menores que los empresarios hombres. La ubicación geográfica indica que las M IPyMEs urugua y as se concentran en un 50% en el interior del país y un 50% en Montevideo, que es la capital del país (Figura 1. 20). A este resp ecto, debe considerarse que Uru guay es un país con una alta concentración de la población en su capital, área que centraliz a el po der político nacional y l a ma y or pa rte d e los servicios de salud y educación, entre otros. 24 24 Los datos del último Censo de Población para 2011 muestran que el 40.14 % de la población se asentaba allí (INE, 2018c), lo cual es especialm ente relevante con siderando que la extensión de Montevideo representa solamente el 0.3% de la extensión total del país -530 km 2 frente a 17 6,215 km 2, respect ivame nte. La con centración más alta de población en Montevideo se verificó en el Censo de 1963 , equivalente a un 46.34% d e la población total. C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 129 Por otro lado, la Figura 1. 20 muestra que l a distribución por región ge o gráfica sufre algunas oscilaciones si se considera el tipo de empresa, observándose que las empresas d e ma yor dimensión económica (m edianas) están más concentradas en Montevideo (DINAPYME, 2009 a, 20 13 y 2018). De hecho, se comprueba qu e a lo larg o de las tres ediciones, a mayor tamaño de empresa, ma yor es su concentración en la capit al del país. Figura 1.20. Di stribución d e MIPy MEs por región geo gráfica según t ipo de empresa (%, 200 8, 2012 y 2017) Fuente: elabor ación pro pia en base a DINAPYME (20 09a, 2013 y 2018) La distribución de las empresas urugua yas por sector de actividad en la Encuesta corre s pondiente al 2017 muestra que un 51% pertenecen al sector servicios, seguido por el sector de C omercio (39%) e Industria (10%). De acuerdo a lo que se observa en la Figura 1.21, se refleja una disminución de dos puntos po rcentuale s de las empresas d e servicios e n el tot al de MI P yMEs, acompañado de un Posteriormente, en los censos anuales de 2004 y 2011 se h an verificado crecimientos intercensales negativos en Montev ideo, ve rificándose procesos de migración interna hacia otras áreas del país, especialm ent e Maldonado, Canelones y Colonia (INE, 2018 d ). M ARÍA N ELA S EIJAS G IMÉ NEZ 130 crec imiento de igual ma gnitud de las empresas comerciales entre las últimas dos ediciones de la Enc uesta. Figura 1.21. Di stribución d e MIPy MEs por sector de a ctividad (% de l total , 2012, 2017) Notas: Cabe r eiterar q ue la edición a 2008 no incluía a las MIPyMEs de tip o comercial, po r lo que no se inco rporan en el grá fico. Fuente: elabor ación prop ia en base a DI NAPYME (20 13, 2018) En cuanto a su antigüedad, DINAPYME (2018) establece que las MIPyMEs uru guaya s ti enen una antigüedad promedio de 10 años. En particular, las mic roempresas presentan una antigüedad promedio d e 9 años, mi entras qu e las p equeñas y medianas observan tiempos de vid a de 15 y 22 años en promedio, respectiva mente. En términos de sector de actividad, la antigüed ad promedio es mu y pareja, con 10, 10 y 11 años, respectivamente para empres as pertenecientes al sector servicios, comercio e in dustria. La edición de la Encuesta par a 2012 informaba de una antigüedad promedio de las M IP y MEs de 12 años, lo que lleva a reflex ionar sobre la alta mortalidad de este tipo de empresas, sumado asimismo a una alta natali dad, que determina la alta C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 131 repre s entatividad de las M I P yMEs en el total de empresas uruguayas 25 . Considerando el momento de formalización de las actividades, DINAPYME (2018) mu estra que en 2017 el 83% de las M I P yMEs formalizó su actividad produc tiva desde el inicio, mientras que el restante 17 % se formalizó luego de transcurrido un ti empo. La Tabla 1.5 muestra, además, el momento de formalización de las MI P yMEs según la Encu esta 20 12, denotando que el porcentaje total de empresas que se form alizan al inicio de act ividades creció con respec to a la anterior medición. El cuestionario a 2008 consideraba una pre gunta un tanto diferente a las ediciones 2012 y 2017, informando que el 82.8% de empresas se formalizó al inicio de actividades, el 10.3% se for m alizó posteriormente al ini cio de actividades y un 6.8% permanecía aún en la informalidad. Considerando el tipo d e empresa, el 19% d e mi croempre s as se formalizó lueg o de transcurrido un tiempo desde el inicio de sus actividades, mientras qu e este porcentaje disminu y e al 5l % entre las medianas y al 6% en l as pequeñas. De esta forma, la informalidad afec t a ma y ormente a las microempresas (DINAPYME, 2018). Tabla 1.5. Mom ento de fo rm alización de MIPy MEs (% del total, 20 12, 2017) 2012 2017 Formal desde el inicio de actividades 79 83 Formal después de un tiempo desde el inicio de actividades 21 17 Total 100 100 Fuente: elabor ación prop ia a partir d e DINAPYME ( 2013, 2018 ) La Figura 1.22 muestra la dist ribución del momento de formalización por ti po d e empresa en 2012 y 2 017, constatándose un crec imiento d e las empresas que se formalizan desde el inicio de 25 La edición a 2 008 no incluía en el cuestionario la pregunta sobre antigüedad d e la MIPyME. M ARÍA N ELA S EIJAS G IMÉ NEZ 132 actividades e ntr e ambas ediciones, junto a una relación inversa entre el tamaño de la empresa y el porcentaje de MIPyMEs que formalizan sus actividades d esde el inicio, siendo las micro empresas aquellas donde el porcentaje de formalización posterior al inicio de actividades es mayor. Figura 1.22. M omento de form ali zación de MI PyMEs según ti po de empresa (%, 201 2, 2017) Fuente: elabor ación prop ia a partir d e DINAPYME ( 2013, 2018 ) En re lación con el uso de servicios financieros y el acceso a financiamiento por p arte de las MI P yMEs, D INAPYME (2018) indi ca que el 72% de estas empresas utili z a al menos un producto ofrec ido por las instituciones ban carias, esto es, tarjeta de crédito empresarial, cuenta co rriente, o cu enta de ahorros, entre otros. DINAPYME (2018) establece que el uso de estos servicios se encuentra mu y rel acionado con el tamaño de empresa, informando que, si bien el 32% de las microempresa s no utiliz a estos servicios, casi el total de las empresas pequeñas y medianas sí lo hacen. Las dificultades de acceso a estos servicios bancarios se re fieren particularmente a las M I PyMEs del sector industrial, así como a aquella s ubicadas en el interior del país. C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 133 La Fi gura 1.23 mu estra el acceso al crédito en el período 2014 - 2016 por tipo de empresa, considera ndo tanto el de fuente bancaria como no bancaria en base a DINAPYME (2018). En part icular, para el total de MI P y MEs se reporta que el 27% de las empresas obtuvo algún crédito en este período (“acceso pleno al crédito” + “acceso al crédito con di ficultades”), mientras que el 39% r egistró algún tipo de dificultad para acceder al crédito (“ acceso al crédito con dificultades” + “excluida del crédito”) . Dentro de estas cif ras, las M I PyMEs con “acceso pleno al crédito” son aquellas que accedieron al crédito sin experimentar ninguna dificultad y cu y o porcentaje ascendió sólo al 8%. Asimismo , el porcentaje de l as empr esas que accedieron a crédito, pero informaron de al guna dificultad fue del 19% ( “acceso al crédito con dificultades”). El grupo d e las MIP yMEs excluidas o autoexcluidas del créd ito (ex clusión involuntaria o voluntaria, respec tivam ente) indicaron tener alguna dificultad para acceder a un crédito, pero no accedieron a nin guno en los últ imos tres años (“excluida del crédito”, 20%). Finalmente, el 53% de las MIP y MEs no accedieron a nin gún cré dito en el período indicado y no s e autoidentif icaron como empresas con dificultad es de crédito (“no usuaria de crédito”). Considerando separadamente cada tipo de empresa, las microem presas son las que presentan mayores restricciones d e acceso al financiamiento, dado que solamente el 7% tuvo acce so pleno al créd ito y el 18% tuvo un acceso con dificultades. En el otro extremo, las empresas medianas son las que han hecho uso más generalizado del crédito, teniendo acce so pleno un 25% y acceso con dificultades un 23%. M ARÍA N ELA S EIJAS G IMÉ NEZ 134 Figura 1.23. Acc eso al cré dito de MI PyMEs en el período (% po r tipo de empresa, 2014- 2016) Fuente: elabor ación prop ia a partir d e DINAPYME ( 2018) La Encu esta Financiera de los Hogares U ruguayos (EFHU 26 ) compila información sociodemográfica y e conómico-financiera d e los hogares urugua yos, informando entr e otros aspectos de las condiciones de acceso a mercados fin ancieros. A la f echa de l a confección de la presente investigac ión, se h abían rea lizado tres ediciones de la EFHU. La p rimera edición, EF HU-1, se realizó en 2012, a partir de la aplicación a una muestr a de 8,191 hogares de un cuestionario de 28 pre guntas financieras en la E ncuesta Conti nua d e Hogares (ECH) de dich o año (DECON, 2013). La segunda edición, EFHU- 2, s e verificó en el período octubre/2013- julio/2014, con la aplicación de 500 preguntas sobr e activos, pasivos, productos financier os y medios de pa go a una muestra de 3,490 hogares (DECON, 2016). Finalmente, en 2017 se realizó la EFHU-3, 26 Realizada p or el Departamento de Eco nom ía de la Facultad de Ciencias Sociales de la Universidad d e la República (DECON), en el marco de un convenio con el BCU, MEF , OP P, Corporación de Protección del Ahorro Bancario (COPAB) y el INE. 8 7 14 25 19 18 27 23 20 21 12 11 53 54 47 40 0 20 40 60 80 100 Total Micro Pequeña Mediana Acceso pleno al crédito Acceso al crédito con dificultades Excluída del crédito No usuaria de crédito C A PÍTU L O 1 – L A I NC L US IÓ N F INA N C IER A Y L AS M ICRO FINA N Z A S 135 incorporando el cuestionario de la EFHU-1 a la ECH de 2017 27 . Además de contener información sobre el nivel de inclusión financiera del país, la EFHU también se considera relevante a los efec tos de la presente investigación en relación a la informa ción sobre s ervicios financier os de los hogares uru guayos en los que habitan emprendedores. Así, cabe indicar que, dado que los cuestionarios aplicados en l a EFHU-1 y E FHU-2 son diferentes, no se pu ede realizar un análisis comparado, detallando a continuación en lo re levante los principales resultados d e la E FHU - 2. En particul ar, los resultados para el período 2013-2014 muestran que, en promedio, uno de cada cinco ho gares encuestados tiene algún tipo de emprendimiento, lo que inclu ye algún miembro del ho gar trabajando en forma independiente, y evid enciando la importancia del emprendimiento en Uruguay . Para Bermúdez y Piñalva (2008), las M y P ES son creadas con mayor simplicidad, req uieren de una menor i nversión inicial y se adaptan más fácilmente a los cambios en la econ omía. L o anterior es consistente con las cifras de M I P y MEs ya comentadas anteriorm ente, dado que, considerando el total de hogare s r elevados en el Censo 2011 (1,133,256 hog ares), el total de MI P y MEs ascendería aproximadamente a 226,651, un 30% por enci ma d e las M IPyMEs registrada s, lo qu e podría indicar la c antidad de MIP y MEs en situación de informalidad en el Urug ua y . Los r esultados disponibles para las M IPyMEs en el período 2013 - 2014 e stablecen que e n el c aso de los empresarios sin empleados solamente un 33% ti ene cuenta bancaria, mientras que este porcentaje aumenta a un 60% si se trata de empresas con em pleados. En relación al total de hogares uruguayos, l as medidas de inclusión fina nciera indican que más d e un 18% de los hogares de claró poseer activos financier os, dentro de los que se consideran d epósitos en cuentas bancarias y bonos, entre otros. Para el total d e la muestra, un 49% de los hogares uruguay os mantiene algún tipo de crédito vi gente, 27 Los resultados de la EFHU-3 no se encuentran disponibles al m omento de la con fec ción de la presente investigación. M ARÍA N ELA S EIJAS G IMÉ NEZ 136 mientras que aproximadamente un 46% de los ho gares decla ra tener al menos una cuenta bancaria. Habiendo c aracterizado a la inclusión financiera , así como las microfinanzas desde el punto de vista conc eptual, ex poniendo sus tipologías, antecedentes y evolución temporal y presentado un análisis descriptivo de su dim ensión a nivel global, latinoamericano y uruguayo, el c apítulo 2 continúa definiendo el rie sgo de crédito y revisando la literatura en referenc i a a las técnicas estadísticas de credit scoring en el contexto de las IMFs. Al respecto, dad as las caracter ísticas de ge stió n de las IMFs y considerando adem ás la misión social que desempeña n en la reducción de la pobreza a nivel global, el estudio del riesgo d e crédito de las carteras de mi crocréditos resulta de fundamental importancia a efectos de asegurar la sostenibilidad financiera de estas instituciones. CAPÍTULO 2: RIESGO DE CRÉDITO E N INSTIT UCIONES DE MICROFINANZAS Y CREDIT SCORING 2.1.INTRODUCCIÓN 2.2.EL RI ESGO DE CR ÉDITO EN UNA IMF: APROX IMACIÓN CONCEPTUAL Y EVA LUACIÓN 2.3.METODOLOGÍA DE CREDIT SCORING EN MICROFINA NZAS: TÉC NI CAS ESTAD ÍSTI C AS M ARÍA N ELA S EIJAS G IMÉ NEZ 144 servicio de deuda de s us potenciales deudores (Baklouti y Bouri, 2013). El mecanismo de evaluación del riesgo de crédito en instituciones bancaria s es difere nt e al qu e se realiza en un a IMF, d ado que la metodología de concesión de c réditos es también diferente. Armendáriz y Morduch ( 2011) establecen qu e el cliente le otor ga una garantía a un banco, obti ene lue go el préstamo y , finalmente, pa ga el capital y los intereses de ac uerdo a las fechas prefijada s. Si el prestatario no puede cumplir con el pa go de las cuotas del préstamo, el banco embarga su garantía. S in embargo, en una IMF, como el Banco Gramee n y a citado, los prestatarios no están en condiciones de proporcionar una garantía, por lo que su metodol ogía de concesión de crédito impli ca realizar préstamos a grupos de cliente s, operando una responsabilidad solidaria entre los miembros del grupo, por la cual todos deben apo y ar a aquellos que ten gan dificultades en la devolución del préstam o, a efectos de seguir c ontando con crédito futuro en la I M F. Armendáriz y Morduc h (2011) reseñan otras caracter ísticas propias de esta metodología d e evaluación del riesgo de crédito en una IMF, usando como referencia el Banco Grameen. En primer lugar, se refieren a establecer una alta frecuencia de los pa gos de las cuotas del crédito, en general, en forma semanal, lo que puede ser utilizado como un indicador de alerta temprana del riesgo de impago. En se gundo lugar , mencionan los incentivos dinámicos a au mentar el importe de los préstamos a medida que los clientes cum plen con los pagos acorda dos (préstamo p rogresivo), lo que permite a las IMF s dism inuir los costos de conce sió n de créditos, facilitando identificar a los mejores clientes ante la aprobac ión de ma y ores líneas de crédito. En tercer lugar, en el tr ánsito temporal de las microfinanzas desde los préstamos a grupos hacia los préstamos indi viduales, ejemplificado tanto por el Banco Grameen como por gran p arte de las IMF s, l a falta de colateral se compens a con la construcción de un vínculo personal entre el o ficial de crédito de la IMF y e l cliente (Schreiner, 2005). En efec to, los oficiales de crédito concurren a los hoga res de los microemprendedore s y sus negocios, donde, en base fundamentalmente a info rmación cualitativa y su bjetiva, evalúan si el cliente realizará la devolución del préstamo según lo pactado. En C A PÍTU L O 2 – R IES GO D E C R ÉD ITO E N I N ST ITU C ION ES D E M ICRO FIN AN ZA S Y C R ED IT S C OR IN G 145 cuarto lugar, debido a la in formación asimétrica entre el microemprendedor y la IMF, el riesgo de crédito en una IMF pone en peligro su sostenibilidad (A y ouche et al ., 20 17). La I MF puede carecer de información sobre la int ención y capacidad de pago del cliente, así como del d estino del microcrédito, disponiendo en general de menor c antidad de información cuantitativa que las instituciones financieras de may o r porte, como son los bancos. Como resultado de las anteriores diferencias, es mu y relevante que las IMFs utilicen mo delos que pe rmitan gestionar adecuadamente el riesgo de crédito (Sharma y Zeller, 1997), fijando lí mites a los niveles de tolerancia al riesgo que pueden asumir. En este punto, es necesario considerar qu e la moro sidad, incluso en niveles bajos, pued e afec t ar en po co tiempo la sostenibili dad financiera d e estas instituciones, considerando su tamaño, cultur a organizacional y caracter ísticas de su gestión. La miti gación del riesgo de cr édito en institucione s financieras ha merecido la utili zación de enfoques diferentes a e fectos de estimar la probabilidad del incumplimi ento del cliente. Así, Baklouti y Bou ri (2013) y Van Gool et al . (2012) identifican tres enfoques (Fig ura 2.2 ): - Enfoque estructural: supone la modelización estocástica de variables financieras, básicamente tasas de interés y características del emprendimiento, considerando su re l ación con la probabilidad de incumplimiento. Se basa en la m etodología Blac k -Scholes-Merton de la década del 70 para la fijación de precios d e opciones finan cieras (Ramesh y Kumar, 2017 ). Este enfoque r equiere del conocimiento de información específica, que pued e no estar disponible para todos los prestatarios, y uti liza técnicas matemático- estadísticas, que en ocasiones re sultan difí ciles de modelizar. - Enfoque estadístico : do nde se encuentran los modelos de credit scoring , consi dera info rmación his tórica sobre las caracter ísticas del pr estatario, sean variables financieras o no financieras, en relación a su desempeño en la dev olución de préstamos pasados con el fin de est imar el futuro incumplimiento. En esta línea, Baklouti y Bouri (2013 ) destacan qu e no existe una definición ex acta sobre el ti po de regresores a incluir en los modelos de credit scoring . M ARÍA N ELA S EIJAS G IMÉ NEZ 146 Ahora bien, en el caso de las IMFs, estos regresores se encuentran limitados al tipo de variables generalmente incluid as en los registros del cliente que, como se indicó, son de menor alcance que para l as instituciones bancaria s. - Enfoque del juicio experto : la capacidad de pa go futura de un cliente es estimada exclu sivamente por o ficiales de crédito, en base a su juicio subjetivo y principios de la institución crediticia. A e ste respec to, en las inst ituciones financieras es habitual la uti lización de la regla de las 3, 4 o 5 “C” de evaluación de crédito que, de acuerdo a lo mencionado ant eriormente, implica contar con al menos 3 “C”, 4 “C” o las 5 “C”, como f actores de calificación del crédito (Dos Santos et al ., 2015 ; Yap et al ., 2011; Pascale, 2009 ; Ross et al ., 1997). Figura 2.2. Enf oques en la ev aluación del riesgo de cré dito en una I MF Fuente: elabor ación prop ia a partir d e Baklouti y Bo uri (2013) y Van Gool et a l . (2012) C A PÍTU L O 2 – R IES GO D E C R ÉD ITO E N I N ST ITU C ION ES D E M ICRO FIN AN ZA S Y C R ED IT S C OR IN G 147 Con anterioridad, Abdou y Pointon (2011) se referían a la existencia de dos enfoques en el proceso de evaluación de crédito, los sistemas de juicio experto y los métodos de credit scoring . Si bien estos autores incorpo ran dos de los enfoques identificados posteriormente por Baklouti y Bouri (2013), est o es, el enfoqu e de juicio ex perto y el enfoque estadístico ( credit scoring ), no inclu y en los modelos estructurales o de forma reducida, cu ya principal ventaja es construir una evaluación de crédito en base a información actualizada de los mercados financieros (Carrascal, 2015 ). Respecto al juicio experto, Abdou y Point on (2011) manifiestan que el oficial de c rédito debe evalu ar la información contenida en cada s olicitud de crédito y adoptar la d ecisión de conceder o no el crédito en base a su experiencia y sentido común. Por su parte, un modelo de credit scoring permite a las instituciones de crédito evaluar en forma cuantitativa la solvencia del cliente y discriminar a los solicitantes de crédito entre los pot encialmente morosos d e los no morosos, utilizando información histórica y r educiendo tiempo y costes asociados ( Abdou y Poi nton , (2011). En suma, los modelos de cr edit scoring tienen la ventaja de ser objetivos y consistentes, los modelos basados en el juicio experto adolecen de ser subjetivos e inconsistentes, si bien Abdou y Pointon (2011) reconocen en este último caso la importancia del manejo de información cualitativa y d e la experiencia pa s ada del analista de crédito. En definitiva, en el ámbi to de l as microfinanzas, las instit uciones se enfrentan a realizar el proceso de evaluación de crédito mediante los tradiciona les sistemas de juicio experto, su bjetivos y con gran riqueza e n información cualitativa, o a tr avés de los modelos estadísticos de credit scoring , por medio de l os cuales es posible sistematizar el proceso de análisis de las sol icitudes de crédito, garantizando la objetivi dad en las decisiones y permitiendo a su vez la utilización de información cualitativa. S in embargo, la utiliz ación de estas técnicas no sust ituy e sino que complement a la actuación de los oficiales de crédito, inherente a la metodología de conocimiento del cliente aplicada por l as IMFs (Schreiner, 2000; Dellien y S chreiner, 2005). M ARÍA N ELA S EIJAS G IMÉ NEZ 148 Habiendo caracterizado los principales enf oques en la evaluación del riesgo de crédito en las IMFs y considerando las c aracterísticas especiale s d e su proceso de concesión de créditos, en el próximo apartado se an alizan las principales técnicas estadísticas utilizadas en la literatura académica y s e resumen las p rincipales ventajas, desventajas y limitaciones de los modelos de credit scoring para microcré ditos. 