Printer Friendly

Eficiencia bancaria en Argentina. Comportamiento de los bancos entre 2005 y 2013.

Bank efficiency in Argentina. Performance between 2005 and 2013

Eficiencia bancaria na Argentina. Comportamento dos bancos entre 2005 e 2013

1. Introduccion

Desde Adam Smith hasta la actualidad, los investigadores economicos han dedicado notables esfuerzos al analisis de la influencia de los bancos sobre la marcha de la economia. En particular, interesa su contribucion al crecimiento economico a partir de su rol preponderante en la captacion del ahorro publico y su orientacion hacia distintos destinos, de conformidad con los incentivos derivados del mercado financiero. En este contexto, y desde la perspectiva de los gestores de las politicas publicas, reviste especial interes la participacion de estas entidades en la conduccion de tales recursos financieros hacia la inversion en actividades productivas por su incidencia en el proceso de crecimiento. En tanto, en un contexto de reserva fraccionada, los bancos tienen una participacion esencial en la transmision de la politica monetaria. Por lo tanto, un sector bancario eficiente facilitaria a la economia de un pais afrontar en mejores condiciones los eventuales shocks adversos y, de esa manera, contribuir a la estabilidad del sistema y a potenciar el desempeno economico global.

Consecuentemente, estudiar la eficiencia bancaria no solo tiene relevancia desde el punto de vista de las propias entidades financieras sino en relacion con su efecto sistemico y, en particular, por su vinculacion con el nivel de riesgo que enfrentan los propios usuarios del sistema financiero. Luego, identificando las posibles causas de la ineficiencia, asi como su ponderacion relativa, se podrian derivar conclusiones de interes para los supervisores del sistema financiero nacional.

El aporte de la investigacion en esta materia <<se puede clasificar en aportes sobre eficiencia comparativa, evolucion de la productividad, determinacion de economias de escala, efectos sobre la eficiencia o la productividad de las fusiones y analisis de eficiencia de sucursales>> (Ferro, Leon, Romero y Wilson, 2014, p. 13), entre otros aspectos.

Sin embargo, a pesar de la relevancia del tema, los investigadores no han alcanzado un consenso en torno a cual es la metodologia mas adecuada para analizar la eficiencia bancaria. No obstante, se pueden distinguir 2 lineas metodologicas principales. Por un lado, la parametrica--apoyada en modelos econometricos--, que procura separar el factor ineficiencia del componente aleatorio puro. En este contexto, resulta evidente que para realizar tal disgregacion debe: a) establecerse un supuesto especifico sobre la forma funcional aplicable para estimar una frontera de eficiencia, y b) definirse, a priori, una distribucion de probabilidades aplicable al caso que permita segregar la componente de ineficiencia del citado error aleatorio.

Alternativamente, existe una metodologia de programacion matematica para estimar una frontera de eficiencia--desarrollada por Charnes, Cooper y Rhodes (1978)--de naturaleza deterministica (no aisla la ya referida aleatoriedad pura) y no parametrica (no asume una forma funcional determinada): el analisis de envolvente de datos (DEA).

En este contexto, es necesario destacar que el foco de interes de este trabajo es la evolucion de la eficiencia relativa de los bancos argentinos en el lapso 2005 y 2013 y, en tal sentido, no resultaria necesario forzar una especificacion de una determinada forma funcional para la frontera y, por lo tanto, la metodologia DEA seria apropiada a tal fin.

Consecuentemente, se empleara una metodologia no parametrica, DEA, con un enfoque orientado hacia los insumos asumiendo como hipotesis valida que el desarrollo de los productos bancarios es una consecuencia de las decisiones adoptadas por la direccion sobre los insumos.

Dado tal planteamiento, y adicionalmente a esta introduccion, el trabajo presenta 4 secciones adicionales. La seccion 2 resume el marco teorico bajo el cual se desarrolla el presente trabajo. La seccion 3 presenta la metodologia escogida. En la seccion 4 se muestran los resultados obtenidos. Por ultimo, en la seccion 5 se desarrollan las conclusiones.

