Por Paula Cruz-García (Florida Universitària).
La crisis financiera que estalló hace ya más de una década supuso un cambio en el entorno bancario, donde el margen de intermediación de los bancos (que corresponde a la diferencia entre el tipo de interés que los bancos cobran por los créditos concedidos y el tipo de interés que pagan por los depósitos captados) se redujo sustancialmente. Los principales bancos centrales implementaron políticas monetarias expansivas para combatir los efectos negativos de la crisis, resultando un periodo de tipos de interés muy bajos (o incluso negativos). Considerando que lo lógico es que los clientes no acepten tipos de interés negativos por los depósitos que mantienen en las entidades bancarias, los bancos tienen difícil transferirles esta caída de tipos de interés, lo que reduce el margen.
Además, las condiciones competitivas también se modificaron. Por un lado, en Europa, el progreso hacia la unión bancaria apunta a la recuperación de los niveles de integración financiera alcanzados antes de la crisis, pero también está dando lugar a un escenario más competitivo, afectando a los márgenes bancarios. Por otro lado, la necesidad de una reestructuración bancaria, con el objetivo principal de reducir la capacidad instalada, ha dado lugar a múltiples fusiones y adquisiciones que han aumentado la concentración del mercado, pudiendo ser esto perjudicial para la competencia. Finalmente, las nuevas tecnologías también aumentan la competencia en el sector financiero debido a la aparición de nuevas empresas, las llamadas fintech y big tech, que aumentan la oferta de productos y servicios financieros.
En este contexto, teniendo en cuenta este escenario turbulento y considerando que el margen de intermediación es la principal fuente de ingresos para los bancos, conocer los determinantes del margen de intermediación bancario es particularmente interesante. De hecho, existe numerosa literatura que analiza estos determinantes. El modelo teórico más utilizado para explicar el margen de intermediación es, posiblemente, el propuesto por Ho y Saunders (1981), junto con las extensiones del mismo desarrolladas por Angbazo (1997) y Maudos y Fernández de Guevara (2004). Estos autores postulan como determinantes del margen: el poder de mercado, el grado de aversión al riesgo del banco, el tamaño bancario, el riesgo de crédito, el riesgo de tipo de interés (así como la interacción entre ambos riesgos) y los costes operativos medios que soporta la entidad.
En un trabajo recientemente publicado en la revisa Applied Economic Analysis, en coautoría con los profesores Anabel Forte y Jesús Peiró-Palomino (https://doi.org/10.1108/AEA-01-2020-0003), analizamos desde una perspectiva Bayesiana si las variables postuladas por este modelo teórico y sus extensiones, así como otras variables que se incluyen tradicionalmente ad-hoc en la literatura (concretamente los pagos implícitos que realiza el banco, su grado de eficiencia y las reservas líquidas) son, en realidad, buenos determinantes del margen de intermediación bancario. Este análisis ayuda a reforzar la posición de este modelo, teóricamente bien fundamentado y reforzado por un gran número de aplicaciones empíricas, como modelo de referencia en la literatura. Para ello, en la investigación utilizamos datos de 3.316 bancos de los países de la UE-15 para el periodo 2008-2014.
En nuestro análisis, primeramente se analiza si los determinantes postulados por la literatura citada anteriormente son buenos predictores del margen de intermediación. Para ello se lleva a cabo una selección de variables Bayesiana. Esta selección de variables arroja la probabilidad de inclusión de cada una de ellas, correspondiéndose una probabilidad mayor de 0,5 a una alta probabilidad de inclusión. Posteriormente, se estudia qué combinación de las variables seleccionadas con distintos tipos de efectos fijos podría considerarse el “mejor modelo”. Finalmente, se realiza una estimación utilizando el modelo seleccionado. Una revisión más profunda de esta metodología puede encontrarse en García-Donato y Forte (2018).
En la Tabla 1 se observan los resultados de la selección de variables. La primera columna muestra con claridad que todas las variables del modelo seminal de Ho y Saunders (1981) son adecuadas como determinantes del margen de intermediación. La segunda columna también muestra la idoneidad de las variables postuladas por el modelo seminal y su expansión por Angbazo (1997). Cuando se introduce la expansión teórica de Maudos y Fernández de Guevara (2004), la tercera columna muestra que todas las variables postuladas son adecuadas como determinantes del margen de intermediación excepto la interacción entre riesgos. Finalmente, al incluir otras variables no recogidas por el modelo teórico pero que se incluyen tradicionalmente ad-hoc en la literatura, el tamaño bancario deja de ser un buen determinante del margen, tal y como se puede observar en la cuarta columna. En este último caso se observa una baja probabilidad de inclusión de la variable que aproxima el riesgo de crédito, determinado por la inclusión de la interacción entre riesgos, decidiéndose incluirla para una mejor interpretación del efecto de la interacción.
Tabla 1. Probabilidades de inclusión de los potenciales determinantes del margen de intermediación.
La Figura 1 muestra la estimación empírica del mejor modelo, que tras el análisis pertinente resulta ser aquel que incluye efectos fijos de banco, efectos fijos de país y efectos temporales. Los resultados de la estimación indican que aquellos bancos con mayor poder de mercado (aproximado mediante el índice de Lerner), con un mayor grado de aversión al riesgo, con un mayor riesgo de crédito, mayores costes operativos, mayores pagos implícitos y más eficientes, disfrutan de un mayor margen de intermediación, así como los bancos con un menor volumen de reservas líquidas y un menor riesgo de tipo de interés. Estos resultados confirman, en general, las predicciones del modelo teórico de partida, reforzándolo como modelo de referencia en la literatura aún tras los cambios sufridos a raíz de la crisis financiera.
Figura 1. Distribuciones posteriores de los determinantes del margen de intermediación.
En definitiva, a pesar del nuevo escenario como consecuencia de la crisis financiera de 2008, nuestros resultados destacan que los determinantes tradicionales del margen de intermediación siguen siendo importantes. Ahora nos preguntamos, ¿cambiará esto debido a la próxima recesión provocada por la crisis sanitaria actual derivada del Covid-19?
Referencias:
Angbazo, L. (1997), “Commercial bank net interest margins, default risk, interest-rate risk, and offbalance sheet banking”, Journal of Banking & Finance, Vol. 21, Nº. 1, pp. 55-87.
Cruz-García, P., Forte, A. y Peiró-Palomino, J. (2020), «On the drivers of profitability in the banking industry in restructuring times: a Bayesian perspective», Applied Economic Analysis, 28(83), 111-131. https://doi.org/10.1108/AEA-01-2020-0003
García-Donato, G. y Forte, A. (2018), “Bayesian testing, variable selection and model averaging in linear models using R with BayesVarSel.”, R Journal, Vol. 10, Nº. 1, pp. 155-174.
Ho, T.S. y Saunders, A. (1981), “The determinants of bank interest margins: theory and empirical evidence”, The Journal of Financial and Quantitative Analysis, Vol. 16, Nº. 4, pp. 581-600.
Maudos, J. y Fernández de Guevara, J. (2004), “Factors explaining the interest margin in the banking sectors of the European Union”, Journal of Banking & Finance, Vol. 28, Nº. 9, pp. 2259-2281.