2.3. M ETODOLOGÍA DE CRE DIT SCORING EN MICROFINAN ZAS : TÉCNICAS EST ADÍSTICAS En este epíg rafe, pr eviamente al análisis de las diferentes metodologías estadísticas, se profundiza e n la caracterización del credit scoring , presentando brevemente las ventajas, desventajas y limitaciones de la aplicac ión de estos modelos a la actividad de las IMFs. El credit scoring se ha reseñado en la literatura con difere ntes abordajes o alcances qu e resultan en gran medi da complementarios. Según La ra et al . (2010), el credit scoring consiste en clasificar a individuos que solicitan un crédito en clientes po tencialmente bu enos o malos (paga dores o no paga dores) par a la entidad prestamista en relación a cierta infor mación cuantitativa m edible y de corte cualitativo. En la misma lí nea, Hand y Henle y (1997) establecen que se trata de métodos formales de clasificación de potenciales de udores entre morosos y no morosos de acuerdo a una cierta d efinición de morosidad, utili zando una metodología estadística. Otros autor es, como S chreiner (2000), se refieren al uso de medidas cuantitativas del desempeño y a características de los préstamos otorgados en el pasado para pre decir el desempeño futuro de p réstamos con similares caracter ísticas. Por su parte, Lara et al . (2014) profundizan en este concepto, indi cando que el credit scoring pr edice el comportamiento de un solicitante de cr édito a tra vés de la uti lización de un modelo matemático que pe rmite obtene r una puntuación –o “ sc ore ” - “que mide el riesgo ponderado de las diferentes características de un prestatario, un prestamista y un préstamo” (Lara et al ., 2014, pp.24). C A PÍTU L O 2 – R IES GO D E C R ÉD ITO E N I N ST ITU C ION ES D E M ICRO FIN AN ZA S Y C R ED IT S C OR IN G 149 A partir de los trabajos pioneros de Vi ganò (1993) y Schr einer (1999a, 1999b), las t écnicas de credit scoring se han aplicado en el contexto de las IMF s, q ue se constru yen d e manera diferente a los modelos banc arios en f unción de las li mitaciones en cuanto a la cantidad d e inform ación disponibl e en los r egistros de los deudores en estas instituciones. Gran parte de las variables cu antitativas utilizadas en los modelos bancarios de credit scoring no está n disponibles en las IMFs, exist iendo en cambio información de tipo cualitati vo sobre las caracter ísticas d el préstamo, del prestatario y de la propia I MF, pero que muchas v eces no es registrada de forma siste mática. No obst ante, a pesar de esta limitación, es importante analizar la aplicabilidad de la utilización de las técnicas d e credit scoring como herra mienta de mitigación del ries go de cré dito para abordar el problema d e sostenibilidad financiera que afecta a las IMFs. Los modelos de cr edit scoring aplicados a la actividad de un a IMF permiten r educir el tiempo dedicado a la co branza de créditos morosos. En consecuencia, mejoran tanto el nivel de alc ance como de sostenibilidad de los programas de microcréditos para los secto res de emprendedores más vulnerables, en particul ar pa ra aquellas IMFs d e cierto tamaño y con un adecuado marco de gestión, pudiendo inclusive llegar a ser ren tables (Schreiner, 2002). En la misma línea, Blanco et al . (2013) establece n que los modelos de credit scoring reduce n los tiempos y costes de evaluación de créditos de las I MFs, así como las pérdidas por errores en la clasificación de potenciales deudores, in crementando su eficiencia, rentabil idad y cuota de mercado, y p ermitiéndoles estar en condi ciones de competir con las instituciones bancaria s tradicionales. En este sentido, West (2000) agrega que una pequeña mejora en la capacidad pre dictiva de los modelos de credit scoring permite rea liz ar im portantes reducciones en el riesgo de crédito, lo cual se traduce posteriormente en ganancias para la IMF. En esta línea, Kinda y Achonu (201 7) manifiestan que el credit scoring puede reducir el error humano y homo geneizar el proceso d e ev aluación d el crédito, analizando ca da cliente en base a un mismo conjunto de reg l as. Sobre el particular, Lara et al . (2011) defienden que estos mod elos pueden complementar la a ctividad de los oficiales de crédito, resumiendo información que resulte compleja d e M ARÍA N ELA S EIJAS G IMÉ NEZ 150 evaluar en forma manu al. Römer y Mußhoff (2017) y Bumacov et al . (2014) agregan que el credit scoring pu ede incrementar la productividad de los oficiales de c rédito en una I MF, dado que el “score” obtenido permite ajustar la estrategia de concesión de microcré ditos, en aras de lograr un equilibrio entre el aumento del alcance de los microcré d itos y la mi tigac ión del riesgo de c rédito de la cartera. Dellien (2003) indica que los modelos de credit scoring para IMFs no solamente pueden ser us ados para mejorar y monitorear la evaluac ión del riesgo, sin o que en el futuro puede n también mejorar la administración de la c artera de los clientes frecuentes. En esta línea, Mester (1997) a firma que los modelos de credit scoring pueden cambiar la forma de provisión de microcréditos a pequeños emprendimientos, disminuyendo la necesidad d e que una institución financiera establezca un a sucursal en la zona geográfica atendida. Asimismo, puede incrementar la disponibili dad de crédito a micro y pequeños emprendimientos, a través de la s ecuritización de las carteras. Al respecto, Mester (1997) afirma que, a partir de la conformación de una cartera de c réditos concedidos a dicho tipo de emprendimientos -que respaldan la emisión de nuevos instrumentos financier os - sus flujos de fondos resultan más predec ibles, lo que permite una ma yor diversificación de riesgo, redundando finalmente en mayor disponibilidad de cré dito para estos clientes. En cuanto a las desventajas de la aplicación del credit scoring en IMFs, Schreiner (2002 ) subra ya que requiere qu e la IMF dispon ga de una base d e datos electrónica que inclu ya información sobr e antece d entes de comport amiento de pa go, así co mo características del cliente y del préstamo para una gran cantidad de mi crocréditos otorga dos en el pasa do e incluso de solicitudes recha zad as, información que deb e además ser de buena calidad. En línea con lo anterior y a efectos de aumentar la pre cisión de los modelos de credit scoring , Mester (1997) agrega qu e se requiere que dicha base d e d atos incluya información tant o de pr éstamos sin atrasos como de aquellos que resultaron morosos, e incluso de aquellos a l os que el crédito fue recha zado, previniendo que existan grupos poco repre sentados en la base. Depe ndi endo de la organización y el tam año de cada IMF, el C A PÍTU L O 2 – R IES GO D E C R ÉD ITO E N I N ST ITU C ION ES D E M ICRO FIN AN ZA S Y C R ED IT S C OR IN G 151 mantenimiento de dicha base de datos puede significar un alto coste para la institución. Por otro lado, a efectos de asegurar que los modelos de credit scoring mantengan su poder predictivo con el paso del tiempo, es neces ario que los mismos sean a ctualizados periódicamente y que consideren informa ción tan to sobre períodos de expansión como de crisis, lo que también tiene asociados importantes costes para la IMF. Mes ter (1 997) agrega que los modelos de credit scoring no puede n comunicar con certeza a la I MF sobre el futuro comportamiento de pago de un cliente, sino q ue el objeto de los modelos es predecir el comportamiento prom edio de grupos d e prestatarios que tienen en común el va lor d e a lgunas variables o factores explicativos del impag o. Entre las limi taciones de la aplicación de los modelos de credit scoring a I MFs, Viganò (1993) señala la relacionada con la calidad de información sobre los prestata rios de mic rocréditos, dado que la información habitualmente manejada por las inst ituciones financieras sobre capacidad e int ención de repago de un deudor puede no estar disponible en las I MFs. Al respecto, la información financiera suele ser escasa, pues no se mantienen registros sistemáticos de los deudores de microcréditos y generalmente no se cuenta con un historial de crédito (Serrano et al ., 2016 ; Narita et al ., 2014 ). Además, los modelos de credit scoring deben ser construidos a partir de la base de datos de créditos de la I MF qu e quier e implementar e sta herra mient a de evaluació n del riesgo d e crédito. Al respecto, el mejo r modelo de credit scoring depende, en c ada caso, de las características distintivas de su base d e datos (Bensic et al. , 200 5). Schreiner (2002 ) manifiesta que en los pr ogramas de aplicación a préstamos a grupos (Sharma y Zeller, 1997; Ze ller, 1998), los model os de credit scoring no cuentan con información sobre comportamientos individuale s de pag o sino sobre los comportamientos de pago del grupo. Así, resulta más difícil que el riesgo de crédito del grupo sea aproximado a través de características del mism o, a semejanza de lo que ocurre con la predicción d e riesgo de los individuos. Römer y Mußhoff (2017) reafir m an lo anterior, estableciendo que los modelos de credit scoring no son aplica bl es a préstamos g rupales sino solo a p réstamos individuales, dado que solamente puede n predecir el riesgo de un M ARÍA N ELA S EIJAS G IMÉ NEZ 152 único cliente. F inalmente, si bien los mod elo s de credit scoring pueden a yudar a las IMF s a evaluar su ries go de c rédito, es po co probable que estos modelos puedan sustituir la actividad de los oficiales de crédito (Van Gool et al ., 2012) y se pueden considerar como “una tercera voz en el comité d e créditos” (Schreiner, 2002, pp. 7). Como primer abordaje para la clarificación de las técnicas estadísticas que se en cuadran en la metodolo gía de credit scoring , se presentan a continuación diferentes clasificacione s establecidas por l a academia. En este punto, cabe indic ar qu e, a nuestro cono cimiento, no se ha publicado aún una revisión de literatura de los métodos de credit scoring aplicados a la industria de microfinanzas, c on lo que las revisiones académicas más generales de credit scoring que se presentan a continuación ti enen por objetivo ser una guía para identificar las herramientas estadísticas más relevantes en esta línea d e investigac ión. Revisando la aplicación de métodos de credit scoring en varias área s, como contabilidad y finanzas, marketing, ingeniería y manufactura, salud y medicina, entre otros, Abdou y Pointon (2011) clasifican las herramientas de credit sco ring en métodos convencionales y técnicas estadísticas avanzadas. En particular, bajo los métodos convencionales de credit scoring señalan el análisis de regre sión, el análisis discriminante, el an álisis probit y la regresión logística, mi entras que, dentro de las té cnicas es tadísticas avanzad as, distinguen, entre otras, la programación lineal, e l modelo de riesgos proporcionale s de Cox, los modelos SVM ( Support Vector Machine ) , máquinas de soporte vectorial), los árbole s de decisión, las re des neuronales, el método de clasificación del k -vecino más c ercano, los algoritmos ge n éticos y l a programación genética. En una aplicación general de credit scoring y uti lizando bases de datos reales de solicitantes de préstamos en la industria financiera de Australia y Al emania, West (2000) compara la precisi ón en la predicción de cinco m odelos alternativos de redes neuronales en relación a lo que considera métodos estadísticos tradicionales. Dentro de estos últimos, incluye modelos paramétricos ( análisis discriminante C A PÍTU L O 2 – R IES GO D E C R ÉD ITO E N I N ST ITU C ION ES D E M ICRO FIN AN ZA S Y C R ED IT S C OR IN G 153 lineal y regresión logística) y no par amétricos (método de clasificación del k -vecino más cercano y árboles de decisiones, entre otras). En lo refe rente a modelos de credit scoring en inst ituciones bancarias, Lara (2010) distingue ent re modelos paramétricos y no paramétr i cos. Al resp ecto, los primeros cuentan con funciones de distribución o clasificación conocidas, al igual qu e estiman parámetros para ex plicar un determinado suceso d e tal modo que estos se ajusten a las observa ciones de u na muestra. Dentro de este grupo es posible distinguir t écnicas pa ra métricas lineales, en particular , el análisis discriminante y los modelos de probabilidad lineal, así como no lineales, los cuales engloban los modelos logit y probit , entre otros. Por otro lado, las técnica s no paramétricas no se encuentran li gada s a ninguna forma funcional ni distribución concreta de probabilidad. Estas técnicas no tienen por objetivo la búsque da de parámetros de una función conocid a, sino que tratan d e obtener formas funcional es que aproximen a la función objetivo. El g rupo de las técnicas no paramétr i cas comprende la programación lineal, las rede s neuronales y los árboles de decisiones (La ra, 2010; Ra y o et al ., 2010). Particularizando en los métodos estadísticos utilizados en el credit scoring para el crédito a l consumo por b ancos, comercios minoristas, servicios públicos y otras organizaciones, Hand y Henley (1997) distinguen al análisis discriminante y al modelo de regresión lineal como las técnicas más utilizadas respecto a otras técnicas do nde consideran, a modo de ejemplo, la regresión logística, el análisis probit, los métodos de suavizado no paramétrico, los a l goritmos ge n éticos y las redes neuronales. Louzada et al . (2016) presentan un a compilación sistemática de herra mient as estadísticas aplicadas en l a li teratura para r ealizar credit scoring . Así, dentro de las herramientas generales de cre dit scoring citan las redes neuronales, la regresión lineal, el análisis di scriminante, la reg resión logística, la pro gra mación genética y los modelos híbridos, entre otras. Yu et al . (2015) examinan la bibliografía académica sobre crédito social, desde la p erspectiva de cr edit scoring , destacando la importanc ia de este componente en la investigac ión e M ARÍA N ELA S EIJAS G IMÉ NEZ 256 lineal y cuad rático y regresión logística) , r esultando que el mejor modelo es el basado en redes neuronales Asimi smo, l os modelos de redes n euronales registran un mejor comporta m iento predictivo que los modelos de ensamble. Utilizando la misma base de datos que Cubil es et al . (2013), Blanco et al . (2013) d es arrollan un modelo de credit scoring para la industria de mi crofinanzas utiliz ando redes neuronales, y comparando el desempeño de este m odelo con el análisis discriminante lineal, el análisis discriminante cuadrático y la re gre sión logística. S obre un total de 5,451 préstamos, desembolsados entre 2003 y 2008, se construy en diec isiete m odelos, de los cuales catorce responden al enfoque de redes neuronales. Los resultados obtenidos confirman qu e los modelos no paramétricos de redes neuronales tienen, en general, una ma y or precisión y unos costes por errores de clasificación más pequeños que los modelos para métricos clásicos tradicionales de credit scoring . En una investigación c omplementaria aplicada sobre la misma base de datos que Cubiles et al . (2013) y Blanco et al . (2013), Blanco et al . (2014) utilizan la técnica no paramétri ca de credit scoring denominada S VM para predecir la probabil idad de que el microempresario enfrente problemas fin ancieros, entendiendo por tal que experimenten retrasos en los pagos de los préstamos de por lo menos quince días. A dichos efectos, se utilizan variables de tres tipos , esto es, ratios financieros correspondientes al neg ocio del microempresario, información no financiera re lacionada c on las caracter ísticas person ales del microempresario , así como las caracter ísticas del présta mo y va riables r elacionadas con el entorno macroeconómico en el que fue implementado el negoc io. Los resultados obtenidos por Blanco et al . (2014) confirman que el método no paramétrico SVM ti ene un mejo r desemp eño que el modelo de regre sión logística tradicional. Por otro lado, s e confirma que el uso d e información no financiera y macroeconómica aumenta la precisión de los modelos, no solamente incrementando la precisión del modelo y l a C A PÍTU L O 3 – E L C R ED IT S COR I NG E N I N ST ITU C ION ES D E M ICRO FINA N Z A S : R EV IS IÓN D E L A L ITER A T UR A 257 tasa de p redicciones correctas, sino también dism inuyendo su índice de Brier y los errore s d e Tipo I y de Tipo II 37 . La Tabla 3.30 identifica las variables uti lizadas e n los análisis de Cubiles et al . (2013), Blanco et al . (2013) y Blanco et al . (2014). Los tres trabajos referenciados han realizado un gran aporte a la lí nea de investigac ión sobre credit scoring en IMFs, anal izando la aplicación de herramientas paramétricas y no para m étricas para prede cir el impago en una bas e de microcréditos en P erú. Ell o se suma al trabajo pionero de Lara (2010), complementado posteriormente por Ra y o et al . (2010) y Lara et al . (2011) sobre credit scoring en IMFs. Tabla 3.30. Dete rminantes del riesgo de cr édito en Blanco et al . (201 3, 2014) y Cubi les et al . (2013) Variable Definición Ratios financieros Ingresos por ventas/Activos to tales Cuantitativa Utilidad bruta/Costes operativos Cuantitativa Caja/Liquidez total de los activos Cuantitativa Caja/Ingresos por ventasx360 Cuantitativa Deudas totales/(Deudas totales + Patrimonio) Cuantitativa Deudas totales/Patrimonio Cuantitativa ROA: Ingreso neto/Activos totales Cuantitativa ROE: Ingreso neto/Patrimonio Cuantitativa Información no financiera Ubicación geográfica de la sucursal Zona central/Periferia Antigüedad como cliente de la IMF Cuantitativa Número de préstamos otorgados previamente Cuantitativa Préstamos otorgados en el último año Cuantitativa Préstamos denegados previamente Cuantitativa Sector de actividad del microempresario Comercio/Agricultura/Producción/ Servicios Destino del microcrédito Capital de trabajo/Activos fijos Calificación del cliente en la IMF Normal/Con problemas de repago de cualquier tipo Número total de cuotas pagadas en la historia crediticia Cuantitativa 37 Tales medidas han sido definidas prev iamente . M ARÍA N ELA S EIJAS G IMÉ NEZ 258 Variable Definición Número total de cuotas con atrasos en la historia crediticia Cuantitativa Días promedio de atraso del microempresario Cuantitativa Número de días del atraso más importante Cuantitativa Sexo del microempresario Hombre/Mujer Edad del microempresario en el momento de solicitar el préstam o Cuantitativa Estado civil del micr oempresa rio Soltero/Grupo familiar Situación la b oral del microempresario Dueño/Empleado Tipo de garantía presentada Declaración jurada/Garantía real Tipo de moneda del préstamo otorgado Nuevos soles/Dó lares USA Importe del microcrédito Cuantitativa Número de cuotas mensuales del microcr éd ito otorgado Cuantitativa Tasa de interés mensual del microcrédito Cuantitativa Predicción del oficia l de préstamos para el vencimiento del crédito Sin problemas/ C on problemas Indicadores macroe conómicos Variación del Producto Bruto Interno Cuantitativa Variación del Índice de Precios al Consumidor Cuantitativa Variación de la tasa de empleo Cuantitativa Variación del tipo de cambio Nuevo Sol- Dólar estadouni dense Cuantitativa Variación de la tasa de interés Cuantitativa Variación del índice de bolsa Cuantitativa Variación del costo del agua Cuantitativa Variación del costo de la electricidad Cuantitativa Variación en el costo del uso del teléfono Cuantitativa Notas : los indicador es macroeconómicos se mide n en el per íodo de repago del présta m o y se e xpresan c omo ta sas an uales de cr ec imiento. Las variables sombreadas resultaron significativas. Fuente: elabor ación p ropia en b ase a Blanco et a l . (201 3, 2014) y Cubiles et al . (2013) En la primera aplicación de información no estructura da a los modelos de credit scoring en microfinanzas, Baklouti (2014) construy e un modelo d e credit scoring basado en un árbol C ART, usando una muestra de 377 créditos extendidos a pequeñas y medianas empresas po r una IMF de Túnez en el período 2 009 -2013. La Tabla 3.31 ilustra el detalle de las variables incorporadas en el a nálisis, donde se inclu yen algunas representativas de los rasgos psicoló gicos C A PÍTU L O 3 – E L C R ED IT S COR I NG E N I N ST ITU C ION ES D E M ICRO FINA N Z A S : R EV IS IÓN D E L A L ITER A T UR A 259 del de udor a efectos d e estimar si mejoran la e valuación de la capacidad de crédito de la I M F. La consideración de la información sobre el carácter personal del cliente, o btenida mediante entrevistas directas con las PYMEs, constituy e la aportació n más r elevante de este trabajo. Al respecto, Baklouti (2014) con cluye que la inclusión de las variables de tipo psicológ ico p ermite realizar una reducción del 4.8% en los costes p or errores en la clasific ación e ntre buenos y malos créditos. L os resultados del modelo CART son compar ados con los corre spondient es a la a plicación de una r egresión logística y un análisis discriminante. En este punto, el autor establece que el modelo CART es superior a aquellos en términos de la tasa global de predicción, p ermitiendo dism inuir los err ores de clasificación de tipo I y II. Tabla 3.31. Dete rminantes del riesgo de cr édito en Ba klouti (2014 ) Variable Definición Variables demográficas del deud or Edad (años) Cuantitativa Sexo Hombre/Mujer Estado civil Soltero/Casado Nivel educacional Nivel educaci onal b ajo/Graduado y nivel educacional más alto Experiencia laboral (años) Cuantitativa Teléfono en la casa Ninguno/Registrado bajo el nombre del solicitante Características del préstamo Importe del crédito Cuantitativa Propósito del crédito Creación del negocio/Extensi ón del negocio Sector de actividad Agricultura/Servicios/Artesanías/Pequeños comercios Comportamiento de pago Número de créditos anteriores 2 préstamos/1 préstamo/Nuevo cliente Mora en créditos anteriores Nuevo cliente/Todos los créditos pagados en fecha/Atraso en pago en el pasado Variables psicológicas del deudor Sobreestimación de las capacida de s del individuo Primer rasgo psicológico del solicitante Mejor que el promedio Segundo rasgo psicológico del solicitante Ilusión de control Tercer rasgo psicológi c o del solicitante Inteligencia emocional Cuarto rasgo psico lógico del solicitante Notas: las variables so mbreadas resultaron significativa s Fuente: elabor ación p ropia a partir de B aklouti (2014) M ARÍA N ELA S EIJAS G IMÉ NEZ 260 Ap li ca nd o un mod el o de cre di t sco ri ng a una ins tit uc ión de fi na n zas islá mic a s, Abd ou e t al . (201 4) ana liz an la pro ba b ilid ad de que un a so lic it ud de cré di to se a re cha zad a , sigu ie nd o la apl ica ci ón de mo de lo s de aná lis is disc rim in an te múl tip le, reg r esi ón log íst ica y rede s ne uro n ale s a una base de da tos de 48 7 s ol ici tude s de cr éd it o en el R ein o Un id o. Una ca rac te rís tic a dis tin ti va de e ste tip o de ins ti tuc io ne s es que c onc ede cré d ito s a empre s as sin el c obr o de inter e ses u otr os ga st os , e sto es , sin fi n de lucro , de bid o a la proh ib ici ón del cob ro de int ere se s so br e pré st am os es tab le ci da en l as ley es d e l I sla m. L a s v ari a ble s ut ili za da s e n e sto s mo del os se ide nt if ica n en la Ta bla 3.3 2. L os re s ulta d os ind ica n que la s var iab le s rep rese n ta tiva s de lo s g a stos me ns ua le s, la eda d de l sol ic it an te y su es tad o ci vil son la s que afe cta n pr in c ipa lme nte la dec isió n de rec ha zo de la so lic itu d de cré di to . La re le va