MATRIZ DE PROBABILIDAD DE TRANSICION

DE MICROCREDITOS:
EL CASO DE
UNA MICROFINANCIERA MEXICANA
Ver
onica P. Rodrguez V
azquez
Universidad de las Americas Puebla
Japhet Hern
andez Vaquero
Management Solutions
Resumen: El microfinanciamiento en M
exico ha crecido a un ritmo acelerado y
poco se ha realizado sobre el riesgo de cr
edito en dicho sector. El
objetivo de este trabajo es la construcci
on de una matriz de probabilidad de transici
on en la calificaci
on de los microcr
editos, utilizable
en la estimaci
on del VaR, considerando la normativa de la Circular
u
nica de ahorro y cr
edito popular emitida por la CNBV. Se presenta
la metodologa para su construcci
on con base en cadenas de Markov
y los resultados obtenidos. Se comprueba la hip
otesis de absorbencia,
la alta recuperaci
on de los microcr
editos y se detecta que los hombres
son tan buenos pagadores como las mujeres.
Abstract: Microfinance in Mexico has developed at an accelerated pace and the
efforts in credit risk management in this sector are scarce. The goal of
this work is the construction of a Transition Probability Matrix in the
rating of microcredits which can be used in the estimation of Value at
Risk (VaR), observing the regulations of the Unique Circular of Saving
and Popular Credit emitted by Commission of National Banking and
Securities CNBV. Both, the methodology for its construction based
in Markov chains theory and the obtained results, are presented. The
hypotheses of absorbing state and the high recovery of microcredits
are confirmed. Finally it is detected that men are as good payers as
women.
Clasificaci
on JEL/JEL Classification: G21, G32
Palabras clave/keywords: microfinanzas, riesgo de cr
edito, matriz de probabilidad
de transici
on, cadenas de Markov, Valor en Riesgo, microfinance, credit risk,
transition probability matrix, Markov chains, Value at Risk.
Fecha de recepci
on: 05 III 2012

Fecha de aceptaci
on: 08 IX 2012

veronica2002mx@hotmail.com, japhet.hernandezv@gmail.com

Estudios Econ
omicos, vol. 28, n
um. 1,

enero-junio 2013,

p
aginas 39-77

40

ESTUDIOS ECONOMICOS

1. Introducci
on
Desde sus inicios, en el Banco Grameen en Bangladesh, la pr
actica
del microcredito se ha extendido a nivel mundial como una herramienta para la erradicaci
on de la pobreza. La pr
actica de las microfinanzas en Mexico experimenta un auge originado, en gran medida,
por la demanda de servicios financieros al alcance del sector en pobreza, que tradicionalmente se ha visto excluido de ellos y est
a cambiando el paradigma del pobre, quien haba sido considerado desde
la epoca post-revolucionaria como incapaz de enfrentar compromisos
de credito.
Este sector ha evolucionado fuertemente, como se puede constatar en ProDesarrollo (2011) los clientes de credito pasaron de 1.4
millones en 2006 a 5.4 millones en 2010. En Esquivel (2010) se presentan los resultados de un estudio sobre el impacto que han tenido
las microfinanzas en Mexico, donde se concluye que a traves de las
instituciones microfinancieras (IMF) se ha fortalecido el ahorro y el
credito popular.
Con este dinamismo de crecimiento las IMF tienen presencia en
todo el territorio nacional y muestran una gran diversidad de figuras
legales (Rodrguez, 2010). Entre las instituciones microfinancieras
destacan las sociedades financieras de objeto m
ultiple (SOFOM), reguladas (SOFOM-ER) y no-reguladas (SOFOM-ENR) por la Comisi
on
Nacional Bancaria y de Valores (CNBV), las sociedades de ahorro y
credito popular (SCAP) y, sobre todo, las sociedades financieras populares (SOFIPO) que, pr
acticamente, ofrecen los mismos servicios que
una instituci
on bancaria.
A las instituciones reguladas por la CNBV se les requiere el c
alculo de sus estimaciones preventivas o aprovisionamiento: cantidad
de dinero que por ley se exige que la instituci
on reserve de acuerdo
con los das de mora que sus deudores presentan.
Para enfrentar el riesgo de credito, adem
as de las tradicionales
reservas, existen metodologas como el valor en riesgo, VaR (por sus
siglas en ingles, value at risk), que con la informaci
on hist
orica de la
cartera crediticia miden la evoluci
on de la calificaci
on de dicha cartera
para hacer una estimaci
on de la m
axima perdida esperada. El VaR
hace uso de las probabilidades de transici
on, de la calificaci
on de un
credito, a las dem
as calificaciones dentro del sistema utilizado, representadas en una matriz de probabilidades de transici
on crediticia.
Si bien la pr
actica del VaR a
un no se exige a las IMF, ya se
les requiere a las instituciones bancarias. Sin embargo, en Mexico
no se cuenta con informaci
on p
ublica disponible sobre las matrices

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

41

de probabilidad de transici
on utilizables en la metodologa VaR. En
contraste, en Colombia la Superintendencia Financiera de Colombia
(2010) proporciona de manera p
ublica matrices de probabilidades de
transici
on crediticia para las carteras de microcredito; lo que constituye el u
nico referente a nivel Latinoamerica y Norteamerica. Para las
IMF mexicanas el contar con dicha herramienta para la administraci
on
de riesgo con el VaR ofrece la oportunidad de evaluar probabilsticamente las reservas y compararlas con las estimaciones preventivas
fijadas por la CNBV.
En la actualidad los servicios microfinancieros han resultado ser
una pr
actica muy rentable y, contrario a lo que se crea sobre el alto
riesgo de impago de creditos, su recuperaci
on es muy alta, situaci
on
que buscamos comprobar con nuestro estudio. Adem
as, las matrices de probabilidades de transici
on crediticia pueden ser usadas para
resolver cuestiones de genero en el microfinanciamiento.
Existen numerosos estudios de genero a nivel nacional e internacional que abordan el tema del pago del credito de la mujer en
comparaci
on a la del hombre, sin embargo, en esta investigaci
on se
aborda el tema por primera vez en la literatura desde un enfoque de
matrices de probabilidades de transici
on.
En temas de genero subyace la idea de que las mujeres son
mejores pagadoras que los hombres y, adem
as, debido a que los hombres de las zonas rurales se encuentran fuera del pas por el fen
omeno
migratorio son ellas las receptoras m
as frecuentes de los microcreditos. Seg
un los datos de ProDesarrollo (2011) 80% de los creditos son
proporcionados a mujeres y es sumamente interesante comprobar la
noci
on generalizada de que la mujer es m
as responsable en el pago de
sus creditos.
La absorbencia del estado de impago de un deudor asume que
un deudor despues de un periodo largo (en la regulaci
on de la CNBV
para el microcredito, 120 das o m
as) es incapaz de liquidar sus pagos
pendientes. Pero en verdad es raro el evento de que un deudor con
mora significativa se ponga al corriente?
Por la din
amica del microcredito (montos peque
nos, plazos cortos, frecuencia alta de pago) y el incentivo al acceso a m
as capital en
el futuro se percibe que la liquidaci
on de la deuda debiera ser un aspecto importante para el beneficiario del microcredito. Existen pocos
estudios en el microfinanciamiento sobre la recuperaci
on de un credito
despues de haber cado en el estado de incumplimiento, y ninguno que
use matrices de probabilidades de transici
on.

42

ESTUDIOS ECONOMICOS

2. Marco te
orico
2.1. La importancia de mejoras en la administraci
on de riesgo en el
microfinanciamiento mexicano
Alpzar y Gonz
alez (2006) se
nalan que el sector de las microfinanzas
en Mexico es relativamente joven en el mercado financiero y, si bien
est
a experimentando un acelerado crecimiento, su oferta de servicios
financieros es limitada y usa tecnologas de credito relativamente sencillas en un entorno de baja eficiencia, baja productividad de sus
recursos humanos utilizados y altos costos de operaci
on. Adem
as,
carece de un acceso suficiente a la informaci
on sobre los clientes y
las operaciones de sus organizaciones se dan de manera no uniforme,
lo que se ha denominado como la asimetra del sector. As, el an
alisis del sector financiero popular en Mexico resulta complejo dada la
escasez de informaci
on disponible y la multitud de entidades en funcionamiento.
Por la naturaleza de los microcreditos no siempre es factible exigir una forma de protegerse ante el impago de un credito. Los montos de credito muchas veces son menores al valor de las propiedades
que el sujeto de credito posee, y la exigencia de una garanta puede
desalentar la demanda. As, las decisiones de credito en el microfinanciamiento mexicano se basan solamente en la capacidad de pago
de un cliente, sin atender la falta de una garanta. Esto se refleja en
un sistema de aprovisionamiento que toma en cuenta s
olo los das de
mora como una soluci
on f
acil y directa al problema de calcular las
estimaciones preventivas, como lo se
nalan Jansson y Wenner (1997).
La demanda por servicios de microfinanciamiento en Mexico puede ser mejor entendida a la luz de los niveles de pobreza, ocupaci
on e
ingresos. De forma especial, el contexto de pobreza que experimenta
Mexico enmarca de una mejor forma la relevancia del microfinanciamiento en nuestro pas. De acuerdo con el Consejo Nacional de
Evaluaci
on de la Poltica de Desarrollo Social (Coneval, 2009) en el
a
no 2006, 14.4 millones de personas vivan en condiciones de pobreza
alimentaria y en 2008 alcanzaron los 19.5 millones. A nivel estatal, en
2005 los estados de mayor nivel de pobreza alimentaria eran Chiapas
con 4 293 459 habitantes y 47% de pobreza alimentaria y Oaxaca con
3 506 821 habitantes y 38.1% de pobreza alimentaria. Puebla tiene
un porcentaje similar, aunque su poblaci
on es mayor: con 5 779 829
habitantes presenta 26.7% de pobreza alimentaria.
En el an
alisis provisto por Rodrguez (2010) se da una noci
on
del mercado potencial que representa en Mexico este sector: a nivel

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

43

nacional existen 12.8 millones de personas en actividades econ

omicas
informales que junto con los 2.4 millones de personas desocupadas y
5.6 millones de personas que si bien no tienen como prioridad buscar
trabajo son susceptibles de integrarse a las actividades productivas
suman 18.8 millones de personas que pueden convertirse en candidatos
a alg
un tipo de microcredito. El mismo an
alisis indica que existen 20
millones de personas que reciben menos de 3 288 d
olares anuales:
pr
acticamente dos salarios mnimos anuales.
Existe un gran nicho de oportunidad en este sector de la poblaci
on, lo cual incluso ya ha sido detectado por la banca comercial.
El adecuar las estructuras de las IMF para su correcta gesti
on, que
incluye la administraci
on de riesgo, ser
a necesario si se desea aumentar
el nivel de acceso al capital. Para ello es indispensable desarrollar
tecnologas crediticias que utilicen herramientas probabilsticas, cuya
informaci
on proporcione una noci
on clara del comportamiento del
sector, la rentabilidad de sus instituciones y que, adem
as, sirvan para
que en el futuro puedan hacer una mejor gesti
on de riesgo, como es
el c
alculo del valor en riesgo y las estimaciones preventivas.