2. Marco teorico

Tal como se senalo anteriormente, la metodologia DEA se encuentra sustentada en las tecnicas de programacion lineal y el objetivo es obtener un escalar que represente la minima proporcion a la que se pueden reducir los consumos de inputs sin que disminuya la cantidad producida de output. Este metodo, a partir de los datos observados, construye una frontera de eficiencia. Luego, esta frontera constituye un punto de referencia, o benchmark, que facilita la comparacion entre las distintas firmas o unidades de toma de decision (decision making unit [DMU]) involucradas en el estudio en terminos de eficiencia relativa. Si la DMU se encuentra sobre la frontera sera eficiente y si se halla fuera de la misma mostrara cierto grado de ineficiencia. Este esquema de analisis esta basado en los trabajos de Farrell (1957), Banker, Charnes y Cooper (1984) y Fare, Grosskopf y Lovell (1985).

Si el planteamiento del problema incluye n DMU con multiples insumos y productos--asumiendo rendimientos constantes a escala--, todos los insumos se pueden representar en una matriz de n columnas, denominada X, y todos los productos se pueden representar en una matriz de n columnas, llamada Y. Al mismo tiempo, para cada DMU se utilizara x e y para representar sus insumos y productos, respectivamente. La cuestion se resume, entonces, al siguiente problema de programacion lineal para determinar la eficiencia relativa.

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII], (1)

donde [theta] es un escalar y [lambda] representa un vector de ponderadores que se aplicara a las columnas de X e Y. El valor [theta] obtenido sera la eficiencia de la i-esima DMU y estara comprendido entre 0 y 1. Si la DMU esta situada sobre la frontera de referencia asumira el valor 1. Esto es, dicha DMU sera tecnicamente eficiente, de acuerdo a la definicion de Farrell (1957). Sin perjuicio de ello, cabe destacar que Koopmans (1951) presento una definicion de eficiencia tecnica mas estricta, ya que propone que una DMU sera tecnicamente eficiente solamente si opera sobre la frontera de referencia y ademas todas las holguras (1) asociadas son cero. Esto ocurrira solamente si Y[lambda] - [y.sub.i] = 0 y [theta][x.sub.i] - X[lambda] = 0.

Ahora bien, a raiz de la metodologia empleada, cuando se analiza la dimension tecnica del problema la eficiencia tecnica podria estar capturando, aunque no discriminando, un efecto de rendimientos de escala. Consecuentemente, la medicion de eficiencia tecnica deberia presentar una desagregacion. Por un lado, una medida de eficiencia de escala (2) y, por otro, una magnitud que represente la eficiencia tecnica pura.

Este ejercicio puede realizarse sobre los mismos datos analizando un modelo con rendimientos constantes a escala y otro con rendimientos variables. Si hay diferencias entre las 2 puntuaciones de eficiencia tecnica para una DMU particular, esto indicara que dicha DMU tiene ineficiencias de escala.

En oportunidad de analizar la eficiencia de entidades financieras, se presenta cierta complejidad derivada de la propia naturaleza de la actividad de los bancos, fundamentalmente debido a la diversidad de servicios que estos ofrecen. Siguiendo a Stavarek (2005), la modelizacion para este tipo de empresas podria realizarse a partir de tres enfoques: 1)de produccion; 2) de intermediacion, y 3) de activos. El primero considera a los bancos como generadores de depositos y prestamos (ambos son productos) utilizando capital y trabajo como insumos. Aqui suelen expresarse las variables como magnitudes fisicas mas que monetarias, criterio adoptado en el presente trabajo. El enfoque de intermediacion tiene su origen en el rol tradicional de las entidades financieras en el cual un banco capta depositos del publico para luego transformarlos en prestamos utilizando en dicho proceso--como insumos complementarios--capital y trabajo. Por ultimo, y como derivacion del enfoque de intermediacion, se encuentra el indicado como 3), el cual hace hincapie en el rol de las entidades financieras como creadoras de creditos. La diferencia radica en la definicion de los productos (stock de creditos y otros activos generadores de renta financiera).