nc ia de est e tra baj o r ad ica e n la ap lic ac ió n de u n m ode lo de cre di t sc or in g so bre una IMF en la que no se in cl uy e el co bro de inte ré s a los mi cr oc réd it os , debi do a razo ne s de tip o cul tur a l, asi mi la bl e al prog ra ma de cr éd it os gu ber na me nta le s an al iza do en la pre se nt e inve st iga c ión, en e l q ue ta m poc o s e pac ta el c obro de in ter e ses . Tabla 3.32. D eterminantes del riesg o de crédito en Ab dou et al . (2014) Variable Definición Edad del solicitante Cuantitativa Genero “1” si es mujer Estado civil Soltero/Casado/ D ivorciado Numero de dependientes en la familia Cuantitativa Relación con el domici l io “1” si es Alquilado Propiedad de un auto Sí/No Ocupación Servicio de atención de llamadas/Consejo/Oficina/Minoris ta/Vended or/E mpresario autónomo/Es tudi ante/Taximetrista Tipo de trabajo Tiempo completo/Tiempo parcial Tipo de ingresos Fijos/Variables Tipo de crédito Ninguno/Tarjeta de crédito/Familia y ami gos Sobregiro Sí/No Ingresos mensuales Cuantitativa Gastos mensuales Cuantitativa Importe del préstamo Cuantitativa Duración del préstamo Cuantitativa Notas: las variables so mbreadas resultaron significativa s Fuente: elabor ación p ropia a partir de Abdou et al . (2014) C A PÍTU L O 3 – E L C R ED IT S COR I NG E N I N ST ITU C ION ES D E M ICRO FINA N Z A S : R EV IS IÓN D E L A L ITER A T UR A 261 En una nueva aplicac ió n de información no estructurada a los modelos de credit scoring en una IMF, De Cnudde et al . (2015) realizan un modelo par a clasificar el impago a p artir de una b ase de 4,985 mi crocré ditos en Filipinas, usando información sociodemográfica del p restatario, del mi crocrédito y proveniente de la red social Facebook ( Tabla 3.33). En cons ecuencia, en este tr abajo se suma a l a información estructurada sobre el prestatario y el microcré dito, la proveniente de una red social que, de acuerdo a los autores, provee info rmación sobre el carácter o in tención de p ago del deudor. Como metodolog ía, s e utili za una máquina de soporte vectorial, empleando m odelos individuales de información según categoría y un método de ensamble con todas las categorías de información. Adicionalmente, De Cnudde et al . (2015) utilizan un método gráfico de clasificación, basado en matri ces o gráficos bipartitos, donde se conecta a los clientes de microcréditos con sus intereses, y posteriormente se crea una pro yecc ió n ponderada d e cad a matriz, a partir de la unión de aquellos clientes con intereses comunes. Esta última técnica, que resulta de aplicación a grandes bases de datos, tiene no obstante un comportamiento predictivo inferior que los métodos de e nsamble ( ensemble methods ). Estas herramientas se caracter izan po r uti lizar varios al goritmos d e apr endizaje (po r ejemplo, redes neuronales, á rboles CART) en forma conjunta para mejorar la capacidad predictiva de los modelos. Además, De Cnudde et al . (2015) agregan que el método de ensamble es superior a cada uno de los modelos individuales, pudiendo complementar el proceso de evaluación m anual d el crédito aplicado generalmente en las IMF . En particular, se aplican SVM individuales y pos t eriormente métodos de ensamble clasificados por modelos SVM, que inclu y en toda la información sobre características sociodemográficas, “intereses parec idos ”, “relaciones parecidas”, “ami gos” y “mejores amigos por siempre” (ver Tabla 3.30), estableciendo el mejor poder pr edictivo del método de ensamble frente a los SVM indi viduales. Los autores concluyen que la inf ormación ex traída de la red social d enominada “ interese s parecidos” provee un ma y or pod er p redictivo explicativo que la in formación de “ a migos” y “ m ejores ami gos po r siempre” , de acuerdo a las d efiniciones de la Tabla 3.33 . La uti lidad de este trabajo M ARÍA N ELA S EIJAS G IMÉ NEZ 262 se basa en la consideración de otros modelos no pa ramétricos que, po r su grado de complejidad, no son incluidos en las clasificaciones habituales de la litera tura analizada, permitie ndo el a nálisis de información no estructurada del deudor prove ni ente de redes sociales. Tabla 3.33. D eterminantes del riesgo de crédi to en De C nudde et al . (2015) Variable Información Características sociodemográficas de una persona Características socio dem ográficas parecidas Personas que gustan de una página en Facebook Intereses parecidos Personas que gustan de una categoría de una página en Facebook Intereses parecidos Personas que conforma n un g rupo en Facebook Intereses parecidos Personas que tienen un cierto nivel de educación Intereses parecidos Personas que trabajan para un mism o empleador Intereses parecidos Personas que tienen ciertos trabajos u ofici os Intereses parecidos Personas q ue comentan en el status de la misma persona Intereses parecidos Personas mencionadas en una de las fotos de una misma persona Intereses parecidos Personas menci onadas en uno de los vínculos de una misma persona Intereses parecidos Personas mencionadas en uno de los status de una misma persona Intereses parecidos Personas a las que le g ustan uno d e los videos/sta tus /fotos/comentarios de una misma persona Intereses parecid os Personas que comentan en el mismo status de una persona Intereses parecidos Personas menc ionadas en la misma foto de una misma persona Intereses parecidos Personas mencionadas en el mismo vinculo de una misma persona Intereses parecidos Personas mencionadas en el mismo s tatus de una misma persona Intereses parecidos Personas mencionadas en el mismo video de una misma persona Intereses parecidos Personas a las que le gustan el mismo video/status/ foto/comentario de una misma persona Intereses parecidos Personas que hacen (o reciben) comentario s desde (hacia) la misma persona Relaciones pareci d as Personas que se menc ionan unas a otras en una de sus fotos Relaciones pareci d as Personas que se menc ionan unas a otras en uno de sus links Relaciones parecidas C A PÍTU L O 3 – E L C R ED IT S COR I NG E N I N ST ITU C ION ES D E M ICRO FINA N Z A S : R EV IS IÓN D E L A L ITER A T UR A 263 Variable Información Personas que se menc ionan unas a otras en uno de sus status Relaciones pareci d as Personas que se menc ionan unas a otras en uno de sus videos Relaciones pareci d as Personas que se gustan unas a otra s en sus videos/sta tus /fotos/comentarios respectivos Relaciones pareci d as Personas que se hacen amigas de otras Amigos Personas que hacen (o reciben) comentario s desde (hacia) la misma persona y so n amigos Mejores am igos por siempre Personas que se menc ionan unas a otras en una de sus fotos y son amigos Mejores am igos por siempre Personas que se menc ionan unas a otras en uno de sus links y son amigos Mejores am igos por siempre Personas que se menc ionan unas a otras en uno de sus status y son amigos Mejores am igos por siempre Personas que se menc ionan u nas a otr as en uno de sus videos y son amigos Mejores am igos por siempre Personas que se gustan unas a otra s en sus videos/sta tus /fotos/comentarios res pectivos y son amigos Mejores am igos por siempre Personas q ue tienen cua lquier tipo de interacci ón y son amigos Mejores am igos por siempre Notas: T odas las variab les especificadas en la tabla resultar on significativas en el m odelo de c redit sco ring , no estando d isponible la i nformació n sob re otras variab les consideradas en el modelo. Fuente: elabo ración p ropia a partir de De Cnudde et al . (2 015) E n u na ap l i ca c i ó n qu e co n s id e ra mé t o d os pa r a mé t r i co s y no p ar am é tr ic o s de s u pe r v i ve nc ia , B o s e t al . ( 2 0 15 ) a p l ic a n c o mp l e m en ta r ia m e n te u n mo d e l o de re g re si ó n l in e al de pa n e l ju n to c o n u n mo d e l o de su p e r v iv e n c ia y u na r eg r e s i ón log ís t ic a , a ef ec t o s de i n ve s t i g ar la pr o b a b il i d ad de re c h a z o d e s o l ic i t ud e s d e m i c r oc r é d i to s p re se n ta da s po r m ic r o y pe q u eñ o s e m pr e n di m i e n t o s en B o s ni a H e r ze g o v in a e i nc o rp o r a nd o e l im p a c to en la in t ro d u cc ió n de un bu r ó de cr éd i t o s. As i mi s m o , s e e st u d ia la e vo l u c i ón te m po r a l de l a pr o b ab i l i da d d e i mp a g o de lo s m i cr o c ré d i t o s , e nt e n d ie nd o po r t a l u n r e tr a s o en e l pa g o d e 3 0 o m á s d í as . L a s va r i a b le s u t il i z ad a s e n lo s m od e l o s s e in d i ca n e n l a T a b la 3. 3 4 . L os p r in c ip a le s re su lt a d o s in d ic a n u n au m e n t o en la p r ob a b i l i da d de re c h a z o de mi c r o cr é d i t os co n la e xi s t e nc ia de u n b ur ó de c r é di t o s, e s pe ci a l me n t e e n un c o n te x t o de a l ta co m pe te n c ia e n tr e la s I M F s . A d ic i o na l m e n te , la e v o lu c i ó n de la pr o b a bi l id a d d e im p ag o e n e l t i e m po e s di fe r e n te pa ra aq u e l l o s pr e s ta t a r io s fr e c u en t e s de a q ue ll o s qu e M ARÍA N ELA S EIJAS G IMÉ NEZ 264 l o so n po r pr i m e ra ve z , in c i d ie n d o a de m á s e l ni v e l d e co m p e te n c ia en e l m e r ca d o de m ic r o cr éd i t os . E l tr a b a jo de B os e t al . (2 0 1 5) es re le va n te p o rq u e a n a l iz a c o nj u n t a me n t e he r ra mie nta s es t a d ís t i c a s pa r a mé tr i ca s y no pa r a m é tr i ca s, e s t ud i a n do no so l am e n t e la p r o ba bi l id a d de l im p ag o si n o ta m b i én el t i e m po ha s t a e l im p a go . El l o g ua rd a s i m i li t ud co n la e s t ra teg ia m e t od o l ó g ic a a b or d a da e n e st e tr a b a j o , en e l qu e se a p li c a n tr e s h er ra m ie nt a s en fo r m a c o m p le m e nt a r i a q ue so n : m o de lo s d e r eg r e s i ó n b i na r ia lo g i t y p ro b i t, m od e l o s d e su p e r v i ve n c ia y re d e s n e u r o na l e s. Tabla 3.34. D eterminantes del riesg o de crédito en Bos et al . (2015) Va ri ab le De fi nic ió n Im po rt e d el p rés tam o Cu an ti tat iva Du ra ci ón del p ré sta mo Cu an ti tat iva Ed ad de l so lic ita n te Cu an ti tat iva Ge ne ro de l soli c ita nt e “1 ” si e l s oli ci ta nte es h omb re Co mp et en cia 1- in dic e He rfi nd ahl -Hi rs chm an de co nc en tra ci ón de l m erc a do de mi cr ocr éd ito s Pe rc ep ció n de co mp ete nci a Ca te gó rica 1 -7 Pr és tam o/ In gr esos Cu an ti tat iva Ed uc ac ión de l so lic i tan te 1- Ni ng una ; 2 -Pr im a ria; 3 -Se cun da ri a; 4- Te rc ia ria In gr es os me ns ual es d el so lici ta nte Cu an ti tat iva ¿Pe r ten ec e a la z on a urb ana ? Sí / No In gr es os es tab les Sí / No Pr és tam o pa ra ac tiv os fi jo s Sí / No Pr és tam o pa ra ac tiv os mo vi bl es Sí / No Pr op ós it o del pr és tamo : co mp ra de s to ck Sí / No Pr es tam os d el ho gar Sí / No Co la ter a l p erso n al (nú me ro ) Cu an ti tat iva Co la ter a l s ocia l (n úm ero ) Cu an ti tat iva Co la ter a l d e terc er os (n úm ero ) Cu an ti tat iva Nú me ro d e p rés tam os p or o ficia l de cr éd i to Cu an ti tat iva Ta sa d e cr e cim ie nto c uat ri mest ra l de s uc urs al es Cu an ti tat iva Notas: las variab les so m bread as resultaron significativas Fuente: elabor ación p ropia a partir de Bos et a l . (2015) U n tr a ba j o r ec i e n te do n d e se co m pr ue ba la ma y or e f i ci e n c ia p re di c t i va d e l mo de l o log it en re l ac ió n a té c n i ca s no par am é tr ica s de c re di t sc o r in g , e s el d e Ka m m ou n y Tr ik i ( 20 1 6) . E s to s au t o re s a p li c a n C A PÍTU L O 3 – E L C R ED IT S COR I NG E N I N ST ITU C ION ES D E M ICRO FINA N Z A S : R EV IS IÓN D E L A L ITER A T UR A 265 u n m o de lo b as a d o e n r ed e s n e ur o n a le s a un a b a se d e 30 0 de u do r e s e n u n a I M F e n Tú n e z d ur a n te el p er ío d o 20 0 2- 2 0 0 9. E l i mp a g o se c o nf i g u ra e n ba se a s i e l de u d o r ha r eg is t ra do e l a t ra s o e n al me n o s un a cu o t a m e n su a l d e l p ré sta mo . L a T a b la 3 .3 5 m ue st ra la de sc ri p c ió n de la s v ar ia b le s i nd e pe n d i e nt e s u t il i z a d as en el m od e l o . L o s re su lt a d o s o b te n i d o s s o n c o m pa r a d os c o n e l mo de lo de re g r e s i ón l o g ís t i ca e n b a se a l p o rc e n t a je c or r e c t o de cl a s i f ic a c i ó n e nt r e c l ie n t e s mo r os o s y no m or o s o s y a la s me di d a s de se n s ib i l i da d y e sp e c i f ic i d a d de l m od e l o . Si b ie n e l c o mp o r t a mi e n t o p r ed ic t iv o de a m b o s m od e l o s e s muy s i m i la r, lo s au t o r e s o p ta n po r e l m od e l o de re de s ne ur on a le s en a te nc ió n a qu e su er r o r d e t i p o I I es un 1 6. 6 6 % in f e ri o r qu e e l d e l mo de l o de re g r es i ó n lo g í st i c a , lo q u e pe r m i te que la I M F r e d u z ca s us pé r d i da s e n té r m i nos mo ne ta r i os . E s te tr a b aj o e s re l e va nt e en l a me d i da qu e no s o la m e n te s u m e to d o l og ía i n c luy e e l an á l i s is co mp a r a t i v o de he r r am i e n ta s pa r a mé t r ic as y no p ar am é tr ica s, si n o qu e a de m á s la s ca r a c te r í s t ic a s de su ba s e de da to s y e l p r og r a m a d e mi cr oc r é di to s s on c o m pa r a b le s c o n l o s u ti l i za d o s e n l a p re se n te in v e s ti g a c i ó n. En c on c r e t o, n os re f e r i m os a mo d el o s lo g i t y p r ob i t , m od e l o s d e s up e r v iv e n c ia y re d e s ne u r on a l e s. Tabla 3.35. D eterminantes del riesg o de crédito en Kamm oun y Triki (2016) Va ri ab le De fi nic ió n Ca ra cte rí s tica s per so na le s Se xo Ho m br e/M ujer Ed uc ac ión Gr ad ua do un iv ersi ta rio / No g ra dua do Es ta do ci vi l So l tero / Casa do /D ivo rci ad o/V iu do Ed ad Cu an ti tat iva Ca ra cte rí s tica s de l e mp ren dimi e nto Se ct or In du st ria/ S er vici os /A gri cu lt ura/ Co m erci o/ Tur is mo Ti po de a cti vi da d Se rv ici os / Pequ eñ os ne go cio s/Ag ri c ul tur a/Ar te sa nía s Ubi c aci ón ge og rá fi ca Ce ntr o de la ciu da d/i sla Ker ken na h/e nt re 4 a 12 km. de la c i uda d/m ás de 1 2 km. de la c iu da d Ca ra cte rí s tica s de l cré dit o Im po rt e d el cr éd it o Cu an ti tat iva Du ra ci ón del c ré dit o Cu an ti tat iva Nú me ro d e cr éd it os ot or ga do s Cu an ti tat iva Pe rí o do d e g ra ci a Cu an ti tat iva Pe rí o do e nt re so lic i tu d de l c r édi to y des e mbo lso Cu an ti tat iva Notas: las variab les so m bread as resultaron significativas Fuente: elabor ación p ropia a partir de Kammoun y Triki (201 6) M ARÍA N ELA S EIJAS G IMÉ NEZ 272 dimensión adicional y complementaria al es tudio empírico del fenómeno de incumplimiento o morosidad e n una IMF. La s tres técnicas estadísticas d estacadas anteriorm ente, es decir, la regre sión logit, l as redes neuronales y los model os de supervivencia, serán incluidas en la estrategia metodológica de la presente investigac ión. De h echo, no se han identificado trabajos previos que aborden la implementación de modelos de credit scoring en una IMF o en programas de microcréditos con un fin puramente social , como es este caso, lo cual constitu y e una de las prin cipales contribuciones del trabajo. La únic a investigación que podría resultar similar en este aspecto es la realizada por Abdou et al . (2014), quienes se refieren a una institución de finanzas islámicas. Ahora bien, mi entras en su caso el no cobro de intere s es obedec e a cuestiones cultura les, en esta investigac ión s e busca a segurar l a dispo nibilidad de estos crédito s a los sectores de emprendedores de ma y or vulner abilidad socioeconómica. CAPÍTULO 4: MUESTREO Y ANÁLISIS DESCRIPTIVO 4.1.INTRODUCCIÓN 4.2.PROGRAMA DE FORTAL EC IMIENTO A EMPRENDI M IENTOS PRODUCT I VOS EN URUGUAY 4.3.MUESTRA 4.4.VARIABL ES: DE FINI C IÓN 4.5.ESTUDIO ESTADÍ ST ICO-DESCR I PTIVO 4.6.ANÁLISIS DE CORREL ACIONES 4.7. ANÁLISIS DE DI FERE NCIA DE MEDIAS 4.8.MAPEO DE LAS POTENCI A LES REL AC IONES ENTRE MOROSIDAD Y VARIABLES INDEPENDI ENTES: C ONCLUSIONES C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 275 CAP ÍTULO 4 – MUESTREO Y ANÁLISIS DESCRIPTIVO 4.1.I NTRODUCCIÓN La pres ente investigación se enfoca en analizar el riesgo de crédito derivado de una cartera de p réstamos concedidos a emprendedores en situación de vulnerabilidad en Urugua y por una institución de microfinanzas de tipo social. El objeto de estudio, entonces, se enmarca en el prim er paradigma de las microfinanzas, constituido por programas de crédito subsi diados, provistos desde la órbita gubernamental o instit uciones no gubernamentales en base a donaciones (Robinson, 2001). En concreto, como se ha mencionado, se analizará el Programa de Fortalecimiento a Emprendimientos Productivos en Uruguay o PFEP. El PFEP del M I DES de Urugua y tien e por objetivo brindar apo y o económico, así como capacitación y acompañamiento , a los emprendedores en situación de vulnerabilidad socioeconómica o pobreza para contribuir a mejorar o complementar sus in gresos familiares. El MIDE S se creó e n Urugua y en marzo de 2005 c on cometidos orientados a las políticas sociales y el desarrollo social. El PFEP destaca dentro de los programas sociales i mplementados por el MIDES, constitu y endo u na estrategia de desarroll o local que posibilita la articulación de polí ticas de apo y o territoriales , en coordinación con otras organizaciones públicas y privadas. En e ste capítulo se realiz a un estudio de tipo descriptivo en relación con las c aracterísticas de la cartera de microcréditos concedidos a emprended ores urugua yos en situación de vulnerabilidad en el m arco del P FEP, con el objetivo de evaluar la aplicación de herra mient as de credit scoring en capítulos posteriores. M ARÍA N ELA S EIJAS G IMÉ NEZ 276 El desarrollo del capítulo es el siguiente. En el siguiente epígrafe , se describe el funcionamiento del PFEP y sus aspectos más relevantes . A continuación, se caract eriza la muestra de microcréditos uti lizada en el trabajo, establ eciendo el período de estudio y su pr oceso de construcción. Se guidamente, se definen las varia bles dependientes e independientes utilizadas en el presente docum ento de investi ga ción y se desarrolla el análisis estadístico-descriptivo de la información de l a cartera de mic rocréditos. Po steriormente, se cons ignan los resultados obtenidos del análisis de correlaciones entre las variables y del análisis de diferencia de medias y finalmente se conclu y e. 4.2.P ROGRAMA DE F ORTAL ECIMI ENTO A E M PRENDIMIENTOS P RODUCTIVOS EN U RUGUAY De acuerdo con lo indicado en la Tabla 1.3 del Capítulo 1, el PFEP constituye uno de los programas de microcréditos provistos desde el sector público y el colectivo atendido por el mismo e stá constituido por a quellos emprendimientos productivos de carácter grupal o familiar con vulnerabilidad socioeconómi ca. En el marco de la ac tuación del M IDES, nuevo mi nisterio cre ado en el período de gobier no 2005-2010 como articulador de los programas sociales en el Uruguay, el PFEP busca apo y ar a los emprendimientos objetivo, desde el punto d e vista t écnico y finan ciero, a los efectos de ase gurar su sostenibilidad. Proporciona, además, herrami entas de apoyo a la formalización, cubre a todos los sectores de act ividad y su zona de actuac ión es en todo el territorio nacional. Durante el período comprendido entre m a yo y agost o de 2006 se realizó la primera convocatoria pública para solicit ar financiamiento al PFEP, donde se presenta ron un total de 152 emprendimientos de todo el país. De ahí en adelante, el MIDES ha realizado var ias convocatoria s anuales. Dichas convocatorias constan de unos términos de referencia, donde se indican los requisitos formales, los objetivos ge n erales y específicos del PFEP y la fecha máxima para presentarse. El PFEP integ ra dos instrumentos de apoy o a los emprendimientos produc tivos. En primer lugar, se brinda un apo y o C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 277 económico inicial en b ase a las necesidades y posibilidades d e devolución de c ada emprendimiento . En segundo lugar, aporta un programa d e capacitación y se guimiento pa ra el fortalecimien to de l a ge stión del emprendimiento y la inte gración en redes local es. Con respec to a este últ imo punto, el objetivo es fortalecer las sinergias entre los distintos ac tor es de la so ciedad civil y el Estado. Estos instrumentos funcionan de forma complementaria. La población objetivo de emprendimientos postulantes al PFEP debe cumplir las siguientes condiciones:  Ser hombres o mujeres ma y ores de 18 años, ciudadanos naturales o legales.  Los emprendimientos pueden ser de carácter grupa l, familiar o indi vidual. Al respecto, se v alora especialmente los emprendimientos asociativos 38 y fa miliares.  Dependiendo de l a convocatoria, disponer de un emprendimiento produ ctivo en fun cionamiento o un pro y ecto productivo a establece r.  Estar en sit uación de vulnerabilidad socia l. La condición de vulnerabilidad social se verifica en base a los criterios establ ecidos por el M IDES 39 en el marco del Plan de Equidad. Al respecto, s e prevé la realización de las visitas necesarias a cada uno de los hogares por el equipo técnico del PFEP. En cuanto al destino del apo yo económico a recibir por el emprendimiento, el P FEP puede financiar la compra de maquinari a, 38 Se entiende por emprendimiento asociativo, que todos l os integra ntes trabajen en condiciones de igualdad y que las ganancias o uti lidades generada s se d istribuya n en forma equitativa entre sus integrantes, n o aceptando relaciones de d ep endencia laboral. Además, todos los emprendedores deben participar colectivam ente en algun a parte del proces o productivo o de la come rcializaci ón , así como en el proceso de toma de decisiones. 