2.2. Mujeres y microfinanciamiento

El microfinanciamiento es considerado como un medio para lograr el
empoderamiento de la mujer en medio de un eminente ambiente de
desigualdad de genero. Por los roles sociales que se le han conferido
tradicionalmente a las mujeres y la divisi
on sexual del trabajo, el valor
de las labores realizadas por la mujer es desde
nado en comparaci
on a
las tareas productivas del hombre (Zu
niga, 2004).
Tambien se justifica el otorgamiento de microcreditos a la mujer
por la responsabilidad social que tiene como protectora de la familia y
sus esfuerzos para mejorar la calidad de vida de sus miembros. Existe
evidencia de que las mujeres emplean una mayor proporci
on de su
ingreso en su familia. As, ayudar a la mujer amplifica el impacto
de las instituciones microfinancieras. De acuerdo con el Fideicomiso
para el Desarrollo del Car
acter Emprendedor de la Mujer (WEDTF,
2010) en Zanzbar, Tanzania, cuando una mujer tiene un aumento en
su ingreso destina 55% de este a comprar artculos para el hogar, 18%
a la educaci
on y 15% a ropa. Adicionalmente, en America Latina se
ha encontrado que la mujer que lidera su hogar tiende a colocar la
totalidad de su ingreso al gasto familiar (Chant, 1997).
Se han realizado diversos estudios acerca de la forma en que el
microcredito ha contribuido a la igualdad de genero y la redistribuci
on

44

ESTUDIOS ECONOMICOS

de riqueza para el empoderamiento de la mujer, que han reforzado la

noci
on de que la mujer es mejor pagadora que el hombre. Quienes
defienden esta postura refieren que tanto la cooperaci
on como los
registros de pagos de prestamo de las mujeres son muy superiores a los
de los hombres. El caso de Sinapi Aba Trust (Cheston y Kuhn, 2002),
en el programa Bancos de Confianza en Ghana, refiere que hay una
clara diferencia en los registros de pago entre hombres y mujeres, as
como en la cooperaci
on para responder a sus obligaciones de garanta
de grupo: la proporci
on de atraso de los programas masculinos que
report
o fue 2.5 veces mayor que la de los programas femeninos.
Esta percepci
on tambien ha sido estudiada en Chile y Argentina
por Zu
niga (2004), con base en la informaci
on de la Superintendencia de Bancos e Instituciones Financieras de Chile (SBIF) acerca del
endeudamiento en el sistema bancario nacional para el periodo 20012003. Encuentra que 64% de los deudores eran hombres y 36% mujeres. Las mujeres presentan una tasa de 1.6% de deuda vencida (la
deuda que corresponde a la que no ha sido pagada dentro de los 90
das de vencimiento) sobre deuda total, que contrasta con 2.4% de
la deuda vencida de los hombres. Asimismo, la deuda castigada, es
decir, aquella que se considera irrecuperable, presenta una tasa de
0.6% en el caso de las mujeres y 0.9% en el de los hombres. Z
un
iga
concluye que la mujer en Chile es un mejor sujeto de credito que el
hombre.
Un mejor conocimiento del comportamiento de pago de las mujeres puede incentivar un mayor acceso de las mismas a servicios financieros. Cheston y Kuhn (2002) afirman que los programas de
microfinanzas pueden tener un enorme impacto en el proceso de empoderamiento al tomar en cuenta las estructuras de fuente de poder.
En el caso del microfinanciamiento el acceso al credito es una fuente
obvia de poder.

2.3. Regulaci
on vigente
La regulaci
on es un tema importante en materia de an
alisis de riesgo.
Seg
un los datos reportados en 2008 por ProDesarrollo y Microfinance
Information Exchange en Mexico s
olo 11.4% del mercado microfinanciero estaba cubierto por IMF reguladas (ProDesarrollo, 2008).
Esta cifra expresaba la falta de inclusi
on en un marco regulatorio
que exigiera medidas de aprovisionamiento de protecci
on a la instituci
on. En la actualidad, y seg
un un estudio presentado en Rodrguez
(2010), se detectaron 443 IMF, de las cuales 165 (37.25%) pertenecan

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

45

a la figura de Sociedades financieras de objeto m

ultiple no reguladas
(SOFOM-ENR). En el caso de la CNBV, en la Circular u
nica de ahorro
y credito popular, anexo-D (CNBV, 2009), por ley se exige a las microfinancieras reguladas el realizar el aprovisionamiento de acuerdo con
los das de mora por credito que su cartera reporte. De acuerdo con
el anexo, la calificaci
on y constituci
on de las estimaciones preventivas
correspondientes a la cartera crediticia comercial deberan realizarse
con cifras al u
ltimo da de cada mes calendario.
Las entidades financieras entonces deber
an clasificar la totalidad de su cartera crediticia comercial, en funci
on del n
umero de das
de retraso o mora transcurridos a partir del da de la primera amortizaci
on del credito, que no haya sido cubierta por el acreditado a la
fecha de la calificaci
on (CNBV, 2009: 1).
Se
nala, adem
as, que por cada estrato, deber
an mantenerse y, en
su caso, constituir las estimaciones preventivas que resulten de aplicar
al importe total de su cartera crediticia comercial, el porcentaje de
estimaciones que corresponda conforme a la tabla siguiente (CNBV,
2009: 2). Dichos porcentajes se presentan en el cuadro 1.

Cuadro 1
Estimaciones preventivas de la Circular u
nica
de ahorro y credito popular

Das de mora

Tipo I

Tipo II

(zona marginada)
Porcentaje de estimaciones preventivas

0a7
8 a 30
31 a 60
61 a 90
91 a 120
M
as de 120

1
5
20
40
70
100

1
2.5
20
50
80
100

La calificaci
on de credito que se requiere por parte de la CNBV
puede ser generada internamente con base en los criterios propuestos,
y se requiere dicha calificaci
on para el c
alculo de las estimaciones
preventivas exigidas por ley. Sin embargo, el aprovisionar en forma
individual los creditos se convierte en una tarea difcil. Gonz
alez y

46

ESTUDIOS ECONOMICOS

Gomez (2006) reconocen que el mismo origen de las principales figuras financieras populares en Mexico ha permitido la cobertura del
mercado asociado al sector popular bajo pr
acticas contables y administrativas laxas y una carga de subjetivismo al evaluar la capacidad
y voluntad de pago del prestatario antes del otorgamiento del credito
y durante las amortizaciones del mismo, al no sacar total ventaja de
los recursos inform
aticos disponibles en las IMF.
Los rangos de das de atraso establecidos por la CNBV son acordes
a las caractersticas del microcredito. En la definici
on de la tecnologa
original, los montos de un credito son bajos, en especial aquellos que
se otorgan por primera vez a un beneficiario o grupo. El plazo de
pago es tpicamente corto para promover su uso, y la frecuencia de
pago es alta: de acuerdo con Yunus (2008), a la poblaci
on en pobreza
le resulta m
as f
acil pagar peque
nas cantidades peri
odicas. Este autor
tambien refiere que el riesgo de credito de los prestamos otorgados
a las personas en pobreza es bajo, porque el pago de las cuotas del
credito se ve incentivado por la oportunidad de dejar de depender del
usurero, producir ingresos para su familia y, adem
as, tener acceso a
mas creditos. As, en la opini
on de Yunus (2008), un primer credito
constituye la prueba de la voluntad de pago de los beneficiarios.
La noci
on generalizada dentro del microfinanciamiento es que la
frecuencia de pago debe ser alta, incluye formas de pago semanal,
quincenal y mensual. En el caso de Mibanco en Per
u y Bancosol en
Bolivia, la frecuencia de pago es semanal, quincenal y mensual (Bicciato et al., 2002). Las frecuencias de pago en Mexico son diversas.
En ProDesarrollo (2008) se reporta que en el a
no 2007, 72% de las
IMF otorgaron cr
editos en grupos solidarios con plazo de cuatro a seis
meses y algunas de dos meses a un a
no, ambas con una frecuencia
de pago semanal o quincenal; 26% los otorgaron en forma de bancos
comunales, con plazo de cuatro a seis meses, con una frecuencia de
pago principalmente semanal, aunque tambien poda ser quincenal.

2.4. Modelos de riesgo de credito

Un modelo de migraci
on de calificaci
on es una forma de determinar
perdida y retorno (J.P. Morgan Securities, 2000), y en materia de
administraci
on de riesgo, su meta principal es la caracterizaci
on del
verdadero comportamiento del credito. Esto se hace con base en un
sistema de calificaci
on con distintos niveles, asign
andole a un cliente
o a un credito, una etiqueta alfabetica, numerica o alfanumerica para
distinguir su calidad de pago. Dichas calificaciones son generadas in-