El analisis planteado a partir del DEA tiene caracter estatico, es decir, esta referido a un unico periodo de tiempo. Luego, si se desea evaluar el fenomeno de la eficiencia en un plano dinamico se podria utilizar el indice de productividad de Malmquist (IPM), que mide las variaciones en la productividad a lo largo del tiempo--utilizando la metodologia DEA--permitiendo, a su vez, descomponerlas en cambios en la eficiencia (catch up) y cambios tecnologicos (frontier shift). Se apreciara una mejora en la productividad si el IPM exhibe una expresion mayor a 1. En caso contrario, se asume una retraccion de tal variable.

La tecnica se basa en el calculo de la distancia que separa a una DMU de la tecnologia de referencia en cada periodo, y para ello utiliza funciones de distancia. Generalizando este concepto a un modelo orientado a insumos, se tiene que el IPM para el periodo t y t + 1 puede ser expresado de la siguiente manera:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII] (2)

donde [D.sup.t] y [D.sup.t+1] son las funciones de distancia para los periodos t y t +1, respectivamente. En tanto, x e y representan al insumo y al producto.

En el segundo miembro, el termino [a] mide el cambio en la eficiencia tecnica relativa entre los periodos t y t + 1 permitiendo establecer si la produccion se encuentra mas cerca o mas lejos de la frontera (catch up). Si dicho valor es mayor que la unidad, la produccion en el periodo t + 1 es mas eficiente que la produccion en el periodo t. Si es menor a la unidad, entonces la produccion en el periodo t + 1 es menos eficiente que en t, y si el valor es igual a uno, entonces no hay cambios de eficiencia entre ambos periodos.

La segunda parte del segundo miembro--terminos [b] y [c]--captura los cambios en la tecnologia entre los 2 periodos evaluados (frontier shift). Si han existido mejoras tecnologicas, se tendra un valor superior a la unidad. Segun Fare, Grosskopf, Lindgren y Ross (1994), utilizando los modelos de rendimientos constantes a escala (constant returns to scale [CRS]) (3) y rendimientos variables a escala (variable returns to scale [VRS]) (4) se pueden estimar las funciones de distancia descritas anteriormente.

Algo similar ocurre con los componentes de este indice, pero debe tenerse en cuenta que, aunque el producto del cambio en la eficiencia tecnica y el cambio tecnologico debe ser, por definicion, igual al IPM, estos 2 componentes podrian tener comportamientos en direcciones opuestas.

3. Metodologia

A los efectos del presente trabajo, se ha adoptado el enfoque de produccion, computando aquellos insumos sobre los cuales las entidades tienen mayor nivel de control y decision, mas alla de los alcances de la normativa regulatoria.

En tal linea de argumentacion, se han seleccionado las siguientes variables por el lado de los insumos: cantidad de empleados, sucursales (incluyendo filiales y otras dependencias activas) y un indicador de egresos por servicios (5). De esta manera, se procura captar el esfuerzo especifico que realiza cada entidad para comercializar sus productos. En este contexto, no debe omitirse mencionar que la habilitacion de sucursales, en los terminos indicados precedentemente, requiere el visto bueno del Banco Central de la Republica Argentina (BCRA) y, por ello, el proceso y tiempos de apertura de las mismas no depende exclusivamente de la voluntad de las entidades financieras.