39 La pob lación prioritaria del P lan de Equ idad está constituido por aquellos grupo s o sectores sociales cuyas condiciones d e vida se encuentran por debajo d e la Línea de Pobreza, equivalente según INE (2017) al 6,2 % d el total de hogares uru guay os en 20 16, sie ndo Montevideo la región con mayor incidencia d e la p obreza (8,3%). A su vez , se con sideran hogares en situación de vulnerabilidad socioeconómica a aqu ellos q ue p resen tan incapacidad o serias dificultades para h acer frente a los riesgos sociales y a los requerim ientos de la integración social. M ARÍA N ELA S EIJAS G IMÉ NEZ 278 herra mient as, instalaciones o infraestructura para habilit aciones, materia prima o insumos y todo aquello que contribu y a a la mejor a del emprendimiento. Sin embargo, no es posible solicitar apoyo económico para honorarios profe sionales, sueld os, tarifa s públicas, compra de vehículos, arrendamiento de locales o terrenos o deudas anteriore s. Aquellos empre ndimien tos que sean ca lificado s positivamente para obtener el apo yo económico reciben visitas de asesoramiento y participan de instan cias de capacitación y s e guimiento, así como de evaluac ión du rante el desarrollo del pro ye cto empr esarial. El inicio del programa de capacitación y seguim iento es comunicado por el equipo técnico del M IDES, en f orma directa o a través de la contratación de una Organización d e Socieda d Civi l (OSC) supervisa da po r el organismo. Por su parte, los emprendimientos que no reciban apo y o económico pueden acceder a instancias de capacitación y seguimiento si cuentan con el acuerdo del equipo técnico. Ad emás, en caso de que el emprendimiento no se encuentre funcionando, las personas o grupos que tengan una idea del emprendimiento pu eden presentarlo en el proceso d e incubadora de proyectos, acce diendo a capacitaciones específicas para concretar un plan de negocios qu e recorra las distintas etapas del proceso productivo y la comercialización. A continuación, se exponen con ma yor detalle las etapas constitutivas del análisis de los emprendimientos que se presentan a solicitar financiamiento en el marco del P FEP. La Figura 4.1 il ustra las citadas etapas en secuencia cronológ ica. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 279 Figura 4.1. Aná lisis de sol icitudes de f inanciam iento presentadas al PFEP. Secuencia cro nológica Fuente: elabor ación prop ia FASE 1. Evaluación prelim inar. En un a primera etapa, el equipo técnico del M IDES – Desarrollo Local, re aliza una evaluac ión preliminar de cada emprendimiento presentado, garantizando que se cumplan con todos los requisitos formales. Los emprendimientos que no cumplan con dichos requisito s no continúan con el proceso de evaluac ión. Los requisitos formales ex igidos a los emprendimi entos para l a presentación al PFEP son los siguiente s: 1) Integrantes. Emprendimientos asociativos, familiares o individuales, de hogares que se encuentren en si tuación de vulnerabilidad socio-económica. Todos los titul ares de los emprendimientos deben ser mayores de 18 años. Evaluación preliminar - Equipo técnico MIDES Análisis del proyecto - Equipo técnico MIDES Análisis del proyecto - Tribunal Departamental Transferencia de fondos M ARÍA N ELA S EIJAS G IMÉ NEZ 280 2) Funcionamiento. En todos los casos los emprendimientos deben estar en funcionamiento. 3) Formularios. Los emprendimientos deben complet ar un formulario de presentación (Anexo II.1) p roporcionado por el M IDES con los datos del emprendimiento 40 . Asimismo, todos los integra ntes del emprendimiento de ben presentar una fich a de identifi cación (Anexo II.2) donde se relevan datos personales, d el núcleo familiar y de las condiciones de vivienda de cada emprendedor 41 . 4) Carta de aval institucional. Conjuntamente con la presentac ión de los formularios se debe pr esentar una car ta formal de av al institucional, suscrita p or una organización pú blica o p rivada que conoce al emprendedor/a y la tr a y ectoria del emprendimiento y que manifiesta su respaldo al mismo. Pueden presentarse como av al institucional escuelas, li ceos, intendencias muni cipales y cualquier otro organismo público, clubes deportivos, comis iones vecinales, coopera tivas, sindicatos, policlínicas barriales, ONG s y cualquier otr a organización social sin fines de lucro. 5) Habilitaciones. A la f echa de firmar el convenio que posibilit a la transferencia d el apo y o económico del PFEP, los emprendi mientos deben tener las habilitaci ones y /o permisos co rrespondientes según el sector de actividad (b romatológicas, sanitarias, permisos de pesca, etc). La ex cepción se rá e n aquellos casos qu e parte de la solicitud se a específicamente destina da a la obten ci ón de las habilitaciones requeridas, donde deberá presentar certificación probatoria de que el trámite fue ini ciado, acl arando los requerimientos para la obtención definitiva del mismo. En este último caso el MIDES podrá realizar las coordinaciones int erinsti tucionales nec esarias pa ra apo y ar la obtención del trámite c orrespondiente. 6) Presentación de las propuestas. La propu esta d ebe pr esentarse en sobre cerrado en el p lazo estipulado en la convocatoria respectiv a en la oficina central de l M I DES o en cualqui era de las Oficinas 40 Disponible en todas las Oficinas T erritoriales del MIDES y en su pág ina web . 41 Esta ficha tiene carác ter de d eclaración jurada . C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 281 Territoriales 42 del interior del pa ís. L os sobres deben identificar el nombre del emp rendimiento, la identificación de quienes son los responsables del mismo y la localidad y departamento en donde se desarrolla . 7) C ontenido de la pr esentación. Es im prescindible que dentro de cada propuesta se presente un sobre donde se incluya el formulario de presentación del emprendimiento productivo, un formulario personal o ficha de identificación individual por cada integrante del emprendimiento y de condiciones del hogar, y la c arta de aval institucional. En la eva luación pr eliminar también se tienen en cuenta los criterios de pertinencia y de coherencia de la solicitud de acuerdo con los objetivos del PFEP 43 . Al respe cto, como objetivos g enerale s habitualmente se inclu y e : promover el desarrollo ciudadano a través del impulso a estr ategias que generen oportunidades de trabajo e iniciativas de carácter económico, impulsar proce sos de inclusión económica y social, y est imular la participación d e téc nicos locales en los procesos de evaluación y d e seguimiento y c apacitación. Algunos objetivos específic os incluidos en las convocatorias refieren a : fortalecer y consolidar los procesos de sostenibilidad de emprendimientos, estimular procesos de inclusión social, mediante su incorporación a redes l ocales, e incorporar información local en la evaluac ión y seguimiento de los emprendimientos. FA SE 2. An áli si s de l pr o yect o . Una vez ve r ifi ca do el c ump li mie n to de los req uis ito s for ma le s del pr oy ecto , as í c omo con los ob je ti vo s de la conv oc ato ri a, e l equ ip o técn ic o del MIDE S-De sa rro ll o L oca l r ea liz a la eva lua ció n de la via bil id ad eco nóm ic o-fi nan c iera de l pr oy ec to y la me dic ió n del im pa ct o d el m is mo a n ive l loc al . Al respecto, si fuera n ecesario, el equipo técnico del M IDES - Desarrollo L ocal puede r ealizar talleres de apo yo en la reformulación 42 Las Oficinas T erritoriales del MIDES realiza n atención descentralizada en barrios y pequeñas localidades de cada departamento, donde se puede procesar la inscripción y acceso a los distintos programas del MIDES y de otros o rganism os públi cos. 43 Al respecto, ya fue comentado que en toda convocatoria al PFEP con stan los objetivos generales y los o bjetivos específicos de la mism a. M ARÍA N ELA S EIJAS G IMÉ NEZ 288 modo, esta investiga ción uti liza cinco de finiciones alternativas de morosidad, de ac u erdo con las definiciones siguientes: 1. [cuotamas30 ] - Microcrédito que registró el pa go de al menos una cuota c on retraso de 30 días o más. 2. [mitad_o_menos ] - Microcrédito que sólo registró el pago de la mitad de las cuotas pactada s del préstamo o menos. 3. [primeracuotaonada ] - Microcrédito respecto al cual solamente se pagó la primera cuota o ninguna. 4. [promediomas0 ] - Micr ocrédito en el que el promedio de los días de atra so en el pago es mayor que cero. 5. [promediomas30 ] - Microcrédito en el que el promedio de los días de atra so en el pago asciende a 30 días o más. Para c ada una de estas definiciones se creó una variable dicotómica donde el “1” corresponde a los microcréditos que h a ya n registrado al gún tipo de atrasos de a cuerdo a las definiciones anteriore s, mientras que el “0” es asignado a l os microcré ditos no comprendidos estos ca so s. El primer criterio de morosidad [cuotamas30 ] coincide con el adoptado por el proveedo r de los créditos (MIDES), el cual asume que un préstamo es moros o si registra atrasos en el pa go una v ez transcurr idos 30 días a partir del vencimiento de la cuota corre spondient e. Esta definición fue utilizada también en Diallo (2006), Dellien y Schrei ner (2005) y R a yo et al . (2010), entre otros. Por su parte, en Schrein er (2004a ) y en Blanco et al . (2013, 2014) se utiliza como criterio que exista un retraso en el pa go de las cuotas del microcré dito d e al m enos 15 días, mientras que Bensic (2005) d efine un crédito moroso como aquel que registra al me nos un retraso en los pag os d e 46 días o más. En la literatura se utili zan medidas de morosidad que incorporan promedios de retrasos pa ra identificar pagos reiterados fu era d e f echa o bien un único pago realizado muy po steriormente a la fecha indicada en el calendario de pago. A modo de ejemplo, Van Gool et al . (2012) definen como cré ditos morosos aquellos en los que el promedio del retraso por cuota es ma yor a 2 días. En el presente trabajo, la quinta C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 289 definición [promedioma s30 ] considera la identificac ión de aquellos microcré ditos qu e fueron pagados con un at raso pr omedio de 30 o más días. En la misma lí nea, existe aproxim adamente un 81 % de microcré ditos que fuero n abonados con un pr omedio positivo de atrasos [promediomas0 ] , es decir, con algún retraso con respecto a la fecha d e pago. Asimismo, la literatura identifica tr abajos que incorporan definiciones de morosid ad combinadas. Por ejemplo, en Kim y Sohn (2010) se d efine un crédito moroso como aquel en el que se v erifi quen alguna de l as sigui entes alternativas: un p ago realiz ado fuera d e fecha, la entreg a de un chequ e sin fondos, cierre de la PYME dentro del período de tres años d esde que fue concedida l a garantía de crédito, mala reputación de la gerencia y fallas en l a comercialización de los productos de la empresa, entre otras. En Dinh y Kleimeier (2007) se concibe un préstamo en situación de morosidad como aquel en el que se verifique un r etraso en el pago d e 90 días o más o, en su d efecto, tres retrasos consecutivos en el pago. Dellien y Schreiner (2005) por su parte establecen una doble definición de morosidad, compuesta por el atraso de al menos una cuota por un período de 30 o más días ó la ge n eración de un promedio de atrasos de 7 o más días por cuota. A este respecto, las restantes dos definiciones del presente trabajo ( [mitad_o_menos ] y [primeracuotaonada ] ) se refieren al no pago d e ninguna cuota del préstamo o sólo de la prime ra, considerando por otro lado aquellos microcréditos cu yas cuot as repa gada s sólo alcanzaron a l a mitad (o porcentaje menor) del total de cuotas convenidas. Se entendió conveniente incluir estas definiciones en la investigac ión en función de los g uarismos alcanzados por ambas variables, que representa cara cterísticas distint ivas de la base de datos de microcréditos ana liz ada. 4.4.2. Variables independientes Respecto a los potenciales determinantes del riesgo de cré dito utilizados en esta investigación, la Tabla 4.2 identifica 24 variables explicativas ag rupadas en cuatro categorías según su natur aleza: 1) Características del microcrédito M ARÍA N ELA S EIJAS G IMÉ NEZ 290 2) Características r elativas a los antecedentes d e pago del emprendedor 3) Características sociodemográficas del emprendedor 4) Cara cterísticas del entorno macroeconómico La elección de estas variables depende de la dispo nibilidad de información en las IMF y , de acuerdo con Schreiner (2000), inclu y e antece d entes del comportamiento de pago del deudor por microcré ditos con cedidos anteriormente, junto a característica s d e la IMF, d el deudor y del microcrédito , además de la ex tensión y oportunidad de los atrasos en el pa go. Vi ganò (1993), Blanco et al . (2013, 2014), Cubiles e t al . (2013) y Kammou n y Triki (2016 ) se encuentran dentro de los antecedentes qu e clasifican en categorías las variables independiente s incluidas en los mo delos empíricos de aplicación de credit scoring a mi crofinanzas, desde tres y hasta en ocho clase s o categoría s. De esta forma, el presente trabajo adopta dicha estrategia, qu e fa ci lita la interpretación de los resultados y la comparación con otra s in vestigaciones similares. Tabla 4.2. Deta lle de varia bles independien tes Variables Definición Característi cas del microcr édito [año_cred] Año de desembolso del microcrédito [importeoper] Importe del microcrédito concedido en pesos uruguayos [valorcuota] Valor de la cuota mensual del microcrédito en pesos uruguayos [nrocuota] Número de cuotas mensuales del microcrédito [porc_subs_1] Porcentaje que representa el primer subsi dio sobre el importe total del apoyo económico concedido al emprendedor [porc_subs_2] Porcentaje que representa el segundo subsidio sobre el importe total del apoyo económico concedido al emprendedor [importeapoyo] Suma del importe del microcrédito y del/ de los subsidio / - s que correspondan Característi cas relativas a los antecedentes de pago del emprendedor [cuotas_pagadas] Cuotas totales pagadas del microcrédito anterio r [cuotas_moros as] Cuotas totales morosas del microcrédito anterior [cred_ant] Número de microcréditos con cedidos con anterioridad al microcr éd ito analizado por parte del MIDES. [cred_ult_año] Número de microcréditos con cedidos en el último año C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 291 Variables Definición anterior al desembolso del microcr édito analizado. [porc_ult_cred] Porcentaje pagado del microcrédito anterior Característi cas sociodemogr áficas del em pren dedor [tipo_emprendedor] Sexo de emprendedor (1= Hombre; 2= Mujer) [edad_cred] Edad del prestatario al momento de concesión del microcr éd ito [region] Región geográfica del emprendimiento (1= Norte, 2= Litoral Norte, 3= Litoral Oeste, 4= Sur, 5= Este, 6= Centro) [sect_act] Sector de actividad al que pertenece el emprend imiento (1=Sector primario, 2=Industria, 3=Comercio , 4=Servicio s) [antigüedad] Antigüedad del emprendedor como cliente del PFEP en años Característic a s del entorno macro eco nómico [var_m_ipc] Variación mensualizada del Índice de Precios al Consumo en el período de repago del microcrédito [var_m_salar i os] Variación mensualizada del Índice Medio de Salarios en el período de repago del microcrédito [var_m_tasainteres ] Variación mensualizada de la tasa media de interés vigente para los préstamos en efectivo a microempresas en el período de repago del microcrédito [var_m_em pleo] Variación mensualizada del Índice de Empleo en el período de repago del microcrédito [var_m_luz] Variación mensualizada de la tarifa de electricidad en el período de repago del microcrédito [var_m_agua] Variación mensualizada de la tarifa del agua en el período de repago del microcrédito [var_m_pbi] Variación mensualizada del Producto Bruto Interno (PBI) en el período de repago del microcrédito Fuente: elabor ación prop ia 4.5.E STUDIO ESTADÍST ICO - DESCRI PTIVO 4.5.1. Variables dependientes: la morosidad L a Tab la 4.3 mu e str a la distr i buc i ón de la mor o sida d o imp ag o por c ada una de las va ri ab les de pen die nt es def in ida s. De es te mo do, los re s ulta d os mue stra n que el may or ni vel pr ome di o de impag o le c orr es pon de a [pr om ed iom as 0 ] y [cu otam as 30] , que re su lta n los in cu mp li mie nto s má s le ve s, mie n tra s que [pro me dio m as30 ] , [m it ad _o _me nos ] y [p rim er acu ot aon ad a ] re g is tra n men ore s ni ve le s pr om e dio de impa go , que repr e sen tan in cum pl imie n tos co n ma y o r c ont en ido est ruc tu ra l, indic a ti vo s de sit uac ion e s más pr oble má ti cas de mo ro si dad M ARÍA N ELA S EIJAS G IMÉ NEZ 292 Tabla 4.3. D istribución del impag o según definición d e morosidad 2012- 2016 Morosidad – No (0) Morosidad – Sí (1) Total [cuotamas30] N 335 1,022 1,357 % 24.69 75.31 100 [mitad_o_menos] N 899 458 1,357 % 66.25 33.75 100 [primeracuotaonada ] N 1.184 173 1,357 % 87.25 12.75 100 [promediomas0] N 261 1.096 1,357 % 19.23 80.77 100 [promediomas30 ] N 511 846 1,357 % 37.66 62.34 100 Fuente: elabor ación prop ia L a Tab la 4.4 y la F ig ura 4.2 mue str an la evo luc ió n anu a l d el im pag o pa ra t oda s l as de f inic io ne s de m oro si dad , e n fu nci ón de l po rc en taj e de micr oc ré dito s pag os e im pag os sobre el tota l de cré di to s de se m bols a dos en cad a año . Par a [cuo ta mas 30 ] y [pr om ed iom as3 0] , se e vid en cia el des cen so de la mor o sida d en tre los créd it os dese m bol sa dos e ntre 201 2 y 201 6, c uy a magn it ud al fin del per ío do rep re sen ta a pr oxi ma dam en te la mi ta d del g uar is mo exp erim en ta do en 2 01 2. Al re s pec to, cab e re ite rar que a part ir de l año 2012 l a g es ti ón de co bran za de l os m icro cr éd it os y e l p ro ce sam ie nt o d e l a inf orm ac ió n s e e nc uen tra n a ca rg o de RMSA , c oi nci di end o co n un a ten denc i a a la b aja en lo s im pag o s seg ún la p ri mer a def inic ió n. En el perí od o 20 06-2 01 2, la ge st ió n de co bra nz a de l os mi cro cré dit os del PFE P er a re a li zada di re ct ame nt e por MIDE S. P a ra [p ro med iom as 0 ] y [p ri me rac uo tao na da ] se reg i str a as im ism o un desc e nso , per o de me nor mag n it ud al i nd ica do pa ra las ot ra s do s de fi ni cio ne s de mo ros id ad. F ina l men te, par a [mi ta d_o _m eno s ] el ef ec to es inv e rso , dad o que se c ons ta ta un a ume nt o sos te ni do e n l os n iv ele s de mor o sid ad en l a may o r ía del per íod o, mos tr ánd os e una lev e b a ja e n e l últ im o a ño c ons ide ra do . Si bie n la ten den cia en las cu a tro pri me ra s def in ic io nes c ome n tada s es hac ia un des ce ns o en la moro si da d, en el añ o 201 5 se C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 293 ve r ifi ca pun tua lm e nte un au me nto en los ni vel es de imp ag o – in c luso en [m it ad _o _me nos ] -, r et oma nd o la se nda d esce n den te e n 2 01 6. Tabla 4.4. Evolu ción anual de distribución po rcentual entre m icrocréditos pagos y morosos. 2012- 2016 [año_cred] 2012 2013 2014 2015 2016 [cuotamas30] Pago 14.94% 19.72% 38.74% 29.27% 57.14% Impago 85.06% 80.28% 61.26% 70.73% 42.86% [mitad_o_menos] Pago 77.01% 67.29% 62.61% 56.10% 64.29% Impago 22.99% 32.71% 37.39% 43.90% 35.71% [primeracuotaonada ] Pago 89.66% 86.54% 81.08% 89.33% 92.86% Impago 10.34% 13.46% 18.92% 10.67% 7.14% [promediomas0] Pago 10.06% 16.47% 29.73% 23.48% 42.86% Impago 89.94% 83.53% 70.27% 76.52% 57.14% [promediomas30 ] Pago 31.61% 32.95% 45.05% 42.38% 71.43% Impago 68.39% 67.05% 54.95% 57.62% 28.57% Fuente: elabo ración pro pia Fi g u r a 4 . 2 . E v o lu c i ó n a nu a l d el im p ag o s eg ún c r i t e ri o d e m or o s i d a d 20 1 2- 2016 Fuente: elabor ación prop ia 0,85 0,23 0,10 0,90 0,68 0,80 0,33 0,13 0,84 0,67 0,61 0,37 0,19 0,70 0,55 0,71 0,44 0,11 0,77 0,58 0,43 0,36 0,07 0,57 0,29 [cuotamas30] [mitad_o_menos] [primeracuotaonada] [promediomas0] [promedio mas30] 2012 2013 2014 2015 2016 M ARÍA N ELA S EIJAS G IMÉ NEZ 294 4.5.2. Variables independientes A continuación se explicita el análisis descriptivo realizado para cada una d e las varia bles indepe ndientes incluidas en la pr esente investigac ión. A e fectos de ordenar el an álisis, se comentan si guiendo la ca tegoría indicada en l a Tabla 4.2. 4.5.2.1. Características del microcrédito La Tabla 4.5 inclu ye los estadísticos descriptivos básicos (media, desviación, máximo, mínimo) de las variables independientes relativas a las características del microcrédito. En el caso de [año_cred ] , la apertura de los microcréditos concedidos por año muestra un nivel máximo de mi crocré dit os concedidos e n el a ño 2013, registrando oscilaciones en años posteriores. Dado que únicamente s e consideraron en el trabaj o aquellos microcréditos cu y o calendario de pag o hubiera finalizado a febrero-2017, el porcentaje de microcréditos corre spondient e a 2016 representa los niveles más bajos respecto al resto de los años considerados. Las va riables [importeoper ] y [valorcuota ] registran niveles de desviación estándar que multi plican por 2 y 8 veces, respectivamente, sus niveles promedio, lo que r esulta indicativo de la importante dispersión de ambas variables en la b ase de datos objeto de estudi o. Por otro lado, los máximos observados por las variables represe ntativas de subsidios [porc_subs_1] y [p orc_subs_2 ] muestran que en a lgunos casos fueron concedidos subsidios equivalentes al 56% y 80%, respectivamente, del total del microcré dito concedido. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 295 Tabla 4.5. Est adísticos des cri pt ivos. Característ icas del m icrocrédito 2012- 2016 Variable Media Mínimo Máximo Desviación Estándar [año_cred] 2012 25.64% 0 1 2013 31.76% 0 1 2014 16.36% 0 1 2015 24.17% 0 1 2016 2.06% 0 1 [importeoper] 12,953.56 500 741,000 24,860.28 [valorcuota] 1,738.47 29.37 370,500 14,770.33 [nrocuota] 13.96 1 18 3.33 [porc_subs_1] 0.18 0 0.56 0.08 [porc_subs_2] 0.32 0 0.8 0.19 [importeapoyo] 26,296.29 2000 754,981 29,600.77 Fuente: elabor ación prop ia A continuación, se conceptualizan e ilustran otros estadísticos descriptivos correspondientes a cada una de las variables independientes incluida s en la categoría “Características del Microcré dito”. 