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

47

ternamente con criterios y procesos similares entre instituciones (Jacobson, Linde y Roszbach, 2003).
En la banca comercial, Jarrow y Turnbull (1995) comentan que
existen dos enfoques para valorar el riesgo de credito. El primero
de ellos considera el riesgo de credito cuando los activos subyacentes
son creditos contingentes de opciones compuestas, los cuales son
difciles de evaluar porque muchas veces no son observables y/o difciles de valorar. El segundo enfoque pragm
atico ignora el riesgo de
credito y el precio inherente a la opci
on, como una opci
on de la tasa
de interes libre de riesgo. Por lo anterior presentan un tercer enfoque
desarrollando un modelo para valuar opciones en un periodo en el que
los valores est
an expuestos a riesgo de credito, bajo la suposici
on que
la deuda de dichos valores o acciones siempre se liquida (no-impago).
Basado en este trabajo, Jarrow, Lando y Turnbull (1997) propusieron
un modelo de Markov para la estructura temporal de los diferenciales
de riesgo de credito. La din
amica de la calificaci
on de credito se representa mediante una cadena de Markov e introduce, por primera
vez, la suposici
on de absorbencia del estado de impago. En este modelo el proceso de quiebra sigue una cadena de Markov en un espacio
de estados discretos. La ventaja del modelo es que los par
ametros de
dicho proceso pueden ser determinados empricamente a partir de los
datos observados. En su trabajo utilizan la calificaci
on de credito que
expide la Instituci
on o Firma como una medida de la probabilidad de
impago. Suponen, adem
as, que el estado de impago es absorbente (no
es posible salir del estado de impago). Este modelo se presenta para
los casos de tiempo discreto (modelo de cohorte) y continuo (modelo
de duraci
on). El modelo de cohorte es un referente importante ya
que trabaja con frecuencias relativas basadas en los datos hist
oricos,
reflejadas en una matriz de probabilidades de transici
on.
DAmico, Janssen y Manca (2008) propusieron un modelo semimarkoviano con tiempos no homogeneos, para evaluar la duraci
on
dentro de un estado, la evaluaci
on de la calificaci
on como una funci
on
del tiempo y la dependencia de la nueva calificaci
on sobre todas las
calificaciones previas, y no s
olo la u
ltima evaluada.
El modelo de Duffie y Singleton (1999) trata al impago como un
evento impredecible que envuelve una perdida repentina en el valor
de un bono, bajo una suposici
on de que el impago ocurre a una tasa
de riesgo neutro. Este modelo requiere las frecuencias de impago de
los bonos de una calificaci
on dada.
La firma calificadora Moodys (Carty y Fons, 1994) realiz
o un estudio retroactivo de tendencias de calificaci
on corporativa, de acuerdo
con frecuencias relativas del n
umero de transiciones a calificaciones

48

ESTUDIOS ECONOMICOS

superiores e inferiores, en periodos de distinta duraci

on en a
nos. Con
base en dichas frecuencias relativas obtienen matrices de transici
on,
calculadas comparando la calificaci
on al principio del periodo contra
aquella al final del periodo.
J.P. Morgan Securities (2000) detect
o algunas deficiencias de la
aplicaci
on de matrices hist
oricas en la pr
actica. Entre otras, el requerimiento de rangos de tiempo m
as finos en los niveles de calificaci
on
de credito un nivel de credito puede tener un rango muy amplio, en
comparaci
on a los dem
as niveles y el hecho de que las observaciones
hist
oricas no son necesariamente un indicador del ambiente crediticio actual, sino del que se ha enfrentado en el pasado, con base en
probabilidades reales.

2.5. Uso de matrices de transici

on en los mercados de valores y el
microfinanciamiento
De acuerdo con la definici
on de Moodys Investors Service (2009) una
calificaci
on es: una opini
on de la calidad de credito de las obligaciones individuales o de la solvencia de credito de un prestatario, sin
considerar las obligaciones individuales de la deuda u otros valores
especficos. Existen agencias especializadas en brindar servicios de
calificaci
on, las m
as populares incluyen a Standard & Poors, Moodys
Investors System, Fitch Rating y Duff and Phelps Credit Rating Company.
La banca comercial y el mercado de valores utilizan desde hace
decadas los sistemas de calificaci
on de cartera y matrices de probabilidades de transici
on. En el caso de Moodys Investors Service,
que provee servicios de calificaci
on de credito e investigaci
on en instrumentos de deuda y de valores, genera matrices de transici
on por
medio del metodo de cohorte (Moodys Investors Service, 2010). En
el cuadro 2 se muestran algunas de sus matrices para las transiciones
de calificaci
on en finanzas estructuradas globales.
El cuadro refleja las calificaciones otorgadas por Moodys respecto
a las finanzas estructurales de acuerdo con tres horizontes temporales
(1, 3 y 5 a
nos). Dichas calificaciones reflejan la opini
on sobre la
capacidad financiera de una entidad para cumplir con sus contratos
y obligaciones, bas
andose en la evaluaci
on de la calidad crediticia de
sus activos e incorpora una opini
on sobre la calidad de su gesti
on, sus
procesos de inversi
on y estrategias.
Por otro lado, Standard & Poors tambien hace uso del metodo de
cohorte para el c
alculo de sus matrices de transici
on hist
oricas. En el

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

49

cuadro 3 se muestra la matriz de transici

on de impago de 294 gobiernos locales o regionales fuera de Estados Unidos, a quienes Standard &
Poors identifica con las siglas LRG (local and regional governments).

Cuadro 2
Matrices de transici
on de Moodys Investors Service para
finanzas estructuradas globales en el periodo 1984-2009

Porcentaje
Aaa

Aa

Baa

Ba

Caa-C

WR

1 a
no
Aaa

79.91

1.63

1.25

1.12

0.90

1.09

1.97

12.14

Aa

4.16

73.57

3.57

2.32

1.75

2.49

5.72

6.43

0.86

2.74

72.26

4.81

2.80

2.91

7.18

6.45

Baa

0.26

0.38

2.04

70.83

4.60

4.38

11.72

5.79

Ba

0.10

0.05

0.30

2.08

66.33

4.76

20.49

5.88

0.04

0.02

0.05

0.19

1.10

56.15

37.37

5.08

Caa-C

0.01

0.00

0.00

0.02

0.04

0.22

87.63

12.08

Aaa

54.76

1.60

1.16

1.10

0.82

0.90

1.48

38.18

Aa

11.59

47.74

4.17

2.62

1.62

1.23

5.64

25.38

3.23

6.03

47.14

5.14

3.06

1.70

8.26

25.43

Baa

1.25

1.41

5.07

44.87

5.49

4.30

15.18

22.43

Ba

0.43

0.39

1.45

5.16

46.55

5.13

18.36

22.55

0.12

0.06

0.24

0.88

3.48

55.06

22.55

17.60

Caa-C

0.05

0.00

0.02

0.14

0.24

0.72

72.01

26.81

3 a
nos

5 a
nos
Aaa
Aa
A
Baa
Ba
B
Caa-C

35.70
15.17
5.13
2.60
0.70
0.14
0.00

1.04

0.73

0.41

0.18

0.20

0.20

61.54

27.52

3.02

1.96

0.81

0.83

1.62

49.08

5.99

28.45

3.88

2.27

1.12

3.16

50.00

2.33

6.21

27.49

4.30

3.17

10.71

43.18

0.66

2.31

6.47

29.79

4.48

15.66

39.93

0.05

0.25

1.47

3.27

35.77

26.16

32.89

0.00

0.01

0.13

0.23

0.42

54.99

44.22

50

ESTUDIOS ECONOMICOS

Cuadro 3
Matriz de transici
on de gobiernos locales y
regionales de Standard & Poors (2011)
AAA

AA+

AA

AA-

A+

A-

BBB+

BBB

BBB-

AAA

92.86

7.14

.00

.00

.00

.00

.00

.00

.00

.00

AA+

6.90

79.31

6.90

.00

.00

.00

.00

.00

.00

.00

AA

.00

13.79

72.41

13.79

.00

.00

.00

.00

.00

.00

AA-

.00

3.45

10.34

62.07

13.79

.00

.00

.00

.00

.00

A+

.00

.00

.00

5.71

68.75

2.86

2.86

.00

.00

.00

.00

.00

.00

.00

12.50

68.75

.00

.00

.00

.00

A-

.00

.00

.00

.00

.00

28.57

71.43

.00

.00

.00

BBB+

.00

.00

.00

.00

.00

.00

20.00

60.00

.00

20.00

BBB

.00

.00

.00

.00

.00

.00

.00

.00

60.00

20.00

BBB-

.00

.00

.00

.00

.00

.00

.00

.00

.00

100.00

BB+

.00

.00

.00

.00

.00

.00

.00

.00

.00

9.68

BB

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

BB-

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

B+

.00

.00

.00

.00

0.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

B-

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

CCC/CC

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

NR

BB+

BB

BB-

B+

B-

CCC/CC

SD

AAA

.00

.00

.00

.00

.00

.00

.00

.00

.00

AA+

.00

.00

.00

.00

.00

.00

.00

.00

6.90

AA

.00

.00

.00

.00

.00

.00

.00

.00

.00

AA-

.00

.00

.00

.00

.00

.00

.00

.00

10.34

A+

.00

.00

.00

.00

.00

.00

.00

.00

20.00

.00

.00

.00

.00

.00

.00

.00

.00

18.75

A-

.00

.00

.00

.00

.00

.00

.00

.00

.00

BBB+

.00

.00

.00

.00

.00

.00

.00

.00

.00
20.00

BBB

.00

.00

.00

.00

.00

.00

.00

.00

BBB-

.00

.00

.00

.00

.00

.00

.00

.00

.00

BB+

61.29

9.68

6.45

.00

.00

.00

.00

.00

12.90

BB

11.11

61.11

5.56

.00

.00

.00

5.56

.00

16.67

BB-

.00

4.17

83.33

.00

.00

.00

.00

.00

12.50

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

51

Cuadro 3
(continuaci
on)
BB+

BB

BB-

B+

B-

CCC/CC

SD

NR

B+

.00

.00

27.27

.00

.00

.00

54.55

.00

.00

.00

.00

18.18

14.29

71.43

.00

.00

.00

B-

.00

.00

14.29

.00

11.11

55.56

33.33

.00

.00

CCC/C

.00

.00

.00

.00

.00

.00

42.86

28.57

14.29

14.29

Notas: SD-Selective default. NR-No rating (withdrawn). Fuente: Standard

& Poors International Public Finance Ratings, Standard & Poors Risk Solutions
Credit, Pro 7.2.

En el caso de los sistemas de calificaci

on usados por estas agencias, las calificaciones las otorgan basados en la volatilidad del rendimiento esperado, la resistencia del deudor ante adversidades econ
omicas, financieras y del negocio, los riesgos no crediticios a los que est
a
expuesta la firma y la existencia de una petici
on de bancarrota (Standard & Poors, 2009). En dichos sistemas asignan una calificaci
on
alfabetica o alfanumerica para caracterizar dicha vulnerabilidad en
cada cliente o firma.
En el estudio realizado por J.P. Morgan Securities (2000) se menciona la importancia de considerar la probabilidad de impago pero, al
mismo tiempo, se hace necesario analizar las transiciones por las que
pasan los pagos de los creditos, por eso es cada vez m
as importante
el uso de las matrices de probabilidad de transici
on. Resaltan las dificultades de la aplicaci
on de las matrices de transici
on, destac
andose
que no reflejan la realidad de los mercados actuales de credito, ya que,
no obstante la cantidad de observaciones, algunas calificaciones presentan alta dispersi
on considerando intervalos de confianza de 95%,
adem
as de que algunas clasificaciones requieren mayor granularidad.
Por lo anterior, es importante elaborar matrices de probabilidad
de transici
on adecuadas a los mercados de microcreditos como, por
ejemplo, las realizadas por la Superintendencia Financiera de Colombia que se presenta en el cuadro 4.
En el microfinanciamiento a nivel mundial existen antecedentes
del uso de matrices de probabilidades de transici
on de pobreza, desarrolladas para la exploraci
on de la din
amica de la pobreza en las
zonas rurales de Vietnam y Bangladesh (Davis y Baulch, 2009), construidas a partir del ingreso por hogar como criterio para la medici
on
de riqueza.