En cuanto a los productos, se han considerado las siguientes variables: (cantidades de) cuentas corrientes, cajas de ahorro, plazos fijos, prestamos y tarjetas de credito y, asi tambien, un indicador de ingresos por servicios (6). De conformidad con el enfoque de produccion, se han incluido tanto productos activos como pasivos. Esta decision se ha asumido en funcion de la informacion disponible y con la intencion de mantener la uniformidad en el tratamiento de los datos. Tal decision, sin embargo, no implica ignorar las politicas de bundling adoptadas por algunas de las entidades incluidas en la muestra.

El concepto ingresos por servicios (7) (y su contraparte egresos por servicios) se encuentra asociado a una amplia gama de servicios de dificultosa agregacion en una variable no monetaria, por lo que se ha optado por incluir un indicador consistente.

Los datos empleados fueron extraidos del reporte titulado <<Informacion de Entidades Financieras>> elaborado por la Superintendencia de Entidades Financieras y Cambiarias, dependiente del BCRA.

Es necesario observar que durante el periodo indicado se modifico la cantidad de entidades que operaron en el mercado local. Para conservar la uniformidad de la comparacion se excluyen, a los efectos del presente analisis, los bancos que no operaron en todo el lapso temporal observado. Al mismo tiempo, en el conjunto de entidades financieras se pueden observar un conjunto de entidades que solo cuentan con casa matriz o una unica filial. Dado que la red de sucursales es una variable relevante para la presente investigacion, se han excluido de la base de datos considerada. El mismo criterio se aplico a las entidades que se encuentran muy especializadas en segmentos alejados de la actividad minorista y de servicios.

De esta manera, se considerara una muestra de 40 bancos que, a diciembre de 2013, reunen el 97,2% de la totalidad de los activos de entidades bancarias a la fecha mencionada y, a su vez, concentran el 99,7% de la cantidad de plazos fijos y el 95,2% de la cantidad de los prestamos del sistema. Al inicio del periodo las mismas entidades financieras representaban el 97,3% de los activos, el 99,3% de la cantidad de plazos fijos y el 96,0% de la cantidad de prestamos.

Con los datos referidos y utilizando el analisis DEA se estimo la eficiencia tecnica de cada uno de los integrantes de la muestra, procurando discriminar los que serian eficientes de los que no cumplirian con tal condicion. A tal efecto, y conforme con la literatura, se consideraron las hipotesis de rendimientos constantes de escala y su alternativa de rendimientos variables. En el marco del mismo ejercicio se busco aislar el fenomeno escala de la gestion pura de recursos.

Posteriormente se exploro la dinamica del fenomeno y su relacion con la productividad total de los factores. A tal efecto, se empleo el IPM como instrumento para el tratamiento de los datos correspondientes a 2005 y 2013. El primer periodo se selecciono en sintonia con lo argumentado por Ferro, Leon, Romero y Wilson (2013). Con esta herramienta se buscara estimar la incidencia de las distintas componentes sobre la eficiencia y la productividad.

Finalmente, el analisis se concentro en las caracteristicas de tal dinamica. La intencion fue evaluar si el patron de cambio en la productividad fue constante a lo largo de todo el periodo. Con tal objetivo se dividieron las observaciones en 2 grupos de datos: el primero de ellos correspondio al lapso 2005-2009 y el segundo grupo abarco el periodo 2009-2013. Tal agrupacion se apoyo en 2 factores. En primer lugar, Argentina mostro, a partir de 2009, un crecimiento economico mas debil que en la etapa precedente. Tal como indica la literatura, la actividad financiera se encuentra fuertemente relacionada con la evolucion de la economia del pais y deberia esperarse que un cambio de tendencia afecte el desempeno de los bancos, especialmente los que tienen una fuerte vinculacion con el segmento minorista. Al mismo tiempo, en el segundo lapso, el mercado financiero en general, y el cambiario en particular, fueron afectados por decisiones regulatorias de significacion. En tal contexto, resultaria razonable esperar cambios en el comportamiento de las entidades financieras. Por ultimo, en 2008 se registro una crisis de alcances globales con impacto sobre el sector financiero, lo cual afecto su performance (tabla 1).