1) [año_cred] - Año de de sembolso del microcrédito. Esta variable se calcula a partir de la fecha de desembolso del microcrédito, disponible en la base de R MSA. La Figura 4.3 ilustra la evolución del im porte del mi crocré dito desembolsado según a ñ o de desembolso en pe sos urugua y os. El mínimo se experimenta en 2013, iniciando a partir de ese momento una tendencia ascendent e con un máx imo en 2015. En relación a la disminución experimentada en 2016, es necesario considerar que la base de datos inclu y e a todos los microcréditos otorgados en el período 2012 -2016 cuyo ca lendario de pagos estuviera finaliz ado a febrero-2017, fecha de corte de nuestro trabajo, lo que implicó no considerar en la b ase a todos aquellos microcréditos con cuotas no vencidas a esa fecha . M ARÍA N ELA S EIJAS G IMÉ NEZ 296 Figura 4.3. Dis tribución de l importe de l microcréd ito [impor teoper ] por a ño de desem bolso [año_cred ] 2012- 2016 Fuente: elabor ación prop ia Lo anterior se verifica en la Tabla 4.6, donde se mu estra la distribución del número de microcréditos por añ o de desembolso. En este sentido, mientras los microcréditos otor gados en cada año en el período 2012-2015 representan entre un 16% y 32% del total, los microcré ditos desembolsados en el año 2016 e in cluidos en la base d e datos representan sólo un 2% del total de microcréditos otorgados en el período 2012-2016. Tabla 4.6. D istribución del número de m icrocréditos o torgados seg ún año de desembolso [año_ cred ] 20 12- 2016 [año_cred] no. de microcrédi tos % en el total 2012 348 25.64 2013 431 31.76 2014 222 16.36 2015 328 24.17 2016 28 2.06 Total 1,357 100 Fuente: elabor ación prop ia 10.000 11.000 12.000 13.000 14.000 15.000 16.000 2012 2013 2014 2015 2016 C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 297 2) [importeoper] - El im porte del micro crédito concedido al emprendedor se establece en todos los casos e n pesos urug ua yos, consignándose en esta variable únicamente el valor del préstamo concedido al emprendedor y qu e está sujeto a cancelación, no incluye ndo los subsidios concedidos, los cuales se comentan en apartados poste riores. C omo se puede comprobar en la Tabla 4.7, se trata de una variable con una media ubicada en torno a los 13,000 pesos urug ua yos ( U$S 454 al 08/01/2018 47 ). Este importe medio se encuentra por debajo de los importes promedio habituales d e microcré ditos concedido s por I MF con fines de lucro. Al respecto, en Diallo (2006) s e uti liza una base de datos de microcréditos con cedidos en Mali con importes promedio de U$S 545.68 , mientras que en Schreiner (1999b ) el importe promedio de los microcréditos concedidos en Bolivia e s de U$S 680. Por su parte, en Lara et al . (2014) se analizan las bases de datos de dos I MF de Perú, considerando importes m edios de microcréditos d e U$S 688.20 y U$S 1,027.50. En Urugua y , Beledo et al . (2007) consideraron cuatro tramos de importes de microcré ditos, d esde los menores de U$S 500 hasta los superiores a U$S 3,000. Kammoun y Triki (2016) reportan importes promedio d e m icrocréditos de U$S 4,60 6.09 en una IMF d e Mali, alcanzando niveles máximos de U$S 32,640. Si se considera la distribución de impa gos según importe de la operac ión, s e constat a que los prestatarios que cumplieron con el p ago de sus cuotas registraban importes significa tivamente superiores en promedio que los que registraron incumplimientos. Este aspecto e s especialmente evidente p ara las definiciones de morosidad relativa s a atrasos de 30 días en al menos una cuota [cuot amas30 ] o bien que registran el im pag o de todo el préstamo o que solamente pagaron una cuota [primeracuotaonada ] (Tabla 4.7 ). 47 Cotización dólar estadounidense-peso u ruguay o interban cario billete al 08/01/2018. Fuente: BCU M ARÍA N ELA S EIJAS G IMÉ NEZ 304 Figura 4.5. Dis tribución de m icrocr éditos seg ún el porcent aje del prim er subsidio sob re el total del a poyo económ ico [ porc_sub s_1 ] 2012- 2016 Fuente: elabor ación prop ia 6) [porc_subs_2] - P orcentaje que representa el segundo subsidio sobre el importe total del apoyo económico concedido al emprendedor. Con una ma y or dispersión c on respecto al pri mer subsidio, el histograma de la Figura 4.6 muestra la distribución en la concesión del segundo subsi dio a los emprendimientos, oscilando entre el 0% y el 80% del importe total del apo yo económi co concedido al emprendedor. Los valor es más frecuentes son, de menor a ma yor, 30%, correspondiente a 230 microc réditos, 45%, a signado a 152 microcré ditos, y 40% y 50%, que fueron concedidos a 111 microcré ditos c ada uno, en el marc o d el PFEP. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 305 Figura 4.6. Dis tribución de m i crocréditos según el p orcenta j e de l segundo subsidio sob re el total del a poyo económ ico [ porc_sub s_2 ] 2012- 2016 Fuente: elabor ación prop ia 7) [importeapoyo] . Cor responde a la suma del im porte del microcré dito y/o del/de los subsidio/ -s concedidos al emprendimiento. El gráfico de dispersión incorporado en la Figura 4.7 muestra l a corre l ación posi tiva entre las variables representa tivas del importe del microcré dito y del importe del total del apo y o económi co conce dido al emprendimiento, lo cual resulta consistente con los objetivos del PFEP. En otras palabras, la vinculación entre l as variables [importeoper ] y [importeapoyo ] muestra que tanto el importe del microcré dito como los subsidios concedidos al emprendimiento ([porc_subs_1 ] y [por c_subs_2 ] ) están alineados al nivel de vulnerabilidades co rrespondiente a los emprendimientos que solicitaron financiamiento al amparo de l PFEP. M ARÍA N ELA S EIJAS G IMÉ NEZ 306 Figura 4.7. Dis persión en tre el importe total del apoyo económ ico [importeapoyo ] y el import e del microcrédi to [impo rteoper ] 2012- 2016 Fuente: elabor ación prop ia 4.5.2.2. Características re lativas a los antecedentes de pag o del emprendedor Se consideró r elevante incluir este tipo de v ariables en el trabajo dado que, en general, han resultado mu y significativas en la literatura previa para ex plicar el i mpago, r esultando ser v ariables con amplio poder predictivo. Por ej emplo, Schreiner (1999b) considera variables re presentativas de la experiencia del cliente para expli car el impago en una base de microcréditos en B olivia, como el número de a trasos anteriore s y l a máx ima duración d el atraso en cré ditos concedidos previamente. Diallo (200 6) considera asimism o el número de créditos [importeope r] C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 307 concedidos ante riormente, así como la cantidad d e créditos ante riores repaga dos. En Ra yo et al . (2010), el número de créditos concedidos en el año anterior resulta ser una variable significativa para explicar el impago a través d e una regresión logística. La Tabla 4.10 in cluye los e stadísticos d escriptivos básicos (media, desviación, máx imo, mínimo) de las variables independientes relativas a los antecedentes de pago del empren dedor. En promedio, cada microcrédito registra aprox imadamente 9.53 cuotas pagadas del microcré dito concedido anteriormente, mientras que, por otro lado, ha registrado el impago de 4.42 cuotas de dicho microcrédito. Por otro lado, los microcréditos de la muestra registran ha sta un máximo de 4 microcré ditos concedidos anter iormente (2 si se considera el año anterior al otorgamiento del mi crocré dito analiz ado ). Finalmente, respec to al último microcrédito concedido, cada emprendimiento registra e n p romedio una tasa de cumplimiento del 92%. Tabla 4.10. Est adísticos descr iptivos de las característi cas relativas a los antecedente s de pago del em prendedor 2012-2016 Variable Media Mínimo Máximo Desviación Estándar [cuotas_pagadas] 9.53 0 18 5.86 [cuotas_moros as] 4.42 0 18 5.68 [cred_ant] 0.16 0 4 0.44 [cred_ult_año] 1.13 0 2 0.34 [porc_ult_cred] 0.92 0 1 0.24 Fuente: elabor ación prop ia A continuación, se conceptualizan e ilustran otros estadísticos descriptivos correspondientes a cada una de las variables independientes incluidas en la categoría “Característi cas relativas a los antece d entes de pago del emprendedor”. 1) [ cuotas_pagadas] - Cuotas totales pa gadas del microcrédito anterior. La Tabla 4.11 ilustra la distribución del número de cuotas pagadas del microcré dito anterior según las cinco defini ciones de morosidad investigada s en el p resente trabajo. C omo cabría esperar a priori, en M ARÍA N ELA S EIJAS G IMÉ NEZ 308 todos los casos una mayor cantidad de c u otas pagadas en el microcré dito anterior está mayormente asociada al grupo de mic rocré ditos ana lizado s que fueron pagados en tiempo y forma. Inversa ment e, a meno r cantidad de cuotas pagadas en el microcrédito anterior, ma yores son los niveles de incu mplimiento de los microcré ditos an alizados. A su vez, el cambio en la distribución entr e pa gos e impagos se verifica para un núm ero diferente de cuotas pagadas en el microcré dito anterior se gún los niveles d e incump limiento asociados a cada d efinición de mo rosidad. En particular, para la definición [primeracuotaonada ] , con un nivel de impa go total del 13%, desd e la tercera cuota pa gada en el microcré dito anterior en adelante se verifica que el número de microcréditos pagos sup era a los morosos. Para [mitad_o_menos ] , con un 34% de morosidad , esta situación s e constata para los microcr éditos que ha yan pagado 7 o más cuotas en el microcré dito anterior. Co n ma y ores niveles totales de incumplimi ento, para ( [promediomas30 ] , 62%) y ( [ cuotamas30 ] , 75%) el cambio de tendencia se realiz a a 12 y 15 cuotas, respectivamente. Finalme nte, la definición con 81% de morosidad total, [promediomas0 ] , reg istra para todas las cantidades d e cuotas pa gada s en el microcrédito anterior un mayor nivel de microcréditos morosos en r elación a aquellos abonados en tiempo y forma. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 309 Tabla 4.11. D istribución de la s cuotas pag adas del mi crocrédito an terior [ cuota s_pagadas ] según defi nición de m orosidad 2012-2016 Nro. [cuotamas 30 ] [mitad_o_menos] [primeracuotaonada ] [promediomas 0] [promediomas 30] Total % 0 1 0 1 0 1 0 1 0 1 1 2 118 0 120 12 108 0 120 1 119 120 1.77% 2 17 71 21 67 24 64 17 71 18 70 88 0.07% 3 1 63 1 63 64 0 0 64 2 62 64 0.07% 5 1 46 1 46 47 0 0 47 1 46 47 0.15% 6 0 46 0 46 46 0 0 46 0 46 46 0.44% 8 3 37 3 37 40 0 2 38 3 37 40 0.15% 9 4 41 5 40 45 0 1 44 4 41 45 0.22% 10 0 30 17 13 30 0 0 30 1 29 30 0.37% 12 3 36 26 13 39 0 3 36 3 36 39 54.16% 14 0 37 29 8 37 0 0 37 2 35 37 0.15% 15 2 23 25 0 25 0 2 23 3 22 25 10.76% 16 2 32 34 0 34 0 1 33 5 29 34 0.15% 18 150 277 424 3 426 1 111 316 251 176 427 31.54% Total 335 1,022 899 458 1,184 173 261 1,096 511 847 1,357 100% Fuente: elabor ación p ropia M ARÍA N ELA S EIJAS G IMÉ NEZ 310 2) [cuotas_m orosas]. Es el número de cuotas totales morosas del microcré dito anterior. La T abla 4.12 ilustra la distribución del número de cuotas morosas del mi crocré dit o anterior según las cinco definiciones de morosidad analizadas. En particular, esta v ariable se encuentra principalmente asociada al g rupo de mi crocréditos que resultaron impagos, consistentemente con lo verificado respecto a las cuotas pagadas e n el microcrédito anterior. Simétricamente a lo comentado para [cuotas_p agadas] , para las definiciones con menores nivele s de morosidad ( [primeracuotaonada ] , [mitad_o_menos ] y [p romediomas30 ] ) se verifica que a menor c antidad de cuotas morosas en el microcrédito anterior, ma yor es la cantidad de microcréditos pagados en ti empo y forma respecto a los morosos. En particular, para [promediomas30 ] , el cambio de dist ribución entre microcréditos pagos e impagos se produce a partir de la primera cuota impaga da e n el microcrédito anterior. En tanto, para [ mitad_o_menos ] y [primeracuotaonada] , con menores niveles de mor osidad, el cambio de te ndencia se produ ce mayormente a partir de la cuota 5 y 11, r espect ivamente. Por otro lado, las definiciones que reg istraron ma yor incumplimiento, [cuotamas30 ] y [promediomas0] , registra ron predominio de microcré ditos morosos para todas las cantidades de cuotas morosas en el microcrédito anter ior. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 311 Tabla 4.12. D istribución de la s cuotas m orosas del m icrocrédito anterior [ cuotas_ morosas] según defi nición de m orosidad 2012-2016 Número [cuotamas30 ] [mitad_o_ menos] [primeracuot aonada ] [promediom as0] [promediom as30] Total % 0 1 0 1 0 1 0 1 0 1 0 321 388 704 5 708 1 251 458 480 229 709 52.25% 1 6 32 35 3 36 2 5 33 15 23 38 2.80% 2 1 30 31 0 31 0 0 31 7 24 31 2.28% 3 0 35 34 1 35 0 0 35 2 33 35 2.58% 4 2 26 28 0 28 0 2 26 2 26 28 2.06% 5 0 32 29 3 31 1 0 32 1 31 32 2.36% 6 0 37 15 22 37 0 0 37 0 37 37 2.73% 7 1 34 18 17 35 0 1 34 1 34 35 2.58% 8 0 36 5 31 35 1 0 36 0 36 36 2.65% 9 0 36 0 36 36 0 0 36 0 36 36 2.65% 10 2 52 0 54 54 0 2 52 2 52 54 3.98% 11 0 48 0 48 13 35 0 48 0 48 48 3.54% 12 2 86 0 88 19 69 0 88 0 88 88 6.48% 13 0 22 0 22 22 0 0 22 0 22 22 1.62% 14 0 30 0 30 20 10 0 30 0 30 30 2.21% 15 0 31 0 31 20 11 0 31 0 31 31 2.28% 16 0 18 0 18 18 0 0 18 1 17 18 1.33% 17 0 18 0 18 0 18 0 18 0 18 18 1.33% 18 0 31 0 31 6 25 0 31 0 31 31 2.28% Total 335 1,022 899 458 1,184 173 261 1,096 511 846 1,357 100% Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 312 3) [cred_ant]. Es el número de microc réditos concedidos con anterioridad al microcrédito analizado por parte del M I DES. La T abla 4.13 muestra la distribución de la variable [cred_ant ] en la base de microcréditos analizada. En pa rticular, se verifica que la mayoría de los microcréditos corresponden a emprendimientos sin historial de crédito anterior, mientras que aproximadamente un 14% de éstos y a habían obt enido de 1 a 4 microcréditos en el pasado. Tabla 4.13. D istribución del núm ero de m icrocréditos conce didos con anterioridad [cre d_ant ] según nro. de créditos [cred_ant] No. créditos % 0 1,177 86.74% 1 151 11.13% 2 24 1.77% 3 4 0.29% 4 1 0.07% Total 1,357 100% Fuente: elabor ación pro pia 4) [cred_ult_año]. Es el número de microcréditos concedidos en el año anter io r al desembolso del microcré dito an alizado. Esta variable r esulta una especificación de la variable [cred_ant ] considerando aquellos empre ndimientos que habían recibido microcré ditos e n el último año de sde la fecha de concesión del microcré dito analizado (Tabla 4.14). Solamente 69 de los 1,357 microcré ditos analizados resultaron adjudicatarios de un microcrédito en el último año, desde 1 microcrédito (87%) y has ta 2 microcréditos (13%). Tabla 4.14. D istribución del núm ero de m icrocréditos conce didos en el último año [cred_ult_año ] según núm ero de m icrocréditos 2012-2016 [cred_ult_año] 2012 2013 2014 2015 2016 2012 - 2016 % 1 20 19 14 7 0 60 86.96% 2 2 4 2 1 0 9 13.04% Total 22 23 16 8 0 69 100% Fuente: elabor ación prop ia 5) [porc_ult_cred] . Es el porcentaje p agado del microcré dito anteriormente conce dido respec to al último analizado. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 313 Así, los datos incluidos en la T abla 4.15 mues tran que para el período 2012-2016 el 88 % de los microcréditos que tenían hist orial de crédito anterior en el PFEP, e sto es, que se les había conce dido financiac ión a trav és de microcréditos, abonaron el tot al de las cuotas en tiempo y forma en el últ imo microcrédito, mientras que el 4% no cumplió con el pago de n inguna de las cuotas pactadas. Si se considera la distribución de [porc_ult_cred ] según año de desembolso, se constat a que e nt re el 87% y el 100% de los microcré ditos concedidos en cada uno d e los años del período 2012 - 2016, con historial anterior en PFEP, registraron el pa go del 100% de las cuotas del microcré di to concedido anteriormente. Tabla 4.15. D istribución del po rcentaje pag ado del m icrocrédito an terior [porc_ult_cr ed] seg ún año de desem bolso [año_cred ] 2012- 2016 Fuente: elabor ación prop ia 4.5.2.3. Características sociode m ográficas del emprendedor La Tabla 4.16 in cluye los e stadísticos d escriptivos básicos (media, desviación, máx imo, mínimo) de las variables independientes repre s entativas de las características sociodemográficas del emprendedor. [porc_ult_cred] (%) 2012 2013 2014 2015 2016 2012 - 2016 % 0 2 3 1 1 0 7 3.89% 6 0 0 1 0 0 1 0.56% 8 1 0 0 0 0 1 0.56% 20 0 0 1 0 0 1 0.56% 24 0 1 0 0 0 1 0.56% 28 0 0 0 1 0 1 0.56% 39 0 0 1 0 0 1 0.56% 42 0 0 0 1 0 1 0.56% 48 0 0 0 1 0 1 0.56% 61 0 1 0 0 0 1 0.56% 75 0 1 2 0 0 3 1.67% 84 1 0 0 1 0 2 1.11% 92 0 0 1 0 0 1 0.56% 100 29 44 49 34 2 158 87.78% Total 33 50 56 39 2 180 100% M ARÍA N ELA S EIJAS G IMÉ NEZ 320 Figura 4.10. P irámide de p oblación de em prendedores 2012-2016 Fuente: elabor ación prop ia 2) [region]. Es la reg ión geográfica a la que corresponde el emprendimiento, en base a su dirección postal. Uruguay está dividido en 19 departa mentos, siendo Mont evideo su capital, la cual se ubica al sur d el país. A efectos de mejora r la interpretación de los result ados, se estimó c onveniente agrupar los departamentos en 6 regiones, de acuerdo con la Tabla 4.19. Esta clasificación, que responde a criterios de prox imidad geográfica, ha sido utilizada asimismo por el M IDE S en sus publicaciones y convocatoria s, por lo que se considera de relevancia mantenerla a efec tos d e este trabajo. Tabla 4.19. Def inición de r egiones geog ráficas Región Departamentos inclui dos Denominación 1 Rivera, Cerro Largo, Tacuarembó Norte 2 Artigas, Salto, Paysandú, Río Negro Litoral Norte 3 Soriano, Colonia, San José Litoral Oeste 4 Montevideo, Canelones Sur 5 Maldonado, Lavalleja, Rocha, Treinta y Tres Este 6 Durazno, Flores, Florida Centro Fuente: elabor ación prop ia C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 321 La distribución geográfica por regiones de los microcréditos concedidos en el período 2012-2016 es expuesta e n la Tabla 4.20. Las regiones que detentan la mayor concentración d e microcréditos son la región Sur y la región Litoral Norte, con 30% y 22%, respectivamente , de los microcré ditos concedidos en el período, lo que coincide con la distribución de la población urugua y a seg ún el último Censo realizado en 2011 ( INE, 2013). A demás, se advierte la alta participación de los microcré ditos correspon dientes a la reg ión Norte, que es una de las menos pobladas. En e ste sentido, de be considerarse que los tres departamentos de esta región se encuentran dentro de los cinco departamentos con mayor porcentaje de la población con al menos una necesidad básica insatisf echa ( INE, 2013) 50 . P or tanto, se evidencia que la distribución de los mi crocré ditos por región se focaliza adicionalmente e n la vul nerabilidad socioeconómica de las mismas. La Tabla 4.20 muestra l a evolución anual y para todo el período de la dist ribución de los mi crocré ditos se gún regiones geográficas. La región Sur registró el predomi nio en la distribución de los créditos en todos los años mientras que la reg ión Centro f ue la que most ró el menor porcentaje de cré ditos en el tot al en todo el período. Por otro lado, la región Litoral Nor te y la región Norte alternaron en el segundo lugar según porcentaje del total del microcrédito. Al respecto, la región L itoral Norte secundó a la región Sur en 2012 y 2015 , mientras que la región Norte se ubicó en el segundo lu gar en 2013, 2014 y 2016 (en este último caso, junto con la región L itoral Oeste). 50 Los otros dos departamentos pertenecen a la región Litoral Norte. M ARÍA N ELA S EIJAS G IMÉ NEZ 322 Tabla 4.20. D istribución a nual de m icr ocréd itos según reg iones geog ráficas [region ] 2012- 2016 Número Microcréditos (% sobre total) Región 2012 - 2016 2016 2015 2014 2013 2012 Norte 263 (19) 5 (18) 51 (16) 50 (23) 107 (25) 50 (14) Litoral Norte 297 (22) 3 (11) 75 (23) 42 (19) 98 (23) 79 (23) Litoral Oeste 138 (10) 5 (18) 41 (13) 24 (11) 24 (6) 44 (13) Sur 398 (29) 11 (39) 89 (27) 83 (37) 113 (26) 102 (29) Este 162 (12) 4 (14) 41 (13) 18 (8) 53 (12) 46 (13) Centro 99 (7) 0 (0) 31 (9) 5 (2) 36 (8) 27 (8) Total 1,357 (100) 28 (100) 328 (100) 222 (100) 431 (100) 348 (100) Fuente: elabor ación prop ia La Tabla 4.21 exhibe el comportamiento de pago de los microcré ditos según región geográfica y considerando las cinco definiciones d e morosidad utilizadas. Atendiendo a la primera definición de morosidad ( [cuotamas30 ] ), la distribución de los impagos por región mue stra que la reg ión con mayor tasa de impago (81%) es la región Centro, que corresponde a la que reg istra una menor frecuencia de mic rocréditos. En el otro ex tremo se encuentra la región Sur, con un 70% de impagos. Ad emás, co nsiderando las otras cuatro definiciones d e m orosidad, se constata qu e la región Norte es la que registra la m a yor tas a de incumplimi ento par a [mitad_o_menos ] , [primeracuotaonada ] y [promediomas0 ] , mientra s que la región Centro lidera además el ranking de im pagos para [promediomas30 ] . Por otro lado, la re gión con mejor comportamiento de p ago es la región Sur ( [c uotamas30] , [promediomas0 ] , [mitad_o_menos ] y [promediomas30 ] ), acompa ñada en los dos últimos casos por la r egión Este, en tanto la región Centro es la que registra el meno r impago en [primeracuotaonada ] . C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 323 T a b l a 4. 2 1 . D i st r i b u c ió n d e m ic r oc r é d i to s s eg ú n re g i o n es g e og rá f i c as [r e g i o n ] y d e f in i c i ó n d e m o r o s i d a d 2 01 2- 20 1 6 Región [cuotamas 30 ] [mitad_o_menos] [primeracuotaonada ] [promediomas 0] [promediomas 30] Total 0 1 0 1 0 1 0 1 0 1 Norte 59 (22) 204 (78) 160 (61) 103 (39) 223 (85) 40 (15) 40 (15) 223 (85) 82 (31) 181 (69) 263 (19) Litoral Norte 66 (22) 231 (78) 196 (66) 101 (34) 259 (87) 38 (13) 48 (16) 249 (84) 102 (34) 195 (66) 297 (22) Litoral Oeste 29 (21) 109 (79) 89 (64) 49 (36) 118 (86) 20 (14) 26 (19) 112 (81) 53 (38) 85 (62) 138 (10) Sur 119 (30) 279 (70) 279 (70) 119 (30) 348 (87) 50 (13) 95 (24) 303 (76) 174 (44) 224 (56) 398 (29) Este 43 (27) 119 (73) 113 (70) 49 (30) 144 (89) 18 (11) 35 (22) 127 (78) 71 (44) 91 (56) 162 (12) Centro 19 (19) 80 (81) 62 (63) 37 (37) 92 (93) 7 (7) 17 (17) 82 (83) 29 (29) 70 (71) 99 (7) Total 335 (25) 1,022 (75) 899 (66) 458 (34) 1,184 (87) 173 (13) 261 (19) 1,096 (81) 511 (38) 846 (62) 1,357 (100) Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 324 4) [sect_act]. Es el s ector de actividad al q ue pertenece el emprendimiento titular del microc rédito. Cada uno de los emprendimientos incorporados en la base de datos incluía información sobre el sec tor de actividad al cual pertenece, para metrizad a en func ión de la Clasificación Industria l Internacional Uniforme (CII U, R ev. 4). La estructura o riginal se distribuía en 21 s ectores o códigos de actividad, que se reagruparon en cuatro sectores (1=Sector primario, 2 =Industria, 3=Comercio, 4=Servicios) para un a mejor manejo e int erpretación en el estudio empírico (Tabla 4.22). La distribución se ctorial de los microcréditos en el período coincide con los tres may ores sectores de actividad – industria, comercio y servicios – a los cuales pertenecen las micro, pequeñas y medianas empresas en el U ruguay (INE, 2013). Según DINAPYME (201 8), las MIPyMEs in cluidas en dichos sectores d e act ividad representan el 94% del total de las empresas uruguayas. La T abla 4.22 muestra la evolución anual de la distribución de los microcré ditos desembolsados se gún sector d e actividad. Solamente e n el año 2012 el sector de Servicios representó el sector de actividad con mayor po rción relativa de microcréditos, liderando el sector Comercio desde el año 2013 en adelante. Por el contr ario, el sector que recibió menor c antidad de microcréditos (anualmente y para l a tot alidad d el período) fue el sector Primario. Tabla 4.22. D istribución de m icrocréditos por sector d e actividad [sect_act ] 2012- 2016 Número Microcréditos (% sobre total) [sect_a ct ] 2012 - 2016 2016 2015 2014 2013 2012 1-Primario 136 (10) 1 (4) 12 (4) 15 (7) 41 (10) 67 (19) 2-Industria 318 (23) 5 (18) 32 (10) 55 (25) 127 (29) 99 (28) 3-Comercio 591 (44) 20 (71) 230 (70) 98 (44) 163 (38) 80 (23) 4-Servicios 312 (23) 2 (7) 54 (16) 54 (24) 100 (23) 102 (29) Total 1,357 (100) 28 (100) 328 (100) 222 (100) 431 (100) 348 (100) Fuente: elabor ación prop ia C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 325 La Tabla 4.23 muestra l a dist ribución de l a mor osidad por sector de actividad. Bajo la definición [cuotamas30 ] , esta es mayormente homogénea, ubicándose el sector industrial con el ma y or por centaje de impago (77%). La ma yor distancia en el comportamiento de pa gos según sector de actividad se observa bajo el criterio [mitad_o_meno s] , donde el sector Comercio observa l a m a y or tasa de impago (38%) y el sector Primario la menor (19%). El secto r Servicios muestra el ma yor nivel de incumplimiento en [primeracuotaonada ] y [promediomas3 0] mientras que el sector I ndustria ocupa esta posición en [promediomas0 ] . Ademá s, el sector P rimario observa la menor tasa de impago de todos los sectores de actividad para la s cinco definiciones de morosidad ana liz adas en el traba jo. M ARÍA N ELA S EIJAS G IMÉNEZ 326 T a b l a 4. 