52

ESTUDIOS ECONOMICOS

Cuadro 4
Matriz de transici
on para la cartera de microcredito en Colombia
Promedio entre Marzo de 2004 y Junio de 2010
A

96.4

1.9

0.9

0.6

0.1

29.8

24.2

11.0

8.0

27.1

13.2

5.5

17.7

8.7

54.9

7.6

2.2

2.5

14.0

73.7

2.7

0.6

0.4

0.5

95.8

Fuente: Superintendencia Financiera de Colombia, c

alculos del Banco de la
Rep
ublica.

Las matrices de transici

on para la medici
on del riesgo no tienen
un uso extendido en el microfinanciamiento, lo que parecera indicar
que, para evaluar su riesgo de credito, u
nicamente se utilizan los das
de mora. Lo que puede resultar en una subestimaci
on del riesgo de
aquellos clientes sin mora y una concentraci
on exclusiva en aquellos
que presentan das de mora (Alpzar y Gonz
alez, 2006). Glaubitt et
al. (2008) refieren que el microfinanciamiento estructurado, es decir, aquel que incluye pr
acticas de an
alisis de riesgo puede reducir
el requerimiento de capital. Bystr
om (2007) indica adem
as, que un
esquema de microfinanciamiento estructurado tambien ayuda a superar el problema de asimetra en la informaci
on, documentado por
Akerlof (1970) como el fen
omeno lim
on (el hecho de que los bienes de
distintas cualidades posean el mismo costo cuando los compradores
no pueden identificar tales diferencias). Esto resulta particularmente
evidente en las microfinanzas: la informaci
on asociada con la selecci
on
de prestatarios puede estar oculta y, ante la falta de pr
acticas de calificaci
on y an
alisis de riesgo, no se conoce la capacidad y voluntad
de pago de los prestatarios.
La tarea de estructurar el microfinanciamiento en Mexico resulta
difcil dado su accidentado origen, detonado por un mercado cuya demanda fue ignorada durante a
nos y que tom
o la creaci
on de su propia
oferta en sus manos. Por otro lado, la aplicaci
on de diversos sistemas
de calificaci
on empiezan a ser adaptados a las necesidades de las IMF
para que puedan regularizarse, como lo refieren van Greuning, Gallardo y Randhawa (1998). Sin embargo, los esfuerzos que existen
para la estructuraci
on del microfinanciamiento son extensiones del
trabajo realizado para la banca comercial. Jarrow, Lando y Turnbull (1997) propusieron el modelo m
as difundido entre las agencias

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

53

calificadoras internacionales para la construcci

on de matriz de probabilidades. Dicho modelo se basa en la conformaci
on de cohortes
o aglomerados de los prestatarios de acuerdo con la calificaci
on que
presentan al empezar el periodo sobre el cu
al se tiene interes de conocer el comportamiento de migraci
on de calificaci
on; el modelo trabaja
con el archivo hist
orico de cartera como entrada, que incluye un identificador de cliente, la fecha de calificaci
on y la calificaci
on otorgada
al cliente. Por la sencillez del modelo y el hecho de que un archivo
hist
orico de cartera es relativamente f
acil de extraer, resulta ideal
para extrapolarlo para su uso dentro de las IMF.

3. El riesgo de cr
edito y sus fundamentos estoc
asticos
3.1. Procesos estoc
asticos y cadenas de Markov
Un proceso estoc
astico X(t) consiste en un experimento cuya probabilidad se mide a traves de P (), en un espacio muestral S y una
funci
on que asigna una funci
on de tiempo x(t, s) a cada resultado
s del espacio muestral del experimento (Yates y Goodman, 2005).
Esto quiere decir que todos los posibles resultados del experimento
son funciones del tiempo. En el caso del riesgo de credito, las probabilidades medidas corresponden a las transiciones entre todas y cada
una de las calificaciones que puede sostener un credito, incluyendo la
permanencia en la misma calificaci
on.
Las cadenas de Markov son modelos probabilsticos usados para
predecir el comportamiento a corto y a largo plazo de un sistema. Dicho comportamiento se refleja en un conjunto colectivamente exhaustivo de estados que son mutuamente excluyentes entre s. Los procesos
markovianos ocurren en periodos discretos, y la probabilidad de estar
en un estado j al final de un periodo t + 1, cuando al final del periodo
t se estaba en el estado i, es la probabilidad condicional de estar en
el estado j al final de un periodo t + 1, dado que al final del periodo
t se encontraba en el estado i, sin importar los estados intermedios
por los que la cadena atraviesa hasta llegar al final del periodo t.
Resulta u
til ilustrar esta descripci
on en el contexto de la calificaci
on de credito. Al final de un periodo de evaluaci
on (por ejemplo,
el cierre de mes o la fecha de corte) un credito tiene cierta calificaci
on
de acuerdo con una escala o sistema de calificaciones. Para la exposici
on de esta metodologa tomaremos un esquema de 3 calificaciones,
A sera la calificaci
on de un credito cuyo importe exigible a la fecha
de calificaci
on es pagado en su totalidad y con un rango de atraso de

54

ESTUDIOS ECONOMICOS

0 a 7 das despues de la fecha de pago acordada; de manera similar,

B corresponde a la evaluaci
on de un credito que liquida su importe
exigible a la fecha de calificaci
on 8 a 20 das despues de la fecha en
que debi
o realizar el pago y C para cualquier atraso de 21 das o
m
as. A, B y C son calificaciones que no se traslapan: un credito con
calificaci
on A no puede ser clasificado tambien como B, por lo tanto,
son mutuamente excluyentes. De manera similar, estas tres calificaciones constituyen todas las posibles calificaciones que puede tener
un credito con base en el esquema de atraso propuesto, y por ello son
colectivamente exhaustivas.
La frecuencia de calificaci
on (en este caso el ciclo del proceso
de Markov) puede variar de tantas formas como el analista de credito
pueda convenir: de forma diaria, semanal, bisemanal, quincenal, mensual, entre otras. La definici
on de un periodo mensual de transici
on
significara que, para el proceso de Markov propuesto, se tomara en
cuenta la calificaci
on que el credito tenga al final del mes t y la calificaci
on que el mismo credito tenga al final del siguiente mes, t + 1. Si
existen calificaciones intermedias entre ambas se asume que no hay
dependencia de los estados por los que pasa desde el periodo t hasta
t + 1. Si adem
as suponemos que un credito, una vez que ha cado en
C, no mejorar
a su calidad de pago (en el sentido de que ha presentado
la peor calificaci
on y en caso de postularse el cliente de dicho credito
a un nuevo credito posterior, sera verosmil negarle el credito), el
estado C sera absorbente.
Las probabilidades asociadas a dichas transiciones se pueden usar
para hacer proyecciones sobre el mes siguiente, asumiendo que el comportamiento del credito seguir
a conforme a su propia historia. Dichas
probabilidades son representadas en lo que se denomina una matriz
de probabilidades de transici
on y su estructura para el ejemplo propuesto se plantea en el cuadro 5.
Cuadro 5
Estructura de una matriz de transici
on
Calificaci
on al final del periodo t+1
A
Calificaci
on al

final del periodo t

B

Probabilidad de

Probabilidad de

Probabilidad de

permanecer en A

migrar de A a B

impago de A

Probabilidad de

Probabilidad de

Probabilidad de

migrar de B a A

permanecer en B

impago de B

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

55

La representaci
on gr
afica de las probabilidades Pij se hace matricialmente en lo que es conocido como una matriz de probabilidades
de transici
on P , que es una matriz cuadrada de tama
no K K donde
i = 1, 2, ..., K y j = 1, 2, ..., K, mostrada en la ecuaci
on (1).
p11
p21
P =
..
.

pK1

p12
p22
..
.
pK2

...
...

p1K
p2K
..

(1)

...
. . . pKK

Las matrices en las que se asume absorbencia se expresan por

comodidad con un tama
no (K 1) K, removiendo el rengl
on correspondiente al estado absorbente como en la ecuaci
on (2).
p11
p21
P =
..

pK1,1

p12
p22
..
.
pK1,2

...
...

p1K
p2K
..
.

...
. . . pK1,K

(2)

Con base en las definiciones anteriores, en el anexo A se presenta

la metodologa del enfoque de cohorte utilizado o la estimaci
on de las
Cadenas de Markov en tiempo discreto y en el anexo B se presenta la
metodologa para la estimaci
on de los intervalos de confianza de las
matrices de probabilidad de transici
on crediticia.
3.2. Definici
on del problema de c
alculo de matriz de probabilidades de
transici
on por metodo de cohorte para instituciones microfinancieras
mexicanas
Los datos hist
oricos fueron proporcionados por una instituci
on microfinanciera con presencia en el estado de Puebla y Oaxaca. Los datos
presentan las caractersticas de clasificaci
on mostradas en los cuadros
6, 7 y 8.
Como se puede observar en el cuadro 6 existen 67 creditos otorgados a entidades u organizaciones que no son considerados para la

56

ESTUDIOS ECONOMICOS

clasificaci
on de las matrices por genero. Desafortunadamente, tambien se detectaron 2 211 creditos que no se identificaron de manera
clara. Esto obedece al hecho de que la IMF, como la mayora de ellas
en Mexico, no cuenta con sistemas de c
omputo adecuados para su
operaci
on integral.
Cuadro 6
Clasificaci
on de los creditos seg
un receptor del microcredito

Puebla
Oaxaca
Total

Mujeres

Hombres

Entidades

5 492
1 174
6 666

726
382
1 108

65
2
67

Sin
especificar
2 108
103
2 211

Total
8 391
1 661
10 052

Cuadro 7
Caractersticas de los creditos por frecuencia de pago
Frecuencia
de pago
Diaria
Semanal
Quincenal
Mensual
Vencimientos
Total