4. Resultados

Los resultados obtenidos a partir de la muestra considerada evidencian niveles de eficiencia tecnica similares en los bancos que integran la misma, ya sea bajo la hipotesis CRS como VRS. Asi, en la tabla 2 se puede observar que el 47,5% (19 DMU) son eficientes bajo ambas hipotesis. Identico valor resulto para la estimacion de entidades ineficientes. Solo 2 DMU (5,0%) muestran resultados contradictorios, esto es, son ineficientes solo bajo la hipotesis CRS.

Ahora bien, tal como se senalo previamente, la metodologia de calculo podria estar ocultando un efecto escala. Esto resulto evidente en los 2 casos <<contradictorios>>. En realidad, se trata de un caso con rendimientos crecientes a escala (DMU: B315) y otro con rendimientos decrecientes (DMU: B034).

Siguiendo el criterio de Coelli (1996), tambien se puede identificar efecto escala en otros casos donde hay coincidencia de diagnostico bajo ambos modelos. Las 19 DMU calificadas como eficientes bajo ambas hipotesis contienen 6 casos de rendimientos crecientes y 3 con decrecientes. En tanto, las calificadas como ineficientes incluyen 6 DMU con rendimientos crecientes y 13 con decrecientes.

Posteriormente se procedio a analizar la evolucion de la productividad de las entidades financieras en el periodo comprendido entre los anos 2005 y 2013. La intencion de este analisis fue discriminar los factores que han incidido sobre la evolucion de la eficiencia. Asi, se examinaron las componentes de eficiencia tecnica, de gestion y de escala. Este ultimo analisis se efectuo recurriendo al IPM.

En la tabla 3 se exponen los resultados obtenidos comparando ambas puntas de este ciclo. Como se puede ver, 28 DMU han mejorado la productividad total en este periodo. En tanto, 12 DMU mostraron una caida en su productividad total.

En el caso de las DMU que vieron acrecentada su productividad, el 50,0% (14 DMU) mostraron una mejora tanto en su eficiencia tecnica pura (ETP) como en su eficiencia global (EG), ya sea por efecto escala o por razones atribuibles a la gestion. Por su parte, el 25,0% (7 DMU) tuvieron mejorias en ETP pero no mostraron cambios en EG. Otro 14,3% (4 DMU) tambien acrecentaron su ETP pero tuvieron desmejoras en la EG. Por ultimo, 3 DMU (10,7%) redujeron su EG a pesar de crecer en terminos de ETP.

En tanto, las DMU que exhibieron una contraccion en su productividad total presentaron un panorama sustancialmente diferente. En efecto, solo 5 DMU mostraron una mejora en ETP pero, al mismo tiempo, indicaron una caida en la EG. Alternativamente, las DMU que revelaron una contraccion en la ETP (7 DMU) no presentaron un resultado uniforme en terminos de la EG. Asi, 4 DMU (33,3%) permanecieron sin cambios, 2 DMU tambien registraron una desmejora y solo una DMU refirio una expansion en la EG. Concretamente, el cambio en la productividad total de los factores para cada entidad se desagrega entre la variacion en la EG (8) y el cambio tecnologico.

En este contexto, surgio el interrogante respecto a la uniformidad sobre el comportamiento de la variable durante todo el periodo considerado. A tal efecto se desarrollo el ejercicio de desagregar la evolucion de la productividad total de los factores (PTF) en 2 subperiodos: 2005-2009 y 2009-2013.