2 3 . D i st r i b u c ió n d e m ic r oc r é d i to s s eg ú n se c t o r e s d e a c t iv i d a d [s e c t_ a c t ] y d e f in i c i ó n d e m o ro s i d ad 2 0 1 2- 2 0 1 6 Región [cuotamas30 ] [mitad_o_ menos] [primeracuot aonada ] [promediom as0] [promediom as30] Total 0 1 0 1 0 1 0 1 0 1 1-Primario 35 (26) 101 (74) 110 (81) 26 (19) 129 (95) 7 (5) 28 (21) 108 (79) 60 (44) 76 (56) 136 (10) 2-Industria 73 (23) 245 (77) 226 (71) 92 (29) 276 (87) 42 (13) 54 (17) 264 (83) 116 (36) 202 (64) 318 (23) 3-Comercio 152 (26) 439 (74) 365 (62) 226 (38) 516 (87) 75 (13) 117 (20) 474 (80) 225 (38) 366 (62) 591 (44) 4-Servicios 75 (24) 237 (76) 198 (63) 114 (37) 263 (84) 49 (16) 62 (20) 250 (80) 110 (35) 202 (65) 312 (23) Total 335 (25) 1,022 (75) 899 (66) 458 (34) 1,184 (87) 173 (13) 261 (19) 1,096 (81) 511 (38) 846 (62) 1,357 (100) Fuente: elabor ación prop ia C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 327 5) [antigüedad] . Es el tiempo medido en años del emprendedor como cliente de microcréditos del MI DES en el marco del PFEP. De acuerdo con los valores medios de la antigüedad (en años) para c ada grupo de mic rocréditos identificados en la Tabla 4.24, se verifica que, respecto a los microcréditos que resultaron pagos en tiempo y forma, sus prestatarios tienen una anti güeda d m a yor en promedio que aque llos c orrespondientes a los microcré ditos morosos. Tabla 4.24. Distribución d e m edia de los años de antigüedad el emprendedor como cliente d el PFEP [ant igüedad ] según def inición de m orosidad 2012- 2016 [cuotama s30] [mitad_o_ menos] [primeracuota onada] [promedio mas0] [promediom as30] Morosidad – No (0) 0.81 0.68 0.65 0.83 0.75 Morosidad – Sí (1) 0.59 0.57 0.55 0.60 0.58 Total 0.64 0.64 0.64 0.64 0.64 Fuente: elabor ación prop ia En términos de la evolución anual de esta variable, la Figura 4.11 permite apre ciar una disminución en el número de microcré ditos cuy os titulares no tienen antecedentes de haber obtenido créditos anteriormente, a la v ez que un incremento en los préstamos de emprendedores que tien en un año de antigüedad. M ARÍA N ELA S EIJAS G IMÉ NEZ 328 Figura 4.11. Di stribución d e antigüedad p or año de des embolso [año_cred ] 2012- 2016 Fuente: elabor ación prop ia 4.5.2.4. Características de l entorno macroeconómico Se consideró que además de las características d el emprendedor, de su ne goc io y de sus antecedentes de pa go, exist en una serie de factores ex ternos que forman parte del entorno macroeconómico del emprendimiento productivo y pu eden afectar el repago de las cuotas del microcrédito en tiempo y forma. A modo de ejemplo, en Ra yo et al . (2010), Cubiles et al . (2013) y Blanc o et al . (2013, 2014) se utilizan variables de esta naturaleza para explicar el impago en una base de mi crocréditos en P erú. Kim y Sohn (201 0) establecen qu e el entorno macroeconómico es un factor crucial que afecta directamente el comportamiento de p agos d e cualquier deudor, inclu y endo varias variables de esta naturaleza en su modelo de credit scoring . La Tabla 4.25 in cluye los e stadísticos d escriptivos básicos (media, desviación, máx imo, mínimo) de las variables independientes repre s entativas de las cara cterísticas del entorno macroec onómico, 0 50 100 150 200 250 300 350 2012 2013 2014 2015 2016 012345678 C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 329 incluidas en el trabajo. La variable más volátil es [var_m_tasainteres ] , y a que pr esenta el ma yor nivel de desviación standard, compatible con un amplio ra ngo d e os cilación de sus valores, e ntre sus niveles máximo y mínimo. Por otro lado, las variables representativas de tarifas, [var_m_luz] y [var_m_agua] , observan niveles míni mos de 0 y la variable que mi de el nivel de e mpleo tiene un valor medio negativo, lo que evidencia la c aída de esta variable en el pe ríodo 2012- 2016. Tabla 4.25. Est adísticos descr iptivos de las característi cas del entorno m acroeconómico (2012- 2016) Variab le Media Mínimo Máximo Desviación Estándar [var_m_ipc] 1.07% -0.43% 3.94% 0.46% [var_m_em pleo] -0.05% -2.48% 2.08% 0.27% [var_m_tasainteres ] 1.43% -18.98% 13.03% 2.60% [var_m_agua] 0.71% 0.00% 1.81% 0.28% [var_m_luz] 0.57% 0.00% 1.94% 0.32% [var_m_salar i os] 0.25% -1.25% 3.14% 0.29% [var_m_pbi] 0.25% -0.51% 6.71% 0.48% Fuente: elabor ación prop ia A continuación, se conceptualizan y describen otros estadísticos corre spondient es a cada una de l as variables inde pendientes incluidas en la ca t egoría “Características del entorno macroeconómico” . 1) [var_m _ipc] . Es la tasa de variación mensualizada del Í ndice de Precios al Consumo dura nte la vigencia del microcrédito. El Í ndice de P recios del Consumo (IPC), calculado y difundido por el INE, es un indi cador agregado que estima la variación mensual de los precios de bienes y servicios qu e consumen los hogares en el Uruguay. A efectos de s u construcción, m ensualmente se utilizan los precios de un conjunto de bienes y servicios seleccionados a partir de la estructu ra d el gasto d e consumo d e los hogares que habitan en l as regiones urb anas d el país. La serie analizada corresponde al IPC ge n eral y su base es diciembre/2010=100. M ARÍA N ELA S EIJAS G IMÉ NEZ 336 período temporal consid erado en esta investigaci ón. Se constata una marcada estacionalidad, con niveles máx imos en el cuarto trimestre de cada año y niveles inferiores en el primer trimestre. En otras palabras, mientras en el p rimer tri mestre anual se verifican ex pansiones de la actividad económica en Uru guay, en el último trimestre se registran reducc ion es en la mis ma. Consi derando información anual, la actividad económica u rugua y a creció en todos l os años del período 2012-2016 a tasas de entre el 0,371% ( 2015 ) al 4,638% anual (2013). Figura 4.17. Ev olución del PBI trimestral. 2012-2016 Fuente: elabor ación prop ia 4.6.A NALISIS DE CORRELACI ONES La s Tablas 4.26 a 4.31 il ustran la correlación bivariada de las variables independientes consideradas en el tra bajo con el impago, según las cinco definiciones de morosidad consid eradas. Así, la Tabla 4.26 r ecoge las co rrelaciones referidas a l as variables representativas de l as cara cterísticas del microcrédito. En particular, se apr ecia q ue en cu atro de las cinco definiciones d e morosidad la corre l ación c on la va riable representativa del año de desembolso del mi crocrédito es significativa, com patible con un nivel C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 337 de confianza del 99%, siendo dable comentar que en la primera, cuarta y quinta definición de morosidad la cor relación es ne gativa, lo que tiene que ver con el desc enso del impago a tr avés del tiempo, mientras que para l a definición de [mitad_o_ menos ] la referida correla ción es significa tiva y positiva. Además, bajo l a prime ra y se gunda definición de morosidad ( [cuotamas30 ] y [mita d_o_menos ] ), la varia ble representativa del importe del microcré dit o resulta significa tiva al 95% y 90% de confianza, respectivamente. En ambos casos se observa un coeficiente de correlación negativo, indicando que a ma y or importe del microcré dito, menor es el impago. Ello está en línea con los resultados obtenidos por Vi ganò (1 993) y Schreiner (1999b) en los m ercados de Burkina Faso y Bolivia. El valor cuota tiene tamb ién una correlación significativa ne gativa con las dos primeras definiciones de morosidad , indicando que, a mayor valor de l a cuota, menor es el impago. Para tres de las definiciones de morosidad utilizadas en esta investigac ión ( [cuotamas30 ] , [mitad_o_menos ] y [promediomas30] ) , la variable representativa del número de cuotas es significativa al 90%, 99% y 90%, resp ectivamente, en todos los casos con signo positivo. En otras palabras, se espera que a ma yor número de cuotas aumente el impago d e la base de datos de microcréditos analizada. Estos resultados están en línea con Yang et al . (2009) y Ra yo et al . (2010), quienes analizaron los mercados de China y Perú. La correlación de la vari able representativa del S ubsidio 1 con la morosidad resulta significativa y positiva en tres de las definiciones de morosidad consideradas ( [cuotamas30] , [mitad_o_menos ] y [promediomas30 ] ), indic ando que a mayor magnitud del subsidio concedido, el impago r esulta may or. Si bien no existe literatura acad émica al respecto, p ues se trata de una variable específica de esta base de da tos, este aspecto podría sugerir q ue la asignac ión d e subsidios a los emprendimientos produc tivos fue correctamente realizada, pues los que recibieron un ma y or apoyo económico er an quienes se encontraba n e n un mayor nivel de vulnerabilidad social. M ARÍA N ELA S EIJAS G IMÉ NEZ 338 La Tabla 4 .2 6 muestra t ambién que la variabl e representativa del Subsidio 2 está positivamente correlacionada con la morosidad para cuatro de las definiciones incluidas en el trabajo ( [c uotamas30 ] , [primeracuotaonada ] , [promediomas30 ] y [promediomas0] ). El signo de dicha correlación es consistente con lo comentado respecto a la variable representativa del Subsidio 1. Por tanto, a ma y ores porcentaje s d el segundo subsi dio en relación al tot al del apoy o económico concedido al emprendedor, el nivel de impa go resulta mayor. Finalmente, la correlación de la variable [impo rteapoyo ] con la morosidad solamente es significativa bajo la definición de [mitad_o_menos ] . Al respecto, cabe comentar que l a vari able repre s entativa d el importe del microcrédito resultó también significa tiva b ajo esta de finición junto a [cuotamas30 ] . El signo de la corre l ación, al igual que lo verificado para [impor teoper ] , es negativo, es decir, a ma y or monto del apo y o económico concedido, menor es el impago para la definición comentada . C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 339 Tabla 4.26. C orrelación de las caracterís ticas del m icrocrédito según de finición d e morosidad [año_cred] [importeoper] [valorcuota] [n rocuota] [porc_subs_1] [porc_subs_2] [importeapoyo] [cuotamas30] -0.1789*** (0.0000) -0.0566** (0.0373) -0.0620** (0.0224) 0.0478* (0.0781) 0.0593** (0.0290) 0.1040*** (0.0001) -0.0381 (0.1606) [mitad_o_menos] 0.1516*** (0.0000) -0.0497* (0.0671) -0.0461* (0.0896) 0.0842*** (0.0019) 0.0900*** (0.0009) 0.0102 (0.7063) -0.0518* (0.0564) [primeracuotaonada ] 0.0070 (0.7957) -0.0373) (0.1697 -0.0242 (0.3731) -0.0311 (0.2521) 0.0437 (0.1077) 0.0488* (0.0722) -0.0406 (0.1347) [promediomas0] -0.1645*** (0.0000) -0.0079 (0.7724) -0.0288) (0.2892) 0.0288 (0.2895) 0.0330 (0.2249) 0.0543** (0.0455) -0.0042 (0.8761) [promediomas30 ] -0.1259*** (0.0000) -0.0372 (0.1705) -0.0399 (0.1419) 0.0484* (0.0747) 0.0836*** (0.0021) 0.0733*** (0.0069) -0.0162 (0.5502) Notas: corresp onde al co eficiente d e correlación de Pearson y su grado de significación estad ística entre paréntesis. (***, ** ;*) significativo al ni vel 1%, 5% y 10 %, respectiva mente. Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 340 La Tabla 4.27 muestra las correlaciones par a las variables repre s entativas de los antecedentes de pag o d el emprendedor. La s variables indicativas de la cantidad de cuotas paga das en el microcré dito concedido previamente [cuotas_ pagadas ] , créditos concedidos anteriorment e [cred ant] y porcentaje de cuotas pactadas que ha ya sido abonado en tiempo y forma del mi crocré dito ant erior [porc_ult_cred ] muestran una correlación negativa con las cinco definiciones de mo rosidad incorporadas. Estos result ados sugieren que a ma yor número de crédi tos concedidos anteriormente y cumplimiento en los mismos, menor será el nivel de impag o. Por el contrario, la variable representativa de las cuotas impaga d as en el microcrédito anter ior muest ra una corre lación positiva con las cinco de finiciones de morosidad, indicando que a mayor número de cuotas impagas en el microcrédito anterior, mayor es el impag o, par a todas las definiciones c onsid eradas. Por último, l a variable [cred_ult_año] no está correlacionada con ninguna de las cinco definic iones de impago conside radas en el trabajo. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 341 Tabla 4.27. C orrelación de los antecedent es de pago d el emprendedor según defin ición de moros idad [cuotas_pagadas] [cuotas_morosas] [cred_ant] [cred_ult_año] [porc_ult_cred] [cuotamas30] -0.3875*** (0.0000) 0.4259*** (0.0000) -0.1003*** (0.0002) -0.0662 (0.5890) -0.2288*** (0.0020) [mitad_o_menos] -0.8207*** (0.0000) 0.8962*** (0.0000) -0.0972*** (0.0003) -0.1687 (0.1659) -0.4140*** (0.0000) [primeracuotaonada ] -0.5931*** (0.0000) 0.5930*** (0.0000) -0.0571** (0.0356) -0.1301 (0.2865) -0.4273*** (0.0000) [promediomas0] -0.3413*** (0.0000) 0.3670*** (0.0000) -0.1128*** (0.0000) -0.1557 (0.2014) -0.2052*** (0.0057) [promediomas30 ] -0.5363*** (0.0000) 0.5812*** (0.0000) -0.0896*** (0.0009) -0.0262 (0.8307) -0.3166*** (0.0000) Notas: corresp onde al co eficiente d e correlación de Pearson y su grado de significación estad ística entre paréntesis. (***, ** ;*) significativo al ni vel 1%, 5% y 10 %, respectiva mente. Fuente: elabor ación p ropia M ARÍA N ELA S EIJAS G IMÉ NEZ 342 La Tabla 4.28 r ecoge la s correlaciones p ara las variables r eferidas a las carac t erísticas del emprendedor. En cuanto a la co rrelación de la variable representativa del sex o del emprendedor con el impago, se constata la si gn ificatividad en tres de las definiciones cons ideradas, [ cuotamas30 ] , [promediomas30] y [primeracuotaonada ] . El signo de la correlación es negativo, lo que se interpreta en rel ación con el menor nivel de im pag o pa ra las mujeres emprendedoras. La correlación d e la edad del emprendedor con el impago resulta negativa en cuatro d e los cinco criterios de morosidad definidos en el trabajo (a ex cepción de [promediomas0 ] ), indicando qu e a ma y or edad del referente d el e mprendimiento, menor re sulta el nivel de impago. A ex cepción d e [cuotamas30] , la variable re gión resulta corre l acionada en for ma significativa y con signo neg ativo con el impago. T ambién, l a variable rep resentativa del sector de actividad está significativa y posi tivamente vinculada con el im pago para l as definiciones [primeracuotaonada] y [mitad_o_ menos ] . A efec tos de una ma y or información, la Tabla 4.29 y 4.30 ex ploran el nivel de corre l ación de cada una de las categorías de la s variables región y sector con el impag o. Por su parte, la variable antigüedad prese nta una correlación negativa para cuatro de las definiciones de morosidad analizadas ([ cuotamas30 ] , [prome diomas30 ] , [pr omediomas0 ] y [mitad_o_menos ] ), indicando que para los emprendimientos titulares de un microcrédito con mayores niveles de antigüedad como clientes del PFEP, el impag o es menor. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 343 Tabla 4.28. C orrelación de las caracterís ticas del em prendedor según d efinición d e m orosidad [tipo_emprended or] [edad_cred] [regio n] [sect_a ct ] [antigüedad] [cuotamas30] -0.0620** (0.0223) -0.0806*** (0.0030) -0.0327 (0.2292) -0.0012 (0.9652) -0.0892*** (0.0010) [mitad_o_menos] -0.0145 (0.5944) -0.0990*** (0.0003) -0.0454* (0.0945) 0.1096*** (0.0001) -0.0466* (0.0863) [primeracuotaonada ] -0.0641** (0.0182) -0.0586** (0.0308) -0.0513* (0.0588) 0.0693** (0.0107) -0.0311 (0.2518) [promediomas0] -0.0325 (0.2317) -0.0291 (0.2833) -0.0607** (0.0253) -0.0113 (0.6783) -0.0877*** (0.0012) [promediomas30 ] -0.0554** (0.0414) -0.0974*** (0.0003) -0.0620** (0.0223) 0.0357 (0.1884) -0.0782*** (0.0040) Notas: corresp onde al co eficiente d e correlación de Pearson y su grado de significación estad ística entre paréntesis. (***, ** ;*) significativo al ni vel 1%, 5% y 10 %, respectiva mente. Fuente: elabor ación pro pia M ARÍA N ELA S EIJAS G IMÉ NEZ 344 Como se indi có, la Tabla 4.29 detalla la corre lación de la variable región, considerando ca da una de las seis regiones definidas, con el impago. A excepción de la región 2 (Litoral Nor te) y d e la 3 (Litoral Oeste), qu e no v erifican ningún nivel de correlación significativa, el resto de variables sí presentan significatividad respecto al impago. El signo de la correlación es diferente según la r egión. Mientras la región Norte pr esenta un a correlación positiva respe cto al impago , las regiones 4 (Sur) y 5 (Este) muestr an un si gno negativo . Tales diferencias pueden ve nir explicadas por el nivel de actividad económica de las regiones geográficas, que propicie mejores – o peores- comportamientos de pago de los emprendimientos. C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 345 Tabla 4.29. Cor relación de cat egorías de [region ] seg ún definición de m orosidad region1 region2 region3 region4 region5 region6 [cuotamas30] 0.0256 (0.3456) 0.0303 (0.2654) 0.0287 (0.2915) -0.0779*** (0.0041) -0.0159 (0.5596) 0.0357 (0.1881) [mitad_o_menos] 0.0561 ** (0.0387) 0.0029 (0.9161) 0.0125 (0.6455) -0.0525* (0.0533) -0.0273 (0.3152) 0.0215 (0.4289) [primeracuotaonada ] 0.0362 (0.1830) 0.0007 (0.9786) 0.0176 (0.5173) -0.0036 (0.8949) -0.0181 (0.5058) -0.0478* (0.0786) [promediomas0] 0.0501* (0.0652) 0.0413 (0.1287) 0.0034 (0.9017) -0.0758*** (0.0052) -0.0222 (0.4149) 0.0147 (0.5891) [promediomas30 ] 0.0656** (0.0157) 0.0362 (0.1827) -0.0052 (0.8482) -0.0806*** (0.0030) -0.0469* (0.0842) 0.0484* (0.0746) Notas: corresp onde al co eficiente d e correlación de Pearso n y su grado d e significación es tadística entre paréntesis. ( ***,** ; *) significativo al ni vel 1%, 5% y 10 %, respectiva mente. Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 352 Tabla 4.34. C omparación d e variables en tre morosos y no m orosos según [promediomas0 ] Moroso Obs. Media t [año_cred] No 261 2013.847 -6.14*** (0.00) Sí 1,096 2013.359 [importeoper] No 261 13353.82 -0.29 (0.77) Sí 1,096 12858.24 [valorcuota] No 261 2609.586 -1.06 (0.29) Sí 1,096 1531.025 [nrocuota] No 261 13.76245 1.06 (0.29) Sí 1,096 14.00547 [porc_subs_1] No 261 .1743295 1.21 (0.22) Sí 1,096 .1810584 [porc_subs_2] No 261 .2990421 2.00** (0.05) Sí 1,096 .324781 [importeapoyo] No 261 26553.22 -0.16 (0.88) Sí 1,096 26235.1 [cuotas_pagadas] No 261 2.904215 -4.54*** (0.00) Sí 1,096 1.421533 [cuotas_moros as] No 261 .0114943 1.86* (0.06) Sí 1,096 .2116788 [cred_ant] No 261 .2605364 -4.18*** (0.00) Sí 1,096 .1341241 [cred_ult_año] No 261 1.2 -1.29 (0.20) Sí 1,096 1.090909 [porc_ult_cred] No 261 .9954545 -2.80*** (0.01) Sí 1,096 .88688 [tipo_emprendedor] No 261 1.651341 -1.20 (0.23) Sí 1,096 1.611314 [edad_cred] No 261 42.9387 -1.07 (0.28) Sí 1,096 42.1396 [regio n] No 261 3.337165 -2.24** (0.02) Sí 1,096 3.09854 [sect_act] No 261 2.816092 -0.41 (0.68) Sí 1,096 2.790146 [antigüedad] No 261 .8314176 -3.24*** (0.00) Si 1,096 .5958029 No ta: est a tab la pr es enta la dif eren ci a de me dí as de las v ari abl es u t ili za das en el an áli si s em pí ri co en tr e in divi du os mor oso s (1) y n o m oros os (0 ). Se u ti liza el es ta dís tic o t par a real iz ar el tes t de igua ld ad de me di as así com o el ind ica dor Pea rs on ch i- cua dra do. En su sel ec ción se ha ten ido en cuen t a la pru eba de Lev en e de ig ual dad de v ari anza s. (** *,* * ;*) sig nif ic at ivo al n ivel 1% , 5% y 10%, res pe ct ivam ent e. Fuente: elabor ación prop ia C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 353 Tabla 4.35. C omparación d e variables en tre morosos y no m orosos según [mitad_o_meno s ] Moroso Obs. Media t [año_cred] No 899 2013.326 5.65*** (0.00) Sí 458 2013.701 [importeoper] No 899 13835.47 -1.83* (0.07) Sí 458 11222.47 [valorcuota] No 899 2224.298 -1.70* (0.09) Sí 458 784.8493 [nrocuota] No 899 13.75862 3.11*** (0.00) Sí 458 14.35153 [porc_subs_1] No 899 .174594 3.33*** (0.00) Sí 458 .1899127 [porc_subs_2] No 899 .318465 0.38 (0.71) Sí 458 .3225109 [importeapoyo] No 899 27390.26 -1.91* (0.06) Sí 458 24148.95 [cuotas_pagadas] No 899 2.174638 -5.10*** (0.00) Sí 458 .7882096 [cuotas_moros as] No 899 .0789766 3.11*** (0.00) Sí 458 .3580786 [cred_ant] No 899 .189099 -3.60*** (0.00) Sí 458 .0982533 [cred_ult_año] No 899 1.155172 -1.40 (0.17) Sí 458 1 [porc_ult_cred] No 899 .9722535 -6.07*** (0.00) Sí 458 .725 [tipo_emprendedor] No 899 1.624027 -0.53 (0.59) Sí 458 1.60917 [edad_cred] No 899 43.05673 -3.66*** (0.00) Sí 458 40.79476 [regio n] No 899 3.194661 -1.67* (0.09) Sí 458 3.045852 [sect_act] No 899 2.724138 4.06*** (0.00) Sí 458 2.934498 [antigüedad] No 899 .676307 -1.72* (0.09) Si 458 .5720524 Nota: esta tabla presen ta la diferencia de medías de las variables utilizadas en el análisis e mpírico entre individuos morosos ( 1) y no moro sos ( 0). Se utiliza el estadístico t par a realizar el test d e igualdad de medias así c omo el indicado r Pea rson chi-cuadrado. E n s u selecc ión se ha te nido en c ue nta la prueba de Levene d e igualdad de varianzas. ( ***,**;*) si gnificativo al ni vel 1%, 5 % y 10 %, respectivamente. Fue nte: elaborac ión prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 354 Tabla 4.36. C omparación d e variables en tre morosos y no m orosos según [primeracuotao nada ] Moroso Obs. Media t [año_cred] No 1,184 2013.449 0.26 (0.80) Sí 173 2013.474 [importeoper] No 1,184 13307.9 -1.37 (0.17) Sí 173 10528.48 [valorcuota] No 1,184 1875.025 -0.89 (0.37) Sí 173 803.9049 [nrocuota] No 1,184 13.99831 -1.15 (0.25) Sí 173 13.68786 [porc_subs_1] No 1,184 .1784206 1.61 (0.11) Sí 173 .1889595 [porc_subs_2] No 1,184 .3163429 