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.]