Puebla

Oaxaca

1
1 634
22
4
0
1 661

14
5 974
220
2 178
5
8 391

Cuadro 8
Caractersticas de los creditos por periodo de observaci
on

Puebla
Oaxaca

Inicio
30/04/2006
28/02/2009

Final
28/02/2009
31/12/2010

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

57

Lo primero que se realiz

o fue la reconstrucci
on retrospectiva de
las calificaciones obtenidas a fin de mes para cada uno de los creditos
en los periodos, de tres a
nos para Puebla y a
no y medio para Oaxaca. El sistema de calificaci
on que se program
o se realiz
o con base
en la Circular u
nica de ahorro y credito popular, anexo-D (CNBV,
2009), la clasificaci
on utilizada se muestra en el cuadro 9. N
otese
que se ha dividido la u
ltima calificaci
on en tres calificaciones, para
percibir mejor el acumulamiento de das de mora y comprobar la
hip
otesis de absorbencia. La periodicidad de calificaci
on es mensual:
una calificaci
on por credito generada al cierre de mes. Se controlaron
los atrasos intermensuales, los cuales no afectan la calificaci
on a fin
de mes, y los pagos parciales y/o anticipados, se cubrieron todas las
posibilidades para la correcta asignaci
on de la calificaci
on del credito.
Cuadro 9
Sistema de calificaci
on para la investigaci
on
Calificaci
on

Das de
mora

A
B
C
D
E
F
G
H

0a7
8 a 30
31 a 60
61 a 90
91 a 120
121 a 180
181 a 360
M
as de 360

Porcentaje de
estimaciones
preventivas
1
3
20
50
80
100
100
100

Para una muestra de N creditos cuyas transiciones entre los diferentes estados transcurren en tiempos discretos t = 0, ..., T , donde t
es medido en periodos homogeneos de 30 das, se definen las siguientes
variables:
Xt es la variable aleatoria discreta de la calificaci
on del credito
en el perodo t.

58

ESTUDIOS ECONOMICOS

ni (t) es el n
umero de creditos en el estado i en el periodo t.
nij (t) es el n
umero de creditos que tuvieron una transicion de i
en el periodo t 1 a j en el periodo t.
PT 1
Ni (T ) = t=0 ni (t) es el n
umero total de creditos que se encontraban en el estado i al principio de los periodos de transici
on.
PT
Nij (T ) = t=1 nij (t) es el n
umero total de transiciones observadas de i a j a lo largo de todo el periodo.
Sx = {A, B, C, D, E, F, G, H } es el conjunto de valores de la variable discreta Xn , es decir, todas las posibles calificaciones que
se pueden asignar a un credito.
La base de datos de calificaciones tiene el siguiente formato:

Cuadro 10
Formato de base de datos de calificaciones

N
umero
cr
edito

Fecha de
calificaci
on

Calificaci
on

5841

28/02/2009

5842

28/02/2009

9295

31/12/2010

5845

28/02/2009

Cada registro de calificaci

on cuenta con un identificador (n
umero
credito), la fecha en que se gener
o la calificaci
on (fecha de calificaci
on)
y la calificaci
on que le fue otorgada al u
ltimo da del mes. De manera
adicional, no se consideran quebrantos: la calificaci
on del credito sigue
siendo considerada mientras el saldo insoluto no sea liquidado.

4. Resultados
Con la base de datos de los creditos calificados, y con la finalidad
de analizar mejor el comportamiento del pago de los creditos, procedimos a elaborar diferentes matrices de probabilidad de transici
on
clasific
andolas por genero, regi
on, frecuencias de pago y sus posibles

59

DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

combinaciones. En este artculo presentamos las siete principales sin

las combinaciones realizadas.
4.1. Matriz de probabilidades de transici
on general
La matriz de transici
on para la base de datos completa de la instituci
on microfinanciera se presenta en el cuadro 11. En negritas se
destaca la probabilidad mayor en el rengl
on correspondiente, e indica
a que estado es m
as probable migrar desde cada calificaci
on.
Cuadro 11
Matriz de probabilidad de transici
on general
A

Porcentaje
A

98.50

0.63

0.84

0.03

0.00

0.00

0.00

0.00

12.44

38.86

44.47

4.22

0.00

0.00

0.00

0.00

5.23

0.32

37.79

52.72

3.95

0.00

0.00

0.00

4.58

0.26

0.01

35.31

55.59

4.24

0.00

0.00

3.65

0.04

0.00

0.00

38.17

58.14

0.00

0.00

5.57

0.04

0.00

0.00

0.00

65.96

28.43

0.00

0.83

0.00

0.00

0.00

0.00

0.00

90.58

8.58

0.30

0.00

0.00

0.00

0.00

0.00

0.00

99.70

Para un credito con calificaci

on A, hay 98.5% de probabilidad
de que siga siendo puntual en sus pagos y, adem
as, que pague por
lo menos el importe exigible a la fecha de calificaci
on. Para las calificaciones B a E es mucho m
as probable descender a la calificaci
on
inmediata inferior. Para las calificaciones F a H la mayor probabilidad
corresponde a permanecer en la misma.
Se aprecian, tambien, dos sectores donde predominan ceros, lo
que representa que no hubo las transiciones correspondientes. Asimismo, las columnas A y B presentan probabilidades de transici
on
desde estados de calificaci
on inferior, lo que significa que un credito
se ha puesto al corriente en sus pagos.
Una de las observaciones m
as notables es que la transici
on H-A
tiene una probabilidad mayor a cero. Esto indica que existen creditos

60

ESTUDIOS ECONOMICOS

que se recuperan y salen del estado de impago. Por otro lado, tal
probabilidad es despreciable por su magnitud (0.3%) por lo que se
puede asumir el estado H como absorbente.
4.2. Matriz de probabilidades de transici
on por genero
Las matrices de transici
on femenina y masculina, cuadros 12 y 13,
muestran que las mujeres tienen una probabilidad de experimentar
una transici
on A-A que excede en tan s
olo 0.05 a la de los hombres.
De manera similar, la probabilidad de transici
on B-B de las mujeres
excede 1.44 a la de los hombres. Es importante recordar que existen
2 278 creditos que no caen en ninguna de estas clasificaciones, por
lo que hay diferencias totales con la matriz general, de hecho, se
observa la diferencia con la matriz general en las altas probabilidades
de transiciones B-B, mientras que en la general la probabilidad alta es
de B-C, por lo que se puede concluir que los creditos no considerados
tienen una mayor probabilidad de no pagar en tiempo.
Por otro lado, tambien las mujeres presentan las mayores probabilidades de empeorar su calificaci
on: para una transici
on C-D dicha
probabilidad (53.39%) supera 3.57 a la de los hombres (49.82%); para
la transici
on D-E y E-F las mujeres superaron a los hombres 4.7 y
2.88, respectivamente. Las probabilidades del genero femenino de
permanecer en calificaci
on F exceden 0.11 a la del genero masculino;
para la calificaci
on G las mujeres son superadas por los hombres 0.38
en la probabilidad de mantenerse en dicha calificaci
on.
Cuadro 12
Matriz de probabilidad de transici
on del genero femenino
A

Porcentaje
A

98.91

0.76

0.32

0.01

0.00

0.00

0.00

0.00

0.78

97.77

1.25

0.20

0.00

0.00

0.00

0.00

3.84

1.00

37.83

53.39

3.94

0.00

0.00

0.00

3.37

2.69

0.02

34.94

54.63

4.35

0.00

0.00

3.19

3.15

0.00

0.00

38.14

55.51

0.00

0.00

2.29

4.34

0.00

0.00

0.00

64.87

28.50

0.00

1.64

3.89

0.00

0.00

0.00

0.00

86.70

7.78

6.09

6.72

0.00

0.00

0.00

0.00

0.00

87.19

61

DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

La probabilidad de las mujeres de permanecer en el estado H de

impago es 2.64 menor que la de los hombres. En la columna A de
ambas matrices vemos que la transici
on hacia A desde una calificaci
on
en el rango de B a G, son mayores en el caso de los hombres. Sin
embargo, las mujeres tienen una probabilidad de transici
on desde el
estado de impago H a A que es 0.93 mayor a la de los hombres: de
cada 100 mujeres que no han realizado ning
un pago en 360 das o m
as,
aproximadamente seis liquidar
an el saldo de su deuda. En cuanto a
los hombres se estima que s
olo cinco de ellos har
an lo mismo. La
noci
on sobre la fuerte voluntad de pago del genero femenino se aprecia
verosmil, aunque no muy superior a la que sostienen los hombres.

Cuadro 13
Matriz de probabilidad de transici
on del genero masculino
A

Porcentaje
A

98.86

0.71

1.46

96.33

8.12

1.72

7.89

1.87

7.13

0.39

0.04

0.00

0.00

0.00

0.00

2.02

0.19

0.00

0.00

0.00

0.00

36.41

49.82

3.94

0.00

0.00

0.00

0.00

36.73

49.93

3.59

0.00

0.00

2.38

0.00

0.00

37.86

52.63

0.00

0.00

4.35

3.29

0.00

0.00

0.00

64.76

27.60

0.00

1.66

3.43

0.00

0.00

0.00

0.00

87.08

7.83

5.16

5.01

0.00

0.00

0.00

0.00

0.00

89.83

4.3. Matriz de probabilidades de transici

on por regi
on
La IMF mostr
o interes en conocer la recuperaci
on del credito en los
diferentes estados que tiene presencia, ya que esta informaci
on les es
de utilidad para detectar si existen diferencias en sus procedimientos
de otorgamiento del credito y/o en los procesos de cobro de los mismos; lo cual result
o cierto, pues como se observa en los cuadros 14
y 15, la recuperaci
on de los creditos en Puebla es m
as alta que en
Oaxaca.