1.80* (0.07) Sí 173 .3436994 [importeapoyo] No 1,184 26755.82 -1.50 (0.13) Sí 173 23151.31 [cuotas_pagadas] No 1,184 1.865709 -3.22*** (0.00) Sí 173 .6184971 [cuotas_moros as] No 1,184 .1224662 3.13*** (0.00) Sí 173 .5202312 [cred_ant] No 1,184 .1680743 -2.10** (0.04) Sí 173 .0924855 [cred_ult_año] No 1,184 1.145161 -1.07 (0.29) Sí 173 1 [porc_ult_cred] No 1,184 .9514545 -6.30*** (0.00) Sí 173 .5746667 [tipo_emprendedor] No 1,184 1.630912 -2.36** (0.02) Sí 173 1.537572 [edad_cred] No 1,184 42.53547 -2.16** (0.03) Sí 173 40.63584 [regio n] No 1,184 3.174831 -1.89* (0.06) Sí 173 2.936416 [sect_act] No 1,184 2.771115 2.56*** (0.01) Sí 173 2.959538 [antigüedad] No 1,184 .6537162 -1.15 (0.25) Si 173 .5549133 Nota: esta tabla presen ta la diferencia de medías de las variables utilizadas en el análisis e mpírico entre individuos morosos ( 1) y no moro sos ( 0). Se utiliza el estadístico t par a realizar el test d e igualdad de medias así c omo el indicado r Pea rson chi-cuadrado . E n s u selecc ión se ha te nido en c uenta la prueb a d e Levene de igualdad de varianzas. ( ***,**;*) si gnificativo al ni vel 1%, 5 % y 10 %, respectivamente. Fue nte: elaborac ión prop ia C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 355 Los análisis de diferencias de medias realizados ponen de manifiesto la exist encia de entre ocho a catorc e v ariables significa tivas, de acuerdo a la d efinición de morosidad utiliz ada, potencialmente e x plicativas del nivel de impago. En primer lu ga r, se advierte la r elevancia d e las variables repre s entativas de los antecedentes de pa go del empre ndedor, que salvo una excepción r esultaron significativamente asociadas con la distribución de la carte ra entre pag os e im pagos e n todas las definiciones utilizadas. En particular , la cantidad de cuotas morosas en el microcrédito con cedido anteriormente [cuotas_morosas] resultó asociada en forma positiva con el impago, en los cinco casos analizados. Esto implica que, a ma yor número de cuotas impagas en el microcré dito anterior, may or probabilidad existe que se genere un impago en el m icrocrédito actual (Beledo et al. , 2007; Viganò, 1993; Rayo e t al. , 2010; Cubil es et al. , 2013; Blanco et al. , 2013, 2014). La s cuotas pagadas con anterioridad al microcrédito [cuotas_pagadas ] observan una relación negativa con la distribución entre pagos e impagos, lo cual está en lí nea con la literatura relacionada (Ray o et al ., 2010). Los créditos concedidos con anterioridad [cred_ant] observa n una relación ne gativa con la distribución entre p agos e impagos, lo cu al es consistente con la literatura revisada. En particular, Ra yo et al . (2010) y Blanco et al . (2013) enc u entran una relación nega tiva entre el impago y el número de microcréditos concedidos en el último año para una IMF de Perú. La variable repr esentativa de la cantidad de microcréditos concedidos e n el último año anterior a la concesión del préstamo analizado [cred_ult_año ] en tanto no result ó significativa para ninguna de las definic ion es de morosidad consideradas. Asimismo, la proporción pagada d el últ imo préstamo [porc_ult_cred ] también está relac ion ada con la distribución de los créditos se gún su morosidad, observando un signo negativo con la probabilidad del impago. Según nuestro conoci miento, esta variable no se había incluido anteriormente e n la literatura revisada. M ARÍA N ELA S EIJAS G IMÉ NEZ 356 A continuac ión, se analiz a la significatividad de las variables relacionadas con el emprendedor y su negocio. En general, el gé nero del emprendedor [tipo_emprendedor] resultó asociado en for ma negativa con el impag o ( [cuotamas30 ] , [promediomas30 ] y [pri meracuotaonada ] . Dichos resultados indi can que ex iste un ma y or porcentaje de hombr es no pagadores que muje res que generan impag os (Diallo, 2006; Rayo et al. , 2010; Schreiner, 1999b; Viganò, 1993; Dinh y Kleime i er, 2007, entre otros). En cuanto a l a correlación con el impago de la edad del emprendedor en el momento de conce sió n del microcré dito [edad_cred ] , con la ex cepción de [promediomas0] , se puede confirmar una alta significatividad de la mi sma, mostrando que a mayor edad de los emprendedores, h abrá una menor probabilidad de impago de su microcrédito. Estos resultados son clásicos en la literatura académica, como lo documentaron S chreiner , 1999b; Viga nò, 1993 y Ra y o et al. , 2010, entre otros. En términos globales, los tests de diferencia de medias confirman asimismo la significatividad de [antiguedad ] para ex plicar el impago. En particular, la antigüedad del emprendedor c omo cliente de microcré ditos del P FEP resultó una variable pr esente en los análisis realizados a todas las definiciones – a excepción de [primeracuotaonada ] -, reg istrando una asociación de tipo negativa con el impago. Este resu ltado también está pres ente en Beledo et al. , 2007, que realiza un análisis de credit scori ng sobre un a IMF uruguaya. La variable representativa del sector de actividad del emprendimiento [sect_act ] resultó asociada en forma positiva con e l impago en las definiciones [mitad_o_menos ] y [ primeracuotaonad a ] , los dos criterios de morosidad que resultan más s everos de entre todas las definiciones consideradas. Dada la definición de la variable, que considera al sector prima rio como cate goría de b ase o de control, cabe señalar que el hecho d e que el sector de actividad sea industrial, comercial o de servicios, aumenta la proba bili dad de impago con respec to al sector primario. La significatividad d el sector de actividad C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 357 para explicar el impa go también está present e en Viganò, 1993 ; Bensic et al. , 2005 y Römer y Mußhoff, 2017, entre otros. Finalmente, la variable repre sentativa de la región geográfica donde se ubica el emprendimiento [region ] resultó asociada en forma negativa con el impago, con la s ola ex cepción de [cuotamas30 ] . En este caso, la región de control es la re gión No rte, una de las más pobres del país, lo que implica que la ubicación del emprendimiento en alguna otra de las cinco regiones del país dismi nuye la probabilidad de impago que con r especto a la región Nort e. Si bien estas variables están definidas d e fo rma difer ente en la literatura revisada, cabe señalar qu e la región es una variable si gnificativa para ex plicar el impago en Vo gelgesang, 2003; Ra y o et al. , 2010; Cubiles et al. , 2 013; Blanco et al. , 2013, 2014 y Kammoun y Triki, 2016. Con respecto a las variables representativas de las características del microcrédito, el año de desembolso [año_cred ] resultó negativamente asociado a la distribución entr e créditos pagos e impagos bajo [cuotamas30 ] , [promediomas30 ] y [promediomas 0 ] . Así, se confirma un a me nor probabilidad d e impa go con el paso d e los años, para las definiciones más leves de morosi dad, en línea con la perspec tiva de disminuci ón del impago con el paso del tiempo, a part ir de la realización d e la gestión de cobranza po r parte de RMSA. En relación a las definiciones estructurales de morosi dad, resulta asociada en forma positiva con [mitad_o_menos ] , lo cual im plica que en este caso la prob abilidad de impago se ha incrementa do con el p aso del tiempo. En relac ión con el importe de la operación [importeoper ] , a mayor cua ntía del prés tamo, menor es la probabilidad de que el crédito se convie rta en impago. Estos hallazgos, que se verifican para [cuotamas30 ] y [mitad_ o_menos ] están en lí nea con lo fo rmulado por Viga nò (1993) y Ra y o et al . (2010) para IMFs de Burkina Faso y Perú, respectivamente . En términos ge n erales, el número de cuotas [nrocuota] resultó significa tivam ente asociado con la distribución de impa gos, registrándose un si gno positivo del indicador correspondiente. Esto también forma parte de los resultados de la literatura (Ra yo et al ., M ARÍA N ELA S EIJAS G IMÉ NEZ 358 2010; Yang et al ., 2009) y coindice con la evolución del impago según número de cuotas (Tabla 4.9). El valor de la cuota [valorcuota ] resulta asociado negativamente con el impa go si s e consideran las definiciones [cuotamas30 ] y [mitad_o_menos ] . Esto implica que a ma y or val or de la cuota existe una menor probabilidad de que el microcr édito e ntre en im pago. Según nuestro conocimiento, esta variable no ha sido incluida en estudios anteriores de credit scoring sobre IMFs. En términos globales, las va riables representativas de los subsidios concedidos a los emprende dores en e l mar co del PFEP ( [porc_subs_1 ] y [porc_subs_2 ] ) reg istraron una a sociación significa tivam ente posi tiva c on el impago para todos los criterios considerados, r esultando significa tivas en ocasiones las variables repre s entativas de los dos subsidios ( [cuotamas30 ] , [promediomas30 ] ) y en otros, solo una de ellas ( [promediomas 0 ] , [mitad_o_menos ] , [primerac uotaonada] ). Estos re sultados podrían indicar la exist encia de i ncentivos negativos al pago correspondiente, dado que, en los casos señalados, a ma yor porcentaje del subsidio concedido, may or es la p robabilidad de impago. Finalmente, se verificó asimismo una asociación negativa entre el importe total del apo yo [importeapoyo ] y la distribución de los microcré ditos entre p agos e impagos para [mitad_ o_menos ] , habiendo resultado no significativa para el resto d e los criterios de morosidad analizados. 4.8. M APEO DE LAS POTENCIA LES REL ACIONES ENTRE MOROSIDAD Y VARIAB LES INDEPEND IENTES : C ONCLUSIONES Finalmente y a modo de conc lusión del análisis estadístico - descriptivo realizado, la Tabla 4.37 proporciona un resumen es tableciendo la existencia o no de correlac ión e ntre cada una de las variables independi entes con los cinco criterios de morosidad analizados en el trabajo, e informando sobre el signo de dicha corre l ación y su grado de significatividad. Se observa que, a d iferencia de [cred_ult_año ] , [region2 ] y [r egion3 ] , todas las variables C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 359 independientes detentan corre l ación con las variables dependientes del modelo. Se destaca especialmente el caso de [cuotas_pagadas ] , [cuotas_morosas ] , [c red_ant ] y [porc_ult_cred ] , que revisten una corre l ación significativa con cada uno de los criterios de morosidad evaluados en el traba jo. M ARÍA N ELA S EIJAS G IMÉNEZ 360 Tabla 4.37. R esumen estud io estadístico- descriptivo Variables independientes Variables dependientes ¿Existe relación? [cuotamas30] [mitad_o_menos] [primeracuotaonada ] [promediomas0] [promediomas30 ] [año_cred] - *** + *** NO - *** - *** SI [importeoper] - ** - * NO NO NO SI [valorcuota] + ** + * NO NO NO SI [nrocuota] + * + ** NO NO + * SI [porc_subs_1] + ** + *** NO NO + *** SI [porc_subs_2] + *** NO + * + ** + *** SI [importeapoyo] NO + * NO NO NO SI [cuotas_pagadas] - *** - *** - *** - *** - *** SI [cuotas_moros as] + *** + *** + *** + *** + *** SI [cred_ant] - *** - *** - ** - *** - *** SI [cred_ult_año] NO NO NO NO NO NO [porc_ult_cred] - *** - *** - *** - *** - *** SI [tipo_emprendedor] - ** NO - ** NO - ** SI [edad_cred] - *** - *** - ** NO - *** SI [region] NO - * - * - * - ** SI [region1] NO + ** NO + *** + ** SI [region2] NO NO NO NO NO NO [region3] NO NO NO NO NO NO [region4] - *** - * NO - *** - *** SI [region5] NO NO NO NO - * SI [region6] NO NO - * NO - * SI C A PÍTU L O 4 – M UE ST RE O Y A N ÁL ISI S D ES CR IPT IV O 361 Variables independientes Variables dependientes ¿Existe relación? [cuotamas30] [mitad_o_menos] [primeracuotaonada ] [promediomas0] [promediomas30 ] [sect_act] NO + *** + ** NO NO SI [Primario] NO - *** - *** NO NO SI [Industria] NO - ** NO NO NO SI [Comercio] NO + *** NO NO NO SI [Servicios] NO NO + * NO NO SI [antigüedad] - *** - * NO - *** - *** SI [var_m_ipc] - *** NO - ** - *** - ** SI [var_m_salar i os] NO - * NO NO NO SI [var_m_ tasainter es] + *** NO NO + *** + *** SI [var_m_ empleo ] + *** NO NO + *** + *** SI [var_m_ luz] + *** - * NO + *** + ** SI [var_m_ agua] + *** NO NO + *** + *** SI [var_m_ pbi] NO NO NO - ** NO SI Notas: - = Co rrelación ne gativa y significati va. + = Corr elació n po sitiva y si gnificativa. NO = no se enco ntró relación. SI = existe al gún tipo d e r elación para uno o todo s los cr iterios de morosidad analizado s. ( ***,**;*) significati vo al nivel 1 %, 5 % y 10%, resp ectivamente. Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 368 Tabla 5.1. Desc ripción de variables depend ientes Nombre Definición Referencias [cuotamas30] (1 =Mi crocrédito que registró el pago de al menos una cuota con retraso de 30 días o más; 0=en el caso contrario) Dellien y Schreiner (2005); Diallo, B. (2006); Lara et al . (2011); Rayo et al . (2010) [mitad_o_menos] (1 =Mi crocrédito que sólo registró el pago de la mitad de las cuotas pactadas del préstamo o menos ; 0=en el caso contrario) --- [primeracuotaonada ] (1 =Mi crocrédito respecto al cual solam ente se pagó la primera cuota o ninguna; 0=en el caso contrario ) --- [promediomas0] (1 =Mi crocrédito en el que el promedio de los días de atraso en el pago es mayor que cero; 0=en el caso contrario) --- [promediomas30 ] (1 =Mi crocrédito en el que el promedio de los días de atraso en el pago asciende a 30 días o más ; 0=en el caso contrario) --- Fuente: elabor ación prop ia Por su parte, las Tablas 5 .2, 5.3, 5.4 y 5.5 especifican las variables independientes utilizadas, así como el signo esperado de su relación con la probabilidad de incumplimiento o mora en la devolución del microcré dito, teniendo en cuenta la li teratura previa y l as caracter ísticas del P FEP urug ua yo. La s variables independientes indicativas de l as c aracter ísticas del microcré dito s e indican en la Tabla 5.2 y están presentes en gran parte de la literatura revisada (Römer y Mußhoff, 2017 ; Kammoun y Triki , 2016; Baklouti, 2014; Blanco et al ., 2013, 2014; C ubiles et al ., 2013; Kinda y Achonu, 2012; Rayo et al ., 2010; Beledo et al ., 2007 ; Bensic et al ., 2005; S chreiner , 2004a; Vogelgesang, 20 03; V iganò, 1993). Ahora bien, hasta donde nosotros sabemos, los estudios previamente revisados no tuvieron en cuenta variables como el valor de la cuota mensual del microcréd ito, lo cual constituye una contribución adicional de este trab ajo. Asimismo, se incluy en en los modelos binarios las v ariables representativas d el po rcentaje que rep resentan los subsidios en el apo yo económico concedido al emprendedor y el C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 369 importe de dicho apo yo económico, las cua les son ca racterísticas específicas de esta base de datos, representativa del viejo para di gma de las mic rofinanzas, po r lo cual reviste un a esp ecial relevancia para caracter izar el riesgo de crédito en este tipo de I M Fs. Tabla 5.2. De scripción de variables inde pendientes. Característ icas del m icrocr édito Nombre Definición Signo esperado Referencias [año_cred] Año de desembolso del microcr éd ito (-) Schreiner (2004a ); Beledo et al . ( 2007) [importeope r] Importe del microcrédito concedido en pesos uruguayos (+) Baklouti (2014); Viganò (1993); Rayo et al . (2010); Schreiner (2004a); Bensic et al . (2005); Vogelgesang (2003); Cubiles et al . (2013); Kammoun y Triki (2016); Beledo et al . (2007); Kinda y Achonu (2012); Blanco et al . (2013, 2014) [valorcuota] Valor de la cuota mensual del microcr éd ito en pesos uruguayos (+) --- [nrocuota] Número de cuotas mensuales del microcrédito (-) Beledo et al . ( 2007); Rayo et al . (2010); Bensic et al . (2005); Cubiles et al . (2013); Kinda y Achonu (2012); Blanco et al . (2013, 2014); Römer y Mußhoff (2017) [porc_subs_1 ] Porcentaje que representa el primer subsidio sobre el importe total del apoyo económico concedido al emprendedor (-) --- [porc_subs_2 ] Porcentaje que representa el segundo subsidio sobre el importe total del apoyo económico concedido al emprendedor (-) --- [importeapo yo] Suma del importe del microcr éd ito y del/los subsidio/s que correspondan (+) --- M ARÍA N ELA S EIJAS G IMÉ NEZ 370 Fuente: elabor ación prop ia El grupo de variables relacionadas con el historial de pagos del emprendedor se compiló considerando la base de datos de MIDES para el pe ríodo 2006 -2012, con el fin de det erminar los clientes a los que se otor garon mi crocréditos antes del período de análisis de est e trabajo. De acuerdo con la litera tura previa, e sta información se considera si gnifica tiva para e x plicar la probabilidad de incumplimientos en una IMF (Kammoun y Triki, 2016; Baklouti, 2014; Blanco et al ., 2013, 2014; C ubiles et al ., 2013; Kinda y Achonu, 2012; Rayo et al ., 2010 ; Beledo et al ., 2007; Viganò, 1993 ). Se gún nuestro conocimiento, la literatura académica no ha incluido en las investigac ion es revisadas una variable representativa del porcentaje pagado d el microcrédito inmediatamente ant erior al que s e evalúa, lo que se considera otra de l as aportaciones de este estudio. Tabla 5.3. De scripción de variables inde pendientes. C aracterísticas re lativas a los antece dentes de pag o del emprend edor Nombre Definición Signo esperado Referencias [cuotas_pagadas] Cuotas totales pagadas del microcrédito anterior (-) Cubiles et al . ( 2013); Blanco et al . (2013, 2014); Rayo et al . (2010) [cuotas_moros as] Cuotas totales morosas del microcrédito anterior (+) Beledo et al . ( 2007); Viganò (1993); Rayo et al . (2010); Baklouti (2014); Cubiles et al . (2013); Blanco et al . (2013, 2014) [cred_ant] Número de microcréditos concedidos con anterioridad al microcr éd ito analizado por parte del MIDES (-) Kammoun y Triki (2016); Baklouti (2014); Kinda y Achonu (2012); Rayo et al . ( 2010); Cubiles et al . (2013); Blanco et al . (2013, 2014) [cred_ult_año] Número de microcréditos concedidos en el último año anterior al desembolso del microcr éd ito analizado. (-) Cubiles et al . ( 2013); Blanco et al . (2013, 2014); Rayo et al . (2010) [porc_ult_cred] Porcentaje pagado del microcr éd ito anterior (-) --- Fuente: elabor ación prop ia C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 371 La s ca racterísticas del emprendedor titular del microcré dito otorga do po r la IMF pro veen de varias variables ex plicativas a incluir en los modelos y resultan de las variables más populares en l a revisión literaria realizada (A youche et al ., 2017; Römer y Mußho ff, 2017; Kammoun y Triki, 2016 ; Baklouti, 2014); Blanc o et al ., 2013, 2014 ; Cubiles et al ., 2013); Kinda y A chonu, 2012; Rayo et al ., 2010; Beledo et al ., 2007; Bensic et al ., 2005; Schreiner, 2004a; Vogelgesang, 2003; Viganò, 1993 ). Tabla 5.4. De scripción de variables inde pendientes. Característ icas del emprendedor Nombre Definición Signo esperado Referencias [tipo_empr endedor] Sexo del emprendedor (1= Hombre; 2= Mujer) (+) Viganò (1993); Ayouche et al . (2017); Kammoun y Triki (2016); Beledo et al . (2007); Rayo et al . ( 2010); Baklouti (2014); Kinda y Achonu (2012); Vogelgesang (2003); Schreiner ( 2004a ); Cubiles et al . ( 2013); Römer y Mußhoff (2017); Blanco et al . ( 2013, 2014 ) [edad_cred ] Edad del prestatario al momento de concesión del microcrédito (-) Kinda y Achonu (2012); Römer y Mußhoff (2017); Rayo et al . (2010); Bensic et al . (2005); Baklouti (2014); Ayouche et al . (2017); Kammoun y Triki (2016); Cubiles et al . (2013); Beledo et al . ( 2007); Blanco et al . (2013, 2014) [region] Región geográfica del emprendimiento (1= Norte, 2= Litoral Norte, 3= Litoral Oeste, 4= Sur, 5= Este, 6= Centro) (+)/(-) Rayo et al . (2010); Kammoun y Triki (2016); Cubiles et al . (2013); B ensic et al . ( 2005); Vogelgesang (2003 ); Beledo et al . (2007); Blanco et al . ( 20 13, 2014) [sect_act] Sector de actividad al que pertenece el emprendimiento (1=Sector primario, 2=Industria, 3=Comercio, 4=Servicios) (+)/(-) Viganò (1993); Bensic et al . (2005); Cubiles et al . ( 2013); Kammoun y Triki (2016); Schreiner (2004a); Beledo et al . ( 2007); Baklouti (2014 ); Ayouche et al . (2017); Vogelgesang (2003); Blanco et al . (2013 , 2014): R ömer y Mußhoff (2017) [antigüeda d] Antigüedad del emprendedor como cliente del PFEP en años (-) Beledo et al . ( 2007); Rayo et al . (2010); Cubiles et al . (2013); B lanco et al . ( 2013, 2014 ) Fuente: elabor ación prop ia M ARÍA N ELA S EIJAS G IMÉ NEZ 372 El trabajo también inclu y e un conjunto de variables macroeconómicas y a que la consideración del ciclo económico s e estima de relevancia en los modelos a fin de explicar los determinantes de la prob abilidad de incumplimiento. En este sentido, Mester (1997) señala como una de las limitaciones de los modelos de credit scoring el que no se consideren va riables r epresentativas de los ciclos económicos alcistas y b ajistas. En todos los casos, se calculó la variación mensual prom edio de ca da indicador, de acue rdo con e l período de cada pr éstamo. En particular, l a evolución de la tasa de interés [var_m_tasainteres ] para los microcréditos es considerada en los modelos puesto que afecta al niv el de competitivi dad del mercado de microcréditos. Otra de las v ariables in cluidas tiene que v er con la dinámica del empleo [va r_m_empleo ] , dado que una ma yor of erta de trabajo puede tener un efe cto disuasorio sobre las MYPES para continuar con sus emprendimientos y , a su vez, dejar d e pagar los microcré ditos contraídos. En la misma línea, el nive l de los salarios [var_m_salarios ] puede convertirse en un a motivación adicional para que los empresarios abandonen sus emprendimientos y también el pag o de los microcréditos concedidos. Finalmente, el conjunto propuesto de v ariables considera la evolución del PBI [var_m_pbi] , como un indicador del estado de la economía, que puede ser identificado adicionalmente como un factor que mot iva (o disuade) a los emprendimientos. L as citadas variables s e inclu y en en la Tabla 5.5 y también son conside radas por la li teratura como factor ex plicativo del riesgo de crédito en I M Fs ( Blanco et al ., 2013, 2014; Cubiles et al ., 2013; Ra y o et al ., 2010; Beledo et al ., 2007; Vogelgesang, 2003). De acuerdo con la literatura r evisada, la variable indicativa de l a variación de los salarios en el período del microcrédito no ha sido incluida en estudios pr evios, lo cual, dada su po tencial rel evancia en relación a l desarrollo d el e mprendedurismo en Ur ugua y , se se ñ ala como una aportación de esta investigac ión. C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 373 Tabla 5.5. De scripción de variables inde pendientes. Variables d el entorno m acroeconómico Nombre Definición Signo esperado Referencias [var_m_ipc] Variación mensualizada del Índice de Precios al Consumo (IPC) en el período de repago