La tabla 4 muestra como ha variado la productividad total de los factores entre 2005 y 2013, y en que subperiodo se ha registrado la mayor intensidad de tal cambio. Tal como se senalo previamente, 28 DMU mejoraron su PTF comparando 2005 y 2013. No obstante, si dicho lapso se dividiera en los 2 subperiodos mencionados, se veria que solo en el caso de 22 DMU tal mejora se repitio en ambos lapsos. En tanto, el crecimiento de la PTF total para 2 DMU se explica solamente con el positivo desempeno en el subperiodo 2005-2009. Por el contrario, en 4 casos el aumento de la PTF solo se fundamenta en el rendimiento evidenciado en el subperiodo 2005-2009.

Por su parte, 12 DMU presentaron una retraccion en la PTF para todo el periodo considerado. Tal caida es evidente en 6 casos, en los cuales se repitio tal comportamiento en los 2 subperiodos. En las restantes DMU se produjo una contraccion de la PTF total, a pesar de que en alguno de los subperiodos se generara una mejora de dicha variable.

En este contexto resulta necesario evaluar el impacto del efecto escala sobre la evolucion de la EG. La evaluacion de esta ultima variable muestra que 18 DMU mejoraron su posicion relativa en relacion con el desempeno de 2005. En tanto, 11 DMU no exhibieron cambios para el mismo lapso e identico numero senalo una caida en la EG.

Entre las entidades que mejoraron su EG se encuentra un grupo de 7 DMU que enfrentaron un efecto escala negativo que fue totalmente neutralizado a traves de mejoras de gestion. En tanto, 5 DMU potenciaron su ganancia por eficiencia de gestion con un efecto escala positivo. Por otra parte, otras 6 DMU no presentaron cambios en terminos de gestion pero el efecto escala repercutio positivamente sobre la EG. Tales resultados se detallan en la tabla 5.

Por su parte, en la tabla 6 se exponen los resultados para las DMU que tuvieron una caida en la EG durante el lapso referido.

En sintesis, la mayoria de las entidades (9 DMU) enfrentaron la conjuncion de una caida de su eficiencia de gestion y un efecto escala negativo. La excepcion se presento en 2 casos, donde se registraron efectos opuestos.

Para completar el cuadro de situacion existen 11 DMU que no evidenciaron una variacion en la EG. Este fenomeno es un reflejo de la ausencia de cambios en la eficiencia de gestion y de un efecto escala nulo.

En principio, se podria asociar dicha mejora con los cambios tecnologicos producidos durante este lapso considerado. La incidencia sobre la productividad del desarrollo y expansion de la banca electronica como plataforma comercial podria constituir un campo interesante de investigacion.

5. Conclusiones

El objetivo principal del presente trabajo ha sido analizar la evolucion de la eficiencia de ciertas entidades bancarias del sector financiero argentino entre 2005 y 2013.

Segun la literatura, existen distintas metodologias para abordar la cuestion. En este caso, se ha optado por una de naturaleza no parametrica, ya que presenta la ventaja, en opinion de los autores, de no encontrarse restringida por ciertos supuestos en torno al formato de la funcion de costos del sector. Tal enfoque no quita validez a la estrategia de analisis sustentada en metodos parametricos.

Se decidio estudiar este topico aplicando el data envelopment analysis (DEA), asumiendo un enfoque de insumos. Complementariamente, para la seleccion y el tratamiento de los datos relevantes (en la perspectiva de los autores) se ha asumido un enfoque de produccion. Nuevamente, el criterio adoptado no invalida, en absoluto, que otro investigador adopte un enfoque de intermediacion para efectuar este analisis.

Una de las peculiaridades del sistema bancario en Argentina es que bajo la categoria Banco conviven entidades financieras que presentan distinto grado de especializacion y de dificultosa comparacion directa. En un enfoque como el planteado en este trabajo tal distincion es relevante, y a fin de garantizar una cierta homogeneidad en la recopilacion y tratamiento de los datos, se decidio utilizar una muestra de conveniencia conformada por 40 bancos. A diciembre de 2013, este conjunto representaba el 97,2% del total de activos bancarios.