62

ESTUDIOS ECONOMICOS

Cuadro 14
Matriz de probabilidad de transici
on para Puebla
A

Porcentaje
A

96.86

2.24

0.83

0.07

0.00

0.00

0.00

0.00

23.40

42.75

33.02

0.83

0.00

0.00

0.00

0.00

22.19

1.52

38.60

36.17

1.52

0.00

0.00

0.00

29.22

0.00

0.00

37.00

32.98

0.80

0.00

0.00

38.46

0.00

0.00

0.00

40.00

21.54

0.00

0.00

20.80

0.00

0.00

0.00

0.00

64.00

15.20

0.00

6.25

0.00

0.00

0.00

0.00

0.00

90.00

3.75

0.00

0.00

0.00

0.00

0.00

0.00

0.00

100.00

Cuadro 15
Matriz de probabilidad de transici
on para Oaxaca
A

Porcentaje
A

98.63

0.50

0.84

0.03

0.00

0.00

0.00

0.00

11.00

38.35

45.99

4.67

0.00

0.00

0.00

0.00

3.81

0.22

37.72

54.11

4.15

0.00

0.00

0.00

3.27

0.27

0.01

35.22

56.80

4.43

0.00

0.00

2.62

0.05

0.00

0.00

38.12

59.22

0.00

0.00
0.00

5.40

0.04

0.00

0.00

0.00

65.99

28.58

0.81

0.00

0.00

0.00

0.00

0.00

90.59

8.60

0.31

0.00

0.00

0.00

0.00

0.00

0.00

99.69

Para el caso de Puebla la diagonal es altamente representativa, ya

que los creditos tienden a permanecer en su misma calificaci
on y posteriormente presentan una alta recuperaci
on, sin embargo, en Oaxaca
es mucho m
as frecuente el atraso en los pagos y una vez que los creditos han cado en mora hay pocas transiciones hacia una calificaci
on
A (recuperaci
on del credito). En ambos Estados la absorbencia es
pr
acticamente definitiva.

63

DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

Por otro lado, debemos hacer notar que estas probabilidades reflejan, solamente, aquellos creditos cuyos pagos atrasados fueron liquidados para dejar el credito al corriente de sus adeudos estipulados
en las fechas acordadas: el sistema de calificaci
on instrumentado no
considera abonos parciales como criterio para mejorar calificaci
on. Es
decir, la u
nica forma de mejorar la calificaci
on de un credito es que
el importe exigible sea liquidado en su totalidad. Los ceros presentes
entre la diagonal de las matrices y la columna A dejan ver que la tendencia de un acreedor con buena voluntad de pago es la de liquidar
el credito.
4.4. Matrices generales por frecuencia de pago
En los cuadros 16 y 17 se observan las matrices generales de transici
on para las frecuencias de pago semanal y quincenal, que son las
mas comunes en los microcreditos. Ambas muestran que las mayores
probabilidades corresponden a las de empeorar en calificaci
on, en el
lado derecho de su diagonal. La permanencia en calificaci
on A tiene
probabilidades de 98.17% y 96.99%, respectivamente.

Cuadro 16
Matriz de probabilidad de transici
on por frecuencia de pago semanal
A

Porcentaje
A

98.17

0.83

0.96

0.03

0.00

0.00

0.00

0.00

9.62

39.44

46.56

4.38

0.00

0.00

0.00

0.00

5.19

0.39

37.70

53.33

3.40

0.00

0.00

0.00

5.02

0.32

0.02

35.22

55.70

3.72

0.00

0.00

4.07

0.05

0.00

0.00

38.16

57.72

0.00

0.00

6.59

0.02

0.00

0.00

0.00

66.38

27.00

0.00

1.04

0.00

0.00

0.00

0.00

0.00

90.76

8.20

4.5. Absorbencia
La suposici
on de estado absorbente se comprueba adecuada ante los
resultados obtenidos. En la matriz general el n
umero de ocurrencias

64

ESTUDIOS ECONOMICOS

de la transici
on H-A fue 43 (41 correspondientes a regimen de pago
semanal y 2 a mensual), que, comparado con las 246 299 transiciones
totales, se considera despreciable. La transici
on H-A con probabilidad
0.31% es bastante baja. En el caso semanal dicha probabilidad es
0.38% y en el mensual 0.07%. Resulta adecuado suponer que para un
credito resulta muy difcil ponerse al corriente en sus pagos (para el
momento en que ha alcanzado la calificaci
on H ya han transcurrido
m
as de 360 das).
Adicionalmente, al observar la esquina inferior derecha de todas
y cada una de las matrices de transici
on, las probabilidades de permanencia en el estado G y H son muy altas (mayores a 90%, excepto las
de genero que superan el 87%), con probabilidades de transici
on en
los renglones G y A aproximadamente cero, los estados G y H pueden,
de hecho, considerarse un u
nico estado con propiedad de absorbencia.
Cuadro 17
Matriz de probabilidad de transici
on
por frecuencia de pago quincenal
A

Porcentaje
A

96.99

1.08

1.85

0.07

0.00

0.00

0.00

0.00

3.80

33.76

59.92

2.53

0.00

0.00

0.00

0.00

3.77

0.00

42.32

47.25

6.67

0.00

0.00

0.00

3.52

0.00

0.00

28.13

64.84

3.52

0.00

0.00

2.74

0.00

0.00

0.00

43.15

54.11

0.00

0.00

7.51

0.43

0.00

0.00

0.00

62.88

29.18

0.00

0.73

0.00

0.00

0.00

0.00

0.00

90.91

8.36

4.6. Intervalos de confianza

Para cada una de las matrices de probabilidad de transici
on se estimaron los intervalos de confianza con = 5%, seg
un la metodologa
presentada en el anexo B. En el anexo C se presentan los intervalos
de confianza para las matrices de probabilidad de transici
on general
y por genero, mostr
andose el lmite inferior para el par
ametro de proporci
on p y el lmite superior. La amplitud de dicho intervalo depende
del tama
no de muestra N : a mayor tama
no el intervalo de confianza
es m
as cerrado.

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

65

4.7. Comentarios destacables sobre los resultados obtenidos y su aplicaci

on al VaR
Las matrices generadas para la IMF demuestra una alta recuperaci
on
de los microcreditos, y, en general, los sujetos con calificaci
on A tienen
altas probabilidades de seguir siendo clientes cumplidos (arriba de
95% para todos los casos). Adem
as, el contraste en la estabilidad
de la diagonal de las matrices generales de Oaxaca y Puebla refleja
que los sujetos de credito en Oaxaca tienen una fuerte tendencia a
presentar mora una vez que han alcanzado un retraso mensual en sus
pagos. Esto sugiere que, de alguna forma, la ventaja que presenta el
cumplimiento de los creditos de Puebla sobre el de los de Oaxaca tiene
que ver con los filtros aplicados para otorgar el credito. Resultara
interesante identificar las diferencias existentes entre Puebla y Oaxaca
en las pr
acticas de puntaje de credito previas al otorgamiento del
mismo.
La suposici
on de absorbencia para el estado de impago H se comprob
o adecuada, dado que las probabilidades de permanecer en dicho
estado son superiores a 99%, para la mayora de las matrices regionales, y por frecuencia de pago. En el caso de las matrices de
genero, las probabilidades de permanecer en el estado de impago son
de 87.19% y 89.83%, respectivamente, que pueden considerarse a
un
altas.
Al contrario de lo que se esperaba, las matrices de transici
on por
genero no revelaron diferencias significativas en el pago de mujeres
y hombres. Sin embargo, esta aparente similitud en el pago puede
deberse a un proceso de decisi
on de otorgamiento de credito, que s
olo
lo autorice a personas que cumplen con sus criterios de selecci
on y
resultan buenos pagadores, lo cual confirmara que, el cumplimiento
no es cuesti
on de genero, sino de responsabilidad. En trabajos futuros
se recomienda analizar de que manera se seleccionan los beneficiarios
del credito, y encontrar la clave del exito de dicha selecci
on.
Por otro lado, la matriz de probabilidades de transici
on es la
herramienta que permite la aplicaci
on de la metodologa VaR propuesta por Jorion (1997), y refleja la informaci
on hist
orica de la cartera
sintetizada en frecuencias relativas.
Las matrices de probabilidad de transici
on permiten ponderar
los valores esperados de un credito seg
un la calificaci
on de la cartera
que pueda llegar a tener en el periodo t+1. Por ejemplo, si un credito
tiene un saldo insoluto (capital de 1 000.00), tradicionalmente se espera que en el pr
oximo periodo (t + 1) se incremente en la tasa de
interes pactada, este es el tpico c
alculo determinstico que se realiza.
No obstante, dicho credito tiene posibilidades de que en t + 1 cambie

66

ESTUDIOS ECONOMICOS

de calificaci
on, y a traves de la matriz de probabilidad de transici
on
de acuerdo con su calificaci
on actual, se pueda calcular en terminos
probabilsticos su valor esperado. Con lo anterior, tambien se puede
determinar la diferencia esperada y su variaci
on determinada por la
desviaci
on est
andar. Con los datos anteriores y al asumir normalidad,
se puede calcular el monto del Valor en Riesgo (VaR) a un determinado nivel de confianza, de tal forma que la IMF pueda estimar la
m
axima perdida esperada por credito para el siguiente periodo, e incluso calcular el VaR de su cartera de creditos.
La instrumentaci
on del VaR en las instituciones microfinancieras
depender
a de la adopci
on de sistemas de calificaci
on de cartera, el
uso eficiente de recursos inform
aticos, la inversi
on en capacitaci
on del
capital humano para usar herramientas estadsticas y el desarrollo de
procedimientos est
andares como gua para el uso de esta metodologa.
Finalmente, es importante mencionar que el VaR ha recibido
fuertes crticas que van desde pronosticar el futuro con datos hist
oricos, hasta aquellas que mencionan que no es posible recoger en una
medici
on todos los riesgos asociados con el impago de credito, como
factores sociales, polticos, internacionales, etc., pero, que metodologa es capaz de pronosticar el futuro con un grado de certeza tal que
no tenga lugar a dudas?
N.N. Taleb, el principal detractor del VaR y creador de la Teora
del Cisne Negro, en la entrevista otorgada a Derivatives Strategy
(1997) critica el uso de informaci
on pasada para predecir una situaci
on futura, porque se basa exclusivamente en lo que la historia refleja.
Taleb afirma que el humano racionaliza los eventos s
olo despues de
que ocurren: mientras esto no ocurra hay un sentido de falsa confianza y ceguera ante el riesgo generado por eventos que, por no haber
ocurrido, se consideran altamente improbables. Riesgo que Taleb
considera que no puede ser modelado por la naturaleza de los eventos atpicos y la falta de informaci
on que existe acerca de ellos antes
de que sucedan. Sin embargo, como en muchos metodos de an
alisis
de decisiones en los que se carece de informaci
on de eventos posibles
pero que nunca han ocurrido, los expertos pueden asignar o modificar
las probabilidades de transici
on de acuerdo con la percepci
on de las
condiciones econ
omicas a las que se crea que el pago del sujeto de
credito es vulnerable.
Si bien el VaR es una metodologa que ha sido criticada por
tratar de predecir el futuro con base en informaci
on hist
orica, es mucho mejor realizar decisiones informadas con los datos estadsticos
disponibles, que realizarlas con alta carga de subjetividad o intuici
on.

