Actividad económica y colapso bancario: un modelo markoviano de cambio de régimen de las reservas bancarias

Autores/as

  • Brenda Jovana Aguilar Hernández Instituto Politécnico Nacional
  • Isela Elizabeth Téllez-Leónb Instituto Politécnico Nacional.
  • Francisco Venegas Martínez Instituto Politécnico Nacional

DOI:

https://doi.org/10.33110/rnee.v15i2.210

Palabras clave:

instituciones financieras, reservas de capital, modelo markoviano de cambio de régimen, agotamiento de reservas de capital

Resumen

Este trabajo estima mediante simulación Monte Carlo el momento (tiempo de paro) en el que BBVA Bancomer y Banorte agotaron sus reservas de capital durante 2007-2010. Para esto se utiliza se combina un modelo de reversión a la media con un modelo markoviano de cambio de régimen; siendo los regímenes son expansión y contracción de las reservas de capital. Para ello se examina la relación entre la actividad económica a través del Indicador General de la Actividad Económica (IGAE) y las reservas bancarias de capital de enero de 2007 a diciembre de 2009 en el caso de BBVA Bancomer, y de enero de 2007 a diciembre de 2010 para Banorte. Se muestra que estos dos regímenes condicionan el comportamiento de las reservas bancarias de capital. Para los periodos de estudio, la probabilidad de contracción es aproximadamente del 0.30 mientras que la probabilidad de expansión fue 0.87. Los resultados empíricos obtenidos señalan que BBVA consume en promedio sus reservas cada nueve meses y Banorte cada 22 meses. Estos resultados son utilizados para proporcionar algunas recomendaciones en materia de politica bancaria útil para los reguladores.

Citas

Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23 (Sept.), 589-609.

Atiya, A. (2001). Bankruptcy prediction for credit risk using neural networks: A survey and new results. IEEE Transactions on Neural Networks. 12(4): 929-935

Banxico. (2010, enero 1). Reglas para los requerimientos de capitalización de las Instituciones de Banca Múltiple y las Sociedades Nacionales de Crédito, Instituciones de Bamca de Desarrollo. Disponible en: http://www.banxico.org.mx/waFormulariosDGASF/RegJasCapitali7acion338_40.htm

Basel Committee (2010, December). Basel III: A global regulatory framework for more resilient banks and banking systems. Basel: Bank for International Settlements.

Basel Committee ( 2010, October). Calibrating regulatory minimun capital requirements and capital buffers: a top-down approach . Basel, Switzerland: Bank for International Settlements.

Basel Committee (2004, June). International Convergence of capital measurement and capital standards. Basel, Switzerland: Bank for International Settlements.

Basel Committee (2008, November 28). Range of practices and issues in economic capital modelling Basel, Switzerland: Bank for International Settlements.

Basel Committee (2011, November). Basel III counterparty credit risk. Switzerland: Bank for International Settlements.

Basel Committee (2014, December). Revisions to the standardised approach for credit risk. Basel, Switzerland: Bank for International Settlements.

Brooks, C. (2008). Introductory Econometrics for Finance. UK: Cambridge University Press.

Caruana, J. (2010, Septiembre 15). Basilea III: hacia un sistema financiero más seguro. Banco de Pagos Internacionales,

Claramunt, M. M., Casanovas, M., y Caicedo, E. (2012). Modelo para la predicción de indicadores de riesgo de crédito mediante razones financieras usando modelos estructurales y modelos de datos de panel:

aplicación al mercado español. Academia. Revista Latinoamericana de Administración. 50: 118-147.

CNBV (2016). Portafolio de información. Obtenido de http://portafolioinfdoctos.cnbv.gob.mx/Documentacion/ minfo/00_Doc_Rl.pdf

Crouhy, M., Galai, D., and Mark, R. (2000). A comparative analysis of current credit risk models. Journal of Banking and Finance, 24 (1-2) : 59-117.

Cruz Aké, S, E Venegas-Martínez y A. Ortiz-Ramírez (2010). Riesgo de crédito un enfoque de cópulas y valores extremos. Eseconomía, Revista de Estudios Económicos, Tecnológicos y Sociales, 27, 7-33.

Dunkel, J., and Weber, S. (2007). Efficient Monte Carlo methods for convex risk measures in portafolio credit riskmodels. Proceedings of the 2007 Winter Simulation Conference, 958-956.

Elizalde, A., y Repullo, R. (2004). Capital económico y capital regulatorio: un análisis de sus determinantes. Estabilidad Financiera, 7:141-158.

Enders, W. (2015). Applied econometric time series. Wiley Series in Probability and Statistics. University of Alabama.

Geske, R. (1977). The valuation of corporate habitúes as compound options. Journal of Financial and Quantitative Analysis, 12(4): 541-552

Greene, W. (2002). Econometric analysis. New York: Prentice Hall.

Hamilton, J. (2005, may 18). Regime-Switching Models. Department of Economics. University of California, San Diego. La Jolla, CA.

INEGI. (2016). Banco de información económica. Disponible en: http://www.inegi.org.mx/Sistemas/BIE/ Default.aspx?Topic=08ridserPadre =10000200#D10000200

JP Morgan and Company. (1997). CreditMetrics. Nueva York: JP Morgan .

Ley de Instituciones de Crédito. (2014, enero 10). Diario Oficial de la Federación. Estados Unidos Mexicanos. Merton, R. (1974). On the pricing of the corporate debt: the risk structure of the interest rates. Journal of Finance, 29 (2) : 449-70.

Ramaswany, S. (2005). Simulated credit loss distribution. Journal of Portfolio Management. 31(4): 91-99.

SHCP, CNBV. (2014). Resolución que modifica las disposiciones de carácter general aplicables a las Instituciones

de Crédito. Disponible en el Diario Oficial de la Federación: http://dof.gob.mx/nota_detalle.php?codigo=5

rfecha= 24/09/2014

Van Gestel, T, and Baesens, B. (2009). Credit risk management. New York: Oxford University Press Inc. Venegas-Martínez, E (2008). Riesgos financieros y económicos; productos derivados y decisiones económicas bajo incertidumbre. Segunda Edición. México: Cengage Leraning Editores

Descargas

Publicado

2021-06-28