De la aplicacion de esta metodologia se concluye que existe evidencia para pensar que la productividad total de los factores ha mejorado para la mayoria de las entidades integrantes de esta muestra. En efecto, 28 bancos revelan un cambio positivo en terminos de esta variable. Sin embargo, no todos repiten el mismo patron de causas, asi como tampoco la misma intensidad de cambio, segun puede observarse en las tablas incorporadas en la seccion previa.

Sin perjuicio de lo anterior, gran parte de la explicacion de la mejora productiva radica en los positivos cambios observados en la eficiencia tecnica pura. Notese que 25 de los 28 bancos indicados en el parrafo anterior exhibieron mejoras en la eficiencia tecnica pura frente a un comportamiento irregular de la EG. Luego, variaciones --en diferentes sentidos--de la eficiencia en la gestion de los recursos, asi como en los rendimientos de escala, terminan de ilustrar el comportamiento de la productividad de las entidades analizadas en el periodo seleccionado.

La mejora en la EG alcanzo al 45% de la muestra (18 DMU). De ese total, se reconoce que en el 66,7% (12 DMU) ha registrado mejoras en la eficiencia de gestion. No obstante, parte de este incremento ha sido neutralizado por un efecto escala negativo.

En tanto, la division en subperiodos (2005-2009 y 2009-2013) no arroja diferencias significativas en torno al desempeno de las entidades financieras. En efecto, solo el 30% de la muestra (12 DMU) presento un patron no uniforme.

Finalmente, deben realizarse ciertas consideraciones sobre posibles limitaciones del presente trabajo. En primer termino, la diversidad de los servicios transaccionales que realizan los bancos restringe la posibilidad de obtener una medida unica y de base uniforme para incorporar a los modelos. En este caso se utilizaron 2 variables proxy, pero su alcance puede ser incompleto. En segundo lugar, se ha tratado a todos los bancos de manera uniforme asumiendo que tienen una conducta dirigida a minimizar los costos. Este supuesto puede ser considerado <<fuerte>>, pues en la muestra se han incorporado entidades publicas que no necesariamente se ajustan a tal criterio. Probablemente, una futura linea de investigacion podria vincularse a esta tematica. En tercer lugar, como se senalo, los autores no desconocen la aplicacion del bundling en la banca. Esta politica comercial podria llevar a reconsiderar la estructura de productos aqui planteada. En este caso no se conto con informacion suficiente para ajustar dicha estructura. Si se contara con tal informacion, probablemente se podrian ajustar las conclusiones del caso.

http://dx.doi.org/10.1016/j.estger.2015.12.002

INFORMACION DEL ARTICULO

Historia del articulo:

Recibido el 19 de mayo de 2015

Aceptado el 10 de diciembre de 2015

On-line el 26 de febrero de 2016

Conflicto de intereses

Los autores declaran no tener ningun conflicto de intereses.

Bibliografia

Banker, R.,Charnes,A.y Cooper,W.(1984).Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 30(9), 1078-1092.

Charnes, A., Cooper, W. W. y Rhodes, E.(1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.

Coelli, T. J. (1996). A Guide to DEAP Version 2,1:A Data Envelopment Analysis (Computer) Program, Working Paper 96/08, Centre for Efficiency and Productivity Analysis. Armidale: University of New England.

Fare, R., Grosskopf, S. y Lovell, K. (1985). The Measurement of the Efficiency of Production. Boston: Kluwer Academic Publishers.

Fare, R., Grosskopf, S., Lindgren, B. y Roos, P. (1994). Productivity Developments in Swedish Hospitals: A Malmquist Output Index Approach in Data Envelopment Analysis: Theory, Methodology and Applications. Nueva York: Springer., 253-252.

Farrell, M. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, 120, 253-281.

Ferro, G., Leon, S., Romero, C. y Wilson, D. (2013). Eficiencia del sistema bancario argentino (2005-2011), Anales XLVHI Reunion Anual de la Asociacion Argentina de Economia Politica. Rosario, Argentina: Universidad Nacional de Rosario.