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

67

5. Conclusiones
Para la instrumentaci
on del VaR como metodologa de administraci
on
de riesgo en el microfinanciamiento mexicano se requieren matrices
de probabilidades de transici
on que reflejen el cumplimiento del pago
de los deudores en el sector, y como se mencion
o anteriormente, ni la
comisi
on reguladora de las instituciones microfinancieras (CNBV), ni
organizaciones p
ublicas o privadas proporcionan matrices de transici
on para la cartera del microcredito mexicano.
Esta construcci
on requiere el manejo de sistemas de calificaci
on
dentro de las instituciones de microcredito y acceso a un archivo
hist
orico de cartera del que se puedan obtener los pagos de los microcreditos, para generar las frecuencias relativas de las transiciones
entre las distintas calificaciones.
Si bien el universo de microfinancieras en Mexico es amplio, no
se puede afirmar que la muestra estudiada en este artculo sea representativa del sector, el sector de la poblaci
on al que van dirigidos los
servicios financieros presenta caractersticas muy similares, por lo que
es verosmil pensar que el microfinanciamiento toma lugar de manera
similar en las distintas instituciones de microcredito. Sin embargo,
esto queda por demostrar, es menester de las instituciones unificar
esfuerzos para caracterizar de una mejor forma a los socios a los que
ofrecen servicios financieros.
El prop
osito de esta investigaci
on ha sido proveer herramientas para una mejor administraci
on de riesgo en Mexico, no obstante
quedan muchas preguntas por responder para describir el comportamiento de los clientes del microcredito. Sera interesante conocer
las diferencias en la transici
on de pagos para clientes representados
con grupos solidarios o conocer las transiciones seg
un el destino de
los creditos, como por ejemplo: que comportamiento de pago presenta el sector agrcola? el de comercio? quien presenta m
as mora,
un credito destinado a la producci
on de servicios o uno que produce
bienes?
Cada n
umero tiene una historia detr
as de el, el conocimiento de
las caractersticas de la cartera de microcredito revela la situaci
on
de la instituci
on y tambien la de los beneficiarios. Consideramos
importante dar continuidad a investigaciones de tipo cuantitativo y
probabilstico para enriquecer el conocimiento del fen
omeno de las
microfinanzas.
Con este an
alisis se pretende que se valoren las ventajas de incluir
pr
acticas probabilsticas en la administraci
on de riesgo y la riqueza
de informaci
on que cada instituci
on microfinanciera posee, para in-

68

ESTUDIOS ECONOMICOS

centivar la cooperaci
on, un mejor conocimiento del sector de las microfinanzas y el someter a prueba los paradigmas existentes, en suma
para un mejor ejercicio de las microfinanzas.

Referencias

Alpzar, C. y C. Gonz
alez. 2006. El sector de las microfinanzas en M
exico, en
C. Gonz
alez (comp.), Los mercados de las finanzas populares y rurales en
M
exico. Una visi
on global r
apida sobre su multiplicidad y alcance, Ohio
University, pp.7-48.
Agresti, A. and B. Coull. 1998. Approximate is Better Than Exact for Interval
Estimation of Binomial Proportions, The American Statistician, 52: 119126.
Akerlof, G. 1970. The Market for Lemons: Quality Uncertainty and the Market
Mechanism, The Quarterly Journal of Economics, 84(3): 488-500.
Bicciato, F., L. Foschi, E. Bottaro y F. Ivardi. 2002. Microfinanzas en pases peque
nos de Am
erica Latina: Bolivia, Ecuador y El Salvador, Serie desarrollo
productivo, n
um. 121, CEPAL.
Brown, L., T. Cai y A. Dasgupta. 2001. Interval Estimation for a Binomial
Proportion, Statistical Science 16: 101-133.
Bystr
om, H. 2007. Structured Microfinance, The Journal of Structured Finance,
13(2): 26-28.
Carty, L. y J. Fons. 1994. Measuring Changes in Corporate Credit Quality, The
Journal of Fixed Income, 4(1): 2741.
Chant, S. 1997. Women-Headed Households: Poorest of the Poor? Perspectives
from Mexico, Costa Rica and the Philippines, IDS Bulletin, 28(3): 26-48.
Cheston, S. y L. Kuhn. 2002. Empowering Women through Microfinance,
<www.microcreditsummit.org/papers/empowerment.pdf>.
CNBV. 2009. Circular u
nica de ahorro y cr
edito popular. Anexo-D. Procedimiento para la calificaci
on y constituci
on de estimaciones preventivas,
<www.cnbv.gob.mx/Anexos/Anexo%20D%20Org%20Int.doc>.
Coneval. 2009. Evoluci
on de la pobreza en M
exico, <www.coneval.gob.mx /con
tenido/med pobreza/3967.pdf>.
Clopper, C. y E. Pearson. 1934. The Use of Confidence or Fiducial Limits
Illustrated in the Case of the Binomial, Biometrika, 26(4): 404-413.

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

69

DAmico, G., J. Janssen y R. Manca1. 2008. Credit risk migration semi-Markov

models: a reliability approach, Computational Economics, 29: 119-138.
Davis, P. y B. Baulch. 2009. Parallel Realities: Exploring Poverty Dynamics Using Mixed Methods in Rural Bangladesh, Chronic Poverty Research Centre
Working Paper, n
um. 142.
Derivatives Strategy. 1997. The World according to Nassim Taleb, <www.deri
vativesstrategy.com/magazine/archive/1997/1296qa.asp>.
Duffie, D. y K. Singleton. 1999. Modeling Term Structures of Defaultable Bonds,
The Review of Financial Studies, 12: 687-719.
Esquivel, H. 2010. Medici
on del efecto de las microfinanzas en M
exico, Comercio
Exterior, 60(1): 9-27.
Glaubitt, K., H.M. Hagen, J. Feist y M. Beck. 2008. Reducing Barriers to Microfinance Investments: The Role of Structured Finance, en I. Matth
aus-Maier
y J. Pischke (comps.), New Partnerships for Innovation in Microfinance,
<www.springerlink.com/content/978-3-540-93898-9/contents/>, pp. 349378.
Gonz
alez, C. y F. G
omez. 2006. Formas de asociaci
on cooperativa y su participaci
on en la provisi
on de servicios financieros en las a
reas rurales, Programa
Finanzas Rurales: Los mercados de las finanzas populares y rurales en M
exico. Una visi
on global r
apida sobre su multiplicidad y alcance, n
um. IV,
The Ohio State University, USAID M
exico.
Hanson, S. y T. Schuermann. 2006. Confidence Intervals for Probabilities of
Default, Journal of Banking & Finance, 30(8): 2281-2301.
Jacobson, T., J. Lind
e y K. Roszbach. 2003. Internal Ratings Systems, Implied Credit Risk and the Consistency of Banks Risk Classification Policies,
Journal of Banking & Finance, 30(7): 1899-1926.
Jansson, T. y M. Wenner. 1997. Financial Regulation and its Significance for
Microfinance in Latin America and the Caribbean, Inter-American Development Bank, Washington D.C.
Jarrow, R. y S. Turnbull. 1995. Pricing Derivatives on Financial Securities
Subject to Credit Risk, Journal of Finance, 50(1): 53-85.
Jarrow, R., D. Lando y S. Turnbull. 1997. A Markov Model for the Term
Structure of Credit Risk Spreads, The Review of Financial Studies, 10(2):
481-523.
Jorion, Ph. 1997. Value at Risk: The New Benchmark for Controlling Market
Risk, McGrawHill.
J.P. Morgan Securities. 2000. Modeling Credit Migration, Risk Management Research. Inc., <www.defaultrisk.com/ pdf6j4/Modeling%20Credit%20Mig
ration.pdf>.
Moodys Investors Service. 2009. Moodys Rating Symbols and Definitions,
<www.moodys.com/si tes/products/AboutMoodysRatingsAttachments/
MoodysRatingsSymbolsand%20Definitions.pdf>.
. 2010. Structured Finance rating Transitions: 1983-2009 - Appendix III:
Multi-Year Transition Matrices, <www.moodys.com/research/StructuredFinance-Rating-Transitions-1983-2009-Appendix-III- Multi-YearPBC 1235
54>.
ProDesarrollo. 2008. Benchmarking de las microfinanzas en M
exico 2007: Un
informe del sector, <www.prodesarrollo.org/sites/default/files/documentos

70

ESTUDIOS ECONOMICOS

/benchmarking/Benchmarking%20de%20las%20microfinanzas%20en%20
Mexico%202008.pdf>.
. 2011. Benchmarking de las microfinanzas en M
exico 2010: Un informe del
sector, <www.prodesarrollo.org/sites/default/files/documentos/benchmark
ing/bench%202011ch.pdf>.
Rodrguez, V. 2010. Mapa del microfinanciamiento en M
exico, en V. Rodrguez
y D. Camino (comps.), Un acercamiento a la eficiencia del microfinanciamiento en M
exico, M
exico, Universidad de las Am
ericas, pp. 19-69.
Standard&Poors. 2009. General: Rating Definitions and Terminology, <www.
standardandpoors.com/prot/ratings/articles/en/us/?articleType=HTML&
assetID=1245319233778>.
. 2011. Default, Transition, and Recovery: International Local and Regional
Governments Default and Transition Study, 2010 Update, <www.standar
dandpoors.com/prot/ratings/articles/en/us/?assetID=1245301719681>.
Superintendencia Financiera de Colombia. 2010. Reporte de estabilidad financiera 2010, Bogot
a, Banco de la Rep
ublica.
van Greuning, H., J. Gallardo y B. Randhawa. 1998. A Framework for Regulating Microfinance Institutions, World Bank Policy Research Working Papers,
n
um. 2061.
Women Entrepreneurship Development Trust Fund [WEDTF]. 2010. <www.wed
tf.or.tz/>.
Yates, R. y D. Goodman. 2005. Probability and Stochastic Processes. A Friendly
Introduction for Electrical and Computer Engineers, John Wiley & Sons.
Yunus, M. 2008. Creating a World Without Poverty: Social Business and the
Future of Capitalism, Public Affairs.
Zu
niga, M. 2004. Acceso al cr
edito de las mujeres en Am
erica Latina, trabajo
preparado dentro del Proyecto CEPAL/GTZ: Polticas laborales con enfoque
de g
enero, Santiago de Chile, <www.eclac.cl/mujer/proyectos/gtz/publica
ciones/word doc/Muriel Zuniga.pdf>.