del microcr éd ito. Fuente: Instituto Nacional de Estadística (+) Cubiles et al . (2013); Blanco et al . (2013, 2014); Rayo et al . ( 2010) [var_m_sala rios] Variación mensualizada del Índice Medio de Salarios en el período de repago del microcrédito. Fuente: Instituto Nacional de Estadísti ca (+) --- [var_m_tasai nteres] Variación mensualizada de la tasa media de interés vigente para los préstamos en efectivo a microempresas en el período de repago del microcrédito. Fuente: Banco Central del Uruguay (+) Cubiles et al . (2013); Rayo et al . (2010); Blanco et al . (2013, 2014) [var_m_em p leo] Variación mensualizada del Índice de Empleo en el período de repago del microcrédito. Fuente: Instituto Nacional de Estadís tica (+) Cubiles et al . (2013); Rayo et al . (2010); Blanco et al . (2013, 2014) [var_m_luz] Variación mensualizada de la tarifa de electricidad en el período de repago del microcr éd ito. Fuente: Instituto Nacional de Estadística (+) Cubiles et al . (2013); Rayo et al . (2010); Blanco et al . (2013, 2014) [var_m_agua ] Variación mensualizada de la tarifa del agua en el período de repago del microcrédito. Fuente: Instituto Nacional de Estadís tica (+) Cubiles et al . (2013); Rayo et al . (2010); Blanco et al . (2013, 2014) [var_m_pbi] Variación mensualizada del Producto Bruto Interno (PBI) en el período de repago del microcr éd ito Fuente: Banco Central del Uruguay (+) Cubiles et al . (2013); Rayo et al . (2010); Blanco et al . (2013, 2014); Vogelgesang (2003); Beledo et al . (2007) Fuente: elabor ación pro pia M ARÍA N ELA S EIJAS G IMÉ NEZ 374 5.2.2. Especificación del modelo A efectos del estudio empírico de este capítulo, l a muestra de 1,357 mi crocré ditos se divide en dos subm uestras, una de estimación del puntaje y otra d e validación o prueba. Este p roceso d e des arrollo de puntaje en una submuestra y prueba en otra submuestra se realizó diez veces. De acuerdo con Louzada et al . (201 6), este es uno d e los métodos de validación m ás comunes, siendo utili zado en Kim y Sohn (2010), Cubiles et al . (2013), Blanco et al . (2013, 2014) y De Cnudde et al . (2015), entre otro s. El criterio de divisió n en subm uestras es aleatorio, no temporal. En este sentido, el criterio temporal para dividir la muestra no siempre es el mejor, ya que ex ige del cumplimiento de ciertos supuestos (por ejemplo, el bal ance de la muestra -ver Tabla 5.4) que, en este caso, no se cumplen. En este capítulo, la metodología consiste en la aplicación de modelos logit y probit para identificar los determinantes d e la probabilidad de incumplimiento. Para estimar ambos modelo s, las variables de entrada se seleccionaron según el método stepwi se . Este método de s elección de variables independi entes significativas, que consiste e n la incorporación o el re tiro sec uencial de variables a efec tos de max imiz ar la precisión predictiva del modelo, es descripto en Hand y Henley (1997) y es utilizado, a modo de ejemplo, en Dinh y Kleimeier (2007), Kim y S ohn (2010) y Römer y Mußhoff (2017). Los modelos lo git y pr obit se introdujeron y a en el Capítulo 2 como metodologías estadísticas paramétricas no lineales que permiten estimar una variable dep endiente binaria o binomial. A su ve z, en el Capítulo 3 se d etallan l os estudios académicos previos que uti lizan ambos tipos de modelos para evaluar el riesgo de crédito en una IMF. En particular, el modelo de regresión de variabl e cualitativa logit se formula a c ontinuación (Wooldridge, 2003): 𝑃 ( 𝑦 𝑖 = 1 ∕ 𝑥 ) = 𝐺 ( 𝛽 0 + 𝛽 1 𝑥 1 + ⋯ + 𝛽 𝑘 𝑥 𝑘 ) = 𝐺 ( 𝛽 0 + 𝑥 𝑖 𝛽 )            x G x x G x y P k k        0 1 1 0 ... . 1 , Donde, C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 375 y =variable dependiente binaria que toma los valores “1”=que el prestatario no pague el préstamo y “0”=que el prestatario pague en tiempo y for m a. x =conjunto de variables explicativas o independiente s (x 1 ….x k ). β 0 =coefic iente que indi ca el cambio en y cuand o todas las variables independientes son cero. β 1 …. β k =coe ficientes que indican el cambio en y ante el cambio en cada una de las variables independientes x 1 ……x k , manteniendo e l resto de los factores fijos. G = función que solamente toma valores entre 0 y 1. i =observaciones de l mod elo, i=1,2…..,n . Asimismo, también se estiman modelos de e lección binaria probit, que se diferencian del modelo logit en su función de densidad y de distribución acumulada, que se indic an a continuación (Wooldridge, 2003):       dv v z z G z              2 e x p 2 2 2 1 z z      Donde, G=función de distribución acumulada de una variable aleatoria normal estandarizada, que toma valores comprendidos en tre 0 y 1 para todos los números reales z. ∅(𝑧) =función de densidad de una variable aleatoria normal estandarizada. 5.3.A NÁLISIS UNIV ARIANTE Esta sección presenta las estadísticas descriptivas básicas d e cada variable d ependiente y las independiente s s eleccionadas se gún e l método stepwise en la Tabla 5.6. M ARÍA N ELA S EIJAS G IMÉ NEZ 376 Como muestra la citada Tabla, para cada definición de morosidad, la muestra es desbalanceada, con un a gra n asime tría entre el número de morosos y no morosos. L os c lientes incluidos en la primera definición de préstamos morosos [cuotamas30] supera n a los que no informaron r etrasos en una proporción de 3 a 1. E sta relación aumenta a 4 a 1 si se conside ran los clientes que registra ron un promedio positivo de atrasos en sus pagos [promediomas0] . Por otro lado, si los clientes re gistran atrasos de más de 30 días en promedio [promediomas30 ] , la relación disminu y e a 2 a 1. Para las dos últimas definiciones de morosidad ( [mitad_o_menos ] y [primeracuotaonada ] ), los clientes sin atr asos s uperan con cre ces a los clientes que incurrieron en incumplimientos, considerando si pagaron la mitad del pré stamo o menos (2 a 1) o que sólo pagaron la primera c uot a o nada (7 a 1). De acuerdo con lo in dicado en la Tabla 5.1, en D ellien y Schreiner (2005), Diallo (2006), Lara et al . ( 2011) y Ra y o et al . (2010) se utiliz a la misma definición que se rep resenta en [cuotamas30 ] . Al respecto, cabe indicar que en Lara et al . (2011) y Rayo e t al . (2010) se utiliz an muestra s balanceadas, e n Dellien y Schreiner (2005 ) no se dispone de información sobre la distribución de impag os, mi entras en Diallo (2006) el porcentaje de impagos de una I M F de Malí correspondió al 34%. En consecuencia, si bien en todos estos antecedentes se utiliza el mismo criterio de morosidad que en el presente trabajo, por las razones expu estas los resultados obtenidos no son estrictamente comparables. Una definición de morosidad similar, consistente en el atraso d e 45 o más días en al me nos una cuota d el présta mo, es utilizada por Beledo et al . (2007), obteniendo un 57% de microcréditos impagos en el total. Este último caso, correspondiente a una IMF urugua y a, resulta más comparable con los resultados obtenidos en la presente investigac ión bajo [cuotamas30] , si bien los impag os son ma yores en términos relativos, lo que ti ene que ver con la mayor vulne rabilidad socioeconómica de los clientes d e microcré dit os de PFEP. En particular, de acuerdo con lo indicado en la Tabla 4.4 y la Figura 4.2, se constató en términos generales la disminución de la morosidad con el paso del tiempo. En e ste punto, para el año 2016 los impagos bajo C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 377 la primera definición d e mor osidad representaron el 43%, en línea con los resultados de Beledo et al . (2007). El resto de definiciones de morosidad utilizadas en l a presente inv estigación no resultan in cluidas en la literatura previa y caracterizan específicamente a la población de microcré ditos bajo estudio. En particular, hasta donde ll ega nu estro conocimiento, una conceptualización tan amplia de la variable dependiente no ha sido utilizada en investig acione s previas. La Tabla 5.6 muestra el análisis descriptivo de las variables independientes diferenciando entre morosos y no morosos. El importe del microcrédito otor gado al empresario [importe oper ] se establece en todos los casos en pes os urugua yos, registrando s olo el valor del préstamo otor gado al em prendedor y sujeto a cancelación, sin incluir los subsidios otorgados. Los resultados muestran que, en ge neral, es una variable con una g ran dispersión, correspondiendo un ma y or importe para los de udores no morosos. En otra s palabras, si se co nsidera la distribución de incumplimientos de acuerdo con el monto del microcrédito, se en cuentra que los prestatari os que pa garon sus cuotas en ti empo y forma registraron montos significativamente m ás altos que aquellos que no lo hicieron. En la misma lín ea, el monto mensual de la cuota de mi crocré dito [valorcuota] es mayor para los créditos que abonaron e n ti empo y forma su microcrédito que par a aquellos que reg istr aron incumplimientos. De acuerdo con los t érminos del PFEP, el rep ago del préstamo se realiza en un plazo de 12 cuotas mensuales y pu ede extenderse a 18 cuotas mensuales, de acuerdo con la recomendación del equipo técnico, si las características de la inversión y el proceso de producción lo just ifican. En este sentido, la ma y o ría de los microcré ditos se otorgaron en 12 cuotas (54%), seguidos de los acorda dos en 18 cuotas (31%) y 15 cuotas (11%). La distribución entre clientes morosos y no morosos muestra que los clientes con incumplimientos rec ibieron microcréditos a pagar en un ma yor número de cuotas, a excepción de [primeracuotaonada ] . Para los préstamos desembol sados entre 2012 y 2016, se registra, en general, una evolución a la baj a de la morosidad, lo que se expli ca por la participación de RMSA, que se enca rga de la cobranza de los M ARÍA N ELA S EIJAS G IMÉ NEZ 384 et al . (2013, 2014). En la mi sma línea, Reinke (1998) indi ca que es menos probable que los p restatarios jóvenes paguen sus préstamos. En el caso del monto total del microcrédito [lnimporteoper ] , la relación con l a probabilidad de incumplimiento es positiva, resultado que se encuentra en línea con Vo ge l gesang (200 3), Kammoun y Triki (2016), Kinda y Achonu (2012) y Römer y Mußhoff (2017). No obstante, Viganò (1993) argumenta qu e los emp resarios con ma y ores montos de microcréditos son clientes con mejor comportamiento de pag o. En este último caso, se puede pensar que este tipo de clientes son clientes bancarios más ex perimentados, mientras que en nuestro caso, la IMF atiende a una por ción de clientes con la ma y or vulnerabilidad económica y que, en general, están excluidos financieramente. La s variables macroeconómi cas que indic an la evolución de los salarios [var_m_salari os ] , el empleo [var_m_empleo ] y la electricidad [ var_m_luz] en el período del préstamo tienen una influencia positiva e n l a prob abilidad de incumplimiento. En e ste sentido, el nivel de incumplimiento de los titulares de emprendimientos financiados por el P FEP se incrementa con la mejora en los niveles de empleo – nuevas fuentes de mano de obra dependiente- o el nivel de salarios del sector público y privado. Por otro lado, como era esperable, los incrementos en las tarifas de electricidad también provocan el aumento en los niveles de incumplimiento. Al respecto, Cubiles et al . (2013) y Blanco et al . (2013) inclu ye n en sus modelos las variables representativas de la evolución del empleo y la electricidad en el p eríodo del préstamo, obteniendo en ambos ca sos una relación n egativa con la probabilidad de incumpli miento. Por otro lado, Rayo et al . (2010) y Lara et al . (2011) incluy en estas variables en sus modelos, estableciendo un signo esperado positivo de la variación de electricidad y negativo de la variación de empleo con la prob abilidad de incumplimiento, no obstante lo cual ning una de las dos variables resultó significativa. Finalmente, el hecho de que el emprendedor haya recibido subsidios ( [porc_subs_1] y [porc_subs_2 ] ) aumenta la probabilidad de incumplimiento, lo que se considera un resultado diferente a lo C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 385 espera do inicialmente, ya que la p resencia d e su bsidios disminu y e el monto tot al del apoy o económico a devolver. Por otro lado, la obtención de subsidios depende del nivel de vulnerabilidad económica definido por el M I DES , con lo que podría inferirse que a quell os empresarios más vulne rables tienen una menor pr obabilidad de pagar sus préstamos. Al respecto, como ya se ha señalado en los capítulos previos, este trab ajo anali za la aplicación de herramientas de credit scoring a una I M F sin fines de lucro en la que n o se pacta el cobro de interés en la devolución de los microcréditos. En ese contexto, se establece adicionalmente la concesión de subsidios a los titulares de los microcréditos. En nu estra opini ón, la mi sión social de la IMF en este caso prima sobre la devolución de los microcréditos, concediéndose ma y ores niveles de subsidio a los emprendimientos con ma yor nivel de vulne rabilidad socioeconómic a y, por lo tanto, con menor capacidad de repago d e sus obligaciones, l o que d etermina una menor probabilidad de d evolución de las sumas prestadas por la IMF. A continuación, s e an alizan los resultados obtenid os considerando las restante s definiciones de morosidad. Dado que la ma yoría de los resultados resultan similares a los y a comentados para [cuotamas30 ] , valen las referencias a la literatura previa oportun amente comentadas en párrafos a nt eriores. Incumplimiento: pago de la mitad o menos de las cuotas del préstamo [mitad_o_menos ] Un tercio de los microcréditos analizados registró el pago de la mitad o menos de las cuotas del préstamo. De acuerdo con los resultados de los mode los logit y probit, esta probabilidad de incumplimiento se relaciona negativamente con l a cantidad de cuotas abonadas en el p réstamo anterior, la c alidad de muj er emprendedora, la edad del emprendedor en el momento de recibir el préstamo y la ubicación de la empresa en la reg ión Este. Por otro lado, el haber obtenido subsidios de tipo 1, junto con el año en que se otorgó el crédito y el que se trate de un emprendimiento q ue realiza actividades comerciales y de s ervicios, aum enta la probabilidad de incumplimiento. En este punto, si bien para el resto de las definiciones de incumplimiento el año en que se otor gó e l microcré dito está M ARÍA N ELA S EIJAS G IMÉ NEZ 386 relacionado negativamente con la probabilidad de que exista un atr aso costoso para la IMF , bajo esta definición la relación es inversa, es decir, aumenta la probabilidad del impago con el paso del tiempo. Siendo una definición de morosidad de a lta severidad, esto puede relacionarse con las dificultades crecientes de u n s ector de d eudores para a sumir la re sponsabilidad de los pagos del microc rédito, que ocasiona que apenas sea posi ble la devolución de al menos la mi tad de las cuotas pac t adas. Incumplimiento: pago de la primera cuota del pré stamo o de ninguna cuota [primeracuotaonada] Centrándonos en la probabilidad de que un empresario pa gue sólo la primera cuota del prés tamo o no pague ninguna cuota, esta va riable de morosidad se ve ne gativamente afectada por l a cantidad de cuotas pagadas en el préstamo anterior, la edad del emprendedor en el momento de recibir el préstamo, el hecho de ser mujer empresaria y la ubicación de la empr esa en la región Centro. Por otro lado, la concesión de subsidios de tipo 1 y tipo 2 y que e l sector de actividad empresarial corresponda a la i ndustria, el comercio y los servicios son factores que a ument an esta probabilidad de incumplimiento. Incumplimiento: retraso prome dio positivo e n el pago de las cuotas del microcré dito [ promediomas0 ] Los resultados muestr an que la p robabilidad d e que un pr éstamo ge n ere atrasos positivos , en promedio, en el pago de sus cuotas se ve afec t ada por un número menor de va riables qu e las discutidas en los párrafos anteriores para el criterio [cuotamas30] . En partic ular, el número de cuotas del préstamo, el v alor d e la cuota del pr éstamo (en términos logarítmi cos), el mont o de las cuotas pagadas en el pr éstamo anterior, el año en qu e se otorgó el préstamo y l a ubicación del proy ecto en la región Sur , reducen la probabilidad de incumpli miento. Por otro lado, cuanto ma y or sea el monto del microcrédito (en términos logarítmicos) y la variación mensual de la tasa de empleo, mayor s erá la prob abilidad de incumplimiento según esta definición. Este es el modelo más parsimonioso de los cin co an alizados, lo que puede esta r referido a la ma y or dificultad de individualiz ar variables C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 387 significa tivas en los modelos analizados para explicar este comportamiento de los clientes. Incumplimiento: retraso promedio de 30 o más días en el pago de las cuotas del microcrédito [promediomas30 ] La prob abilidad de que un préstamo genere un retraso promedio de 30 días en el pago de sus cuotas se ve ne gativamente af ectada por el número de cuotas p agadas en el c rédito anterior, el año en que se otorgó el microcrédito, el hecho de que sea un a mujer la empresaria, la edad del emprendedor al recibir el préstamo y la ubicación geográfica del emprendimiento en las re giones [Sur] y [Este ] . La v ariable repre s entativa de las r egiones no resultó significativa en la primer a definición de incu mplim iento ( [cuotamas30 ] ), pero en [promediomas30 ] se destaca la importancia de d os regiones con un a mayor proporción de riqueza económica que l a región de base, al norte del territorio uruguayo [N orte ] . L o anterior puede fundamentar una ma y or capacidad de repago de las cuotas d el microcrédito de los emprendimientos situados en las reg iones [Sur] y [Este] . Por otro lado, la variación mensua l en el empleo durante el período de préstamo, el porcentaje d el primer y segundo subsidio en el apoy o total otorgado al emprendedor, y el hecho de que el emprendimiento pertenezca a los se ctores d e i ndustria, comercio y servicios, afecta positiva mente a la probabilidad de incumplimiento. En otras palabras, el hecho que el sector de a ctividad del emprendimiento corresponda a los tres sectores más importantes que nuclean a las M IP y MEs en Uruguay r esulta un factor determinante positivo de la morosidad. En este sentido, la variable [se ct_act ] no había r esultado si gnificativa pa ra explicar la morosidad en [cuotamas30 ] . I nversamente, trabajando con empresarios rurales en Burkina Faso, Viganò (1993) detecta una influ encia negativa de la actividad come rcial en la morosidad, mientras que los emprendimientos relacionados con el s ector primario de actividad se relacionan positivame nte con el incumplimiento . M ARÍA N ELA S EIJAS G IMÉ NEZ 388 Tabla 5.7. Resu ltados modelos logit exp licativos VARIABLES [cuotamas30 ] [mitad_o_ menos] [primeracuot aonada] [promedio mas0] [promedio mas30] [nrocuota] -0.040** 0.018 0.002 -0.034** -0.028 (0.018) (0.021) (0.014) (0.017) (0.022) [lnimporteope r] 0.004*** -0.000 -0.000 0.003** 0.003 (0.001) (0.002) (0.001) (0.001) (0.002) [lnvalorcuota] -0.004*** 0.000 0.000 -0.003** -0.003 (0.001) (0.002) (0.001) (0.001) (0.002) [cuotas_pagad as] -0.005** -0.015*** -0.008*** -0.006*** -0.008*** (0.002) (0.003) (0.003) (0.002) (0.003) [var_m_ipc] 0.090 -0.017 -0.045 0.070 0.080 (0.061) (0.068) (0.055) (0.056) (0.074) [var_m_salar i o s] 0.147** 0.018 -0.048 0.013 0.088 (0.063) (0.073) (0.073) (0.043) (0.073) [var_m_tasaint eres] -0.002 -0.003 -0.004 0.005 0.001 (0.007) (0.008) (0.005) (0.006) (0.008) [var_m_em ple o] 0.288*** -0.020 0.029 0.093* 0.283*** (0.070) (0.085) (0.045) (0.048) (0.078) [var_m_luz] 0.108** 0.012 -0.023 0.055 0.052 (0.049) (0.059) (0.039) (0.044) (0.055) [var_m_agua] -0.081 0.069 0.035 -0.076 -0.025 (0.050) (0.058) (0.043) (0.046) (0.057) [porc_subs_1] 0.003** 0.004** 0.003** 0.001 0.005*** (0.001) (0.002) (0.002) (0.001) (0.002) [porc_subs_2] 0.002** 0.001 0.001** 0.000 0.002** (0.001) (0.001) (0.001) (0.001) (0.001) [año_cred] -0.033** 0.063*** 0.003 -0.045*** -0.030** (0.013) (0.014) (0.011) (0.012) (0.015) [2.sect_act] 0.057 0.084* 0.083*** 0.061 0.093* (0.047) (0.046) (0.028) (0.044) (0.051) [3.sect_act] 0.068 0.118*** 0.073*** 0.059 0.114** (0.046) (0.045) (0.026) (0.043) (0.050) [4.sect_act] 0.040 0.141*** 0.101*** 0.029 0.109** (0.048) (0.048) (0.030) (0.045) (0.052) [2.tipo_empre ndedor] -0.052** -0.047* -0.064*** -0.013 -0.053** (0.024) (0.027) (0.021) (0.022) (0.027) [edad_cred] -0.003*** -0.004*** -0.002** -0.001 -0.005*** (0.001) (0.001) (0.001) (0.001) (0.001) [2.region] -0.003 -0.057 -0.021 -0.008 -0.041 C A PÍTU L O 5 - R IES GO D E C R ÉD ITO E N U NA I N ST ITU C IÓN D E M ICR O FI NA N Z A S U RU GUA YA : … 389 VARIABLES [cuotamas30 ] [mitad_o_ menos] [primeracuot aonada] [promedio mas0] [promedio mas30] (0.034) (0.040) (0.028) (0.031) (0.039) [3.region] 0.018 -0.051 -0.013 -0.045 -0.076 (0.043) (0.049) (0.035) (0.041) (0.050) [4.region] -0.034 -0.061 -0.003 -0.064** -0.088** (0.034) (0.038) (0.028) (0.031) (0.038) [5.region] -0.048 -0.102** -0.033 -0.063 -0.133*** (0.043) (0.045) (0.033) (0.039) (0.048) [6.region] 0.020 -0.029 -0.080** -0.028 0.000 (0.048) (0.054) (0.032) (0.045) (0.054) Observaciones 1,357 1,357 1,357 1,357 1,357 R 2 Mc Fadden 0.0877 0.0682 0.0578 0.0737 0.0657 Wald test 96.13*** 108.5*** 53.76*** 90.40*** 96.21*** Log likelihood -691.9 -808.5 -487.9 -615.4 -839.8 Hosmer- Lemeshow (Pval) 0.352 0.457 0.351 0.299 0.374 Linktest (Pval) 0.714 0.134 0.730 0.919 0.886 Validación cruzada ROC 10 k-fold 0.692 (0.017) 0.670 (0.015) 0.679 (0.020) 0.681 (0.019) 0.663 (0.015) AIC 1.055 1.227 0.754 0.942 1.273 BIC -8,231.50 -7,998.04 -8,639.24 -8,384.15 -7,935.37 Notas: R 2 McFad den es el te st de poder pred ictivo d el modelo de regresión logística. Wald test es el test co njunto d e nulidad de los p ará m etros esti m ado s. Log l ikelihood es el lo garit m o d e la fu nción d e verosi militud. Hos mer -Lemesho w es el p -valor del test de Ho smer Le meshow, que a naliza la bondad de ajuste del modelo. Linktest es el p -valor del Linktest estable cido en Pregibo n (1980 ), que analiza la especificació n correcta d el modelo. Validación cr uzada ROC 10k fold es el área bajo la curva, que toma en co nsiderac ión ta nto la sensib ilidad co mo la especificidad del modelo. Esto fue evaluado fuera de la mu e stra en 10 subgrupos aleatorios. AIC es el cr iterio de información de Akaike y BI C es el criter io de información b ayesiano. ( ***,**;*) significativo al ni vel 1%, 5 % y 10%, respectivamente. Fuente: elabor ación p ropia [Document text truncated for crawler view.]