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

71

Anexo A

Enfoque de cohorte o la estimaci

on de cadenas de Markov en tiempo
discreto
El enfoque de cohorte es un estudio longitudinal que peri
odicamente
mide la caracterstica de interes en una poblaci
on. Para una muestra
de observaciones cuyas transiciones entre los diferentes estados transcurren en tiempos discretos t = 0, ...T , se consideran las siguientes
variables:
Xt es la variable aleatoria discreta del estado i en el periodo t.
ni (t) es el n
umero de observaciones en el estado i en el perodo t.
nij (t) es el n
umero de observaciones que transicionaron de i en el
perodo t 1 a j en el periodo t.
PT 1
Ni (T ) =
umero total de observaciones que se
t=0 ni (t) es el n
encontraban en el estado i al principio de los periodos de transici
on.
PT
Nij (T ) = t=1 nij (t) es el n
umero total de transiciones observadas
de i a j a lo largo de todo el periodo.
Sx = {s1 , s2 , . . . , sK } es el conjunto de valores de la variable discreta
Xn .
El an
alisis se realiza bajo la suposici
on de que las transiciones
de las observaciones son independientes en periodos t homogeneos.
El supuesto de independencia relaja el c
alculo de las probabilidades
condicionales, al no tener que estimar la probabilidad conjunta de
los eventos, adem
as de que estamos asumiendo que las condiciones
econ
omicas de los creditos otorgados, en diferentes momentos del
tiempo, cambian y no hay estudios que muestren la evoluci
on y/o
relaci
on de un acreditado para considerar la probabilidad conjunta.
En este primer acercamiento asumimos independencia y se deja para
un estudio posterior el planteamiento de la hip
otesis de probabilidad
conjunta. Adem
as del supuesto de independencia, se condiciona sobre
el estado inicial

72

ESTUDIOS ECONOMICOS

P (xn+1 = j|x m = i) = pij

(3)

Bajo la suposici
on de independencia, la probabilidad de una secuencia particular
x0 , x1 , x2...xT

(4)

px0 ,x1 px1 ,x2 pxT 1 ,xT

(5)

de un credito es

La funci
on completa de m
axima verosimilitud es el producto de
las verosimilitudes individuales. As,
Y

N (T )

pijij

(6)

p0ij = 1

(7)

(i,j)

donde

Al aplicar logaritmo a la funci

on queda
X

Ni,j (T ) log pij

(8)

(i,j)

De la propiedad de cadenas de Markov

XK

j=1

pij = 1 i Sx

(9)

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

73

obtenemos una restricci

on y se llega al siguiente problema de maximizaci
on:
M aximizar

Ni,j (T ) log pij

(10)

(i,j)

s.a.

XK

j=1

pij = 1 i Sx

(11)

Su soluci
on a traves de multiplicadores de Lagrange deriva en el
estimador de m
axima verosimilitud

pij =

Nij (T )
i, j Sx
Ni (T )

(12)

Dicho estimador se calcula para cada una de las posibles transiciones entre estados, y corresponde a cada par (i, j) Sx que estar
a
contenido en la matriz de probabilidades de transici
on.
Anexo B
Intervalos de confianza para las matrices de probabilidades de transici
on crediticia
Una vez que se cuenta con las estimaciones de las probabilidades de
transici
on es deseable construir un intervalo de confianza para las
mismas. Bajo la suposici
on de que tanto el incumplimiento como
las transiciones de calificaciones son variables aleatorias binomiales,
como se consideran dentro del enfoque de cohorte, es posible usar
el intervalo de confianza est
andar de Wald. Sin embargo, su uso
depende de la suposici
on de que el estimador de m
axima verosimilitud
de la probabilidad de transici
on correspondiente a cada calificaci
on es
calculado de un conjunto de observaciones identicamente distribuidas.
Esto implica que, en el caso de la probabilidad de incumplimiento,
esta no vara sistem
aticamente en el tiempo o por industria y, en el
caso de la cartera de microcreditos, que la probabilidad de impago de

74

ESTUDIOS ECONOMICOS

un cliente es independiente de cualquier otro cliente en el mismo periodo de evaluaci

on. Puesto que pueden existir factores comunes entre
los clientes, como la situaci
on de la economa que repercute en todos
los deudores aunque en distinta magnitud. Hanson y Schuermann
(2006) consideran, por todo esto, que el intervalo de confianza de
Wald es muy estrecho. Brown, Cai y Dasgupta (2001) han mostrado
que la cobertura del intervalo de Wald puede ser significativamente
menor que su valor nominal, tanto para los casos cuando el par
ametro
de proporci
on est
a en los lmites del intervalo [0,1] como a lo largo de
el.
Agresti y Coull (1998) propusieron un intervalo que se puede
usar cuando el n
umero de observaciones de cada transici
on es, por
lo menos, de 40. Este intervalo se puede entender como a
nadir a
las observaciones dos sucesos y dos fracasos, cuando se busca una
confianza de 95 por ciento. La cobertura dada, este intervalo es m
as
cercano al valor nominal de la probabilidad real, como lo muestra el
trabajo de Brown, Cai y Dasgupta (2001).
El intervalo de Clopper y Pearson (1934) brinda una soluci
on
exacta al ser construida a partir de una distribuci
on binomial que
proporciona un valor mnimo y uno m
aximo a la probabilidad de
transici
on. Se eligi
o la soluci
on exacta Clopper y Pearson (1934) para
los intervalos de confianza de las probabilidades de transici
on en cada
matriz construida en la presente investigaci
on. Bajo las suposiciones
de transiciones independientes del tiempo y del acreedor del credito,
as como poblaci
on infinita, el n
umero de transiciones desde un estado
i a un estado j se distribuye binomialmente con:

Nij (T ) =

XT

t=1

nij (t)

(13)

n
umero de exitos y un par
ametro de proporci
on pij cuyo estimador
de m
axima verosimilitud es pij .
Los intervalos de confianza para cada pij se construyen resolviendo para una proporci
on mnima y m
axima de cola izquierda y
derecha, respectivamente, como sigue:


Ni 
X
Ni k
N k
pij (1 pij ) i = /2 (i, j)
k

k=Nij

(14)

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION


Nij 
X
N
i

k=0

pkij 1 pij

Ni k

= /2 (i, j)

75

(15)

Anexo C

Cuadro 18
Intervalos de confianza para matriz de transici
on general, = 5%

%
A

98.44

100.00

0.60

0.76

0.80

1.01

0.02

11.74

14.93

37.81

42.75

43.40

48.92

3.80

5.91

4.76

7.32

0.21

0.83

36.76

41.57

51.66

57.99

4.12

6.41

0.16

0.68

0.01

0.01

34.22

38.84

3.21

5.11

0.01

0.55

0.00

0.04

0.00

0.04

0.08

5.16

7.80

0.01

0.30

0.00

0.03

0.00

0.03

0.72

1.49

0.00

0.01

0.00

0.01

0.00

0.01

0.22

0.78

0.00

0.02

0.00

0.02

0.00

0.02

%
A

0.00

0.00

0.00

0.00

0.00

0.00

0.00

0.00

0.00

0.04

0.00

0.04

0.00

0.04

0.00

0.04

3.55

5.53

0.00

0.04

0.00

0.04

0.00

0.04

54.45

61.15

3.79

5.94

0.00

0.04

0.00

0.04

37.02

41.99

56.95

61.05

0.00

0.04

0.00

0.04

0.00

0.03

65.08

69.26

27.60

31.27

0.00

0.03

0.00

0.01

0.00

0.01

90.19

95.11

8.21

10.30

0.00

0.02

0.00

0.02

0.00

0.02

99.59

100.00

76

ESTUDIOS ECONOMICOS

Cuadro 19
Intervalos de confianza para matriz de transici
on
genero femenino, = 5%
A

%
A

98.84

100.00

0.70

0.91

0.29

0.45

0.00

0.70

1.09

97.63

100.00

1.15

1.75

0.16

0.36

3.35

5.38

0.76

2.60

36.56

41.61

52.07

58.73

2.89

6.07

2.26

4.84

0.02

0.02

33.61

38.43

2.71

5.74

2.67

5.67

0.00

0.06

0.00

0.06

1.98

4.12

3.90

6.08

0.00

0.04

0.00

0.04

1.45

2.30

3.89

3.89

0.00

0.02

0.00

0.02

5.63

8.53

6.72

6.72

0.00

0.03

0.00

0.03

0.04

%
A

0.00

0.00

0.00

0.00

0.00

0.00

0.00

0.00

0.00

0.01

0.00

0.01

0.00

0.01

0.00

0.01

3.45

5.52

0.00

0.05

0.00

0.05

0.00

0.05

53.24

60.09

3.80

6.09

0.00

0.06

0.00

0.06

36.75

41.95

54.08

61.06

0.00

0.06

0.00

0.06

0.00

0.04

63.82

68.11

27.51

31.35

0.00

0.04

0.00

0.02

0.00

0.02

86.17

91.04

7.37

9.34

0.00

0.03

0.00

0.03

0.00

0.03

86.51

91.55

Cuadro 20
Intervalos de confianza para matriz de transici
on
genero masculino, = 5%
A

%
A

98.70

100.00

0.59

1.28

0.31

0.70

0.02

1.17

2.63

95.83

100.00

1.69

3.64

0.10

0.80

6.33

14.62

0.94

7.22

33.09

50.97

46.32

59.78

6.00

14.20

1.00

7.85

0.00

0.43

33.14

51.42

5.19

18.54

1.31

10.00

0.00

0.51

0.00

0.51

0.17

 DE MICROCR EDITOS

MATRIZ DE PROBABILIDAD DE TRANSICION

77

Cuadro 20
(continuaci
on)

%
F

3.14

11.31

2.25

8.55

0.00

0.32

0.00

0.32

1.13

4.32

2.65

6.17

0.00

0.16

0.00

0.16

4.06

9.29

3.94

9.02

0.00

0.21

0.00

0.21

%
A

0.00

0.02

0.00

0.02

0.00

0.02

0.00

0.02

0.00

0.05

0.00

0.05

0.00

0.05

0.00

0.05

2.71

10.24

0.00

0.37

0.00

0.37

0.00

0.37

46.15

59.92

2.33

9.33

0.00

0.43

0.00

0.43

33.93

53.00

48.51

63.16

0.00

0.51

0.00

0.51

0.00

0.32

61.61

77.71

24.77

38.64

0.00

0.32

0.00

0.16

0.00

0.16

85.47

91.43

6.65

14.09

0.00

0.21

0.00

0.21

0.00

0.21

88.14

94.32