Ferro, G., Leon, S. M., Romero, C. y Wilson, D. (2014), <<Reseteo>> de un sistema financiero tras una crisis: un analisis de eficiencia [consultado 1 Oct 2015], Disponible en: https://www.mysciencework.com/publication/file/8233483/reseteode-un-sistema-financiero-tras-una-crisis-un-analisis-de-eficiencia.

Koopmans, T. C. (1951). Analysis of production as an efficient combination of activities. En T. C. Koopmans (Ed.), Activity Analysis of Production and Allocation, Cowles Commission for Research in Economics, Monograph No, 13 (pp. 381-385). New York: Wiley.

Stavarek, D. (2005). Efficiency of Banks in Regions at Different Stage of European Integration Process. Silesian University in Opava, School of Business Administration in Karvina, Department of Finance.

Mario Seffino * y Daniel Hoyos Maldonado

Investigador, Instituto de Economia, Facultad de Ciencias Economicas, Universidad Nacional del Centro de la Provincia de Buenos Aires, Tandil, Buenos Aires, Argentina

** Una version preliminar de este trabajo fue presentada y publicada en la XLIX Reunion Anual de la Asociacion Argentina de Economia Politica, Posadas, Argentina.

* Autor para correspondencia. Instituto de Economia, Universidad Nacional del Centro de la Provincia de Buenos Aires. Gral. Pinto 399, Tandil, Argentina.

Correo electronico: mdseffino@gmail.com (M. Seffino).

(1) Se entiende por holguras de inputs cuando se puede producir la misma cantidad de output reduciendo la cantidad de inputs. Analogamente se definen las holguras de outputs.

(2) El modelo original de Charneset al. (1978) postulaba la existencia de rendimientos constantes de escala.

(3) Tambien conocido como modelo CCR por las siglas de Charnes, Cooper y Rhodes (1978).

(4) Se lo denomina, tambien, modelo BCC por Banker, Charnes y Cooper (1984).

(5) Dicho indicadores la resultante del cociente entre los egresos por servicios mensuales de los ultimos 12 meses y el promedio del activo de los ultimos 12 meses rezagados un periodo, deducido el importe a netear por operaciones de pase, a termino y contado a liquidar, en terminos anualizados, segun lo reportado por el Banco Central de la Republica Argentina en su publicacion <<Informacion de Entidades Financieras>> a diciembre de cada ano.

(6) El indicador es el cociente entre los ingresos por servicios mensuales de los ultimos 12 meses y el promedio del activo de los ultimos 12 meses rezagados un periodo, deducido el importe a netear por operaciones de pase, a termino y contado a liquidar, en terminos anualizados, segun lo reportado por el Banco Central de la Republica Argentina en su publicacion <<Informacion de Entidades Financieras>> a diciembre de cada ano.

(7) En el segmento minorista se pueden identificar el alquiler de cajas de seguridad, los ingresos por venta de seguros, las comisiones por su intervencion como agente de cobro de servicios, entre otros. En el segmento mayorista se pueden mencionar, por ejemplo, las comisiones por la organizacion, estructuracion y colocacion de emisiones de productos estructurados o por la intervencion como fiduciario o agente administrativo o de la garantia.

(8) En relacion con una tecnologia de rendimientos constantes de escala.
Tabla 1
Bancos argentinos. Estadistica descriptiva, 2013

                      Observaciones   Media         Mediana

Sucursales            40              144,4         76,5
Personal              40              2.502,35      981
C. corrientes         40              111.076,575   8.773,5
C. ahorro             40              775.527,5     299.473,5
Plazos fijos          40              40.952,8      16.005,5
Prestamos             40              574.707,8     232.702
T. de credito         40              471.455,1     178.389,5
Ing. por servicios    40              6,18475       5,85
Egr. por servicios    40              2,481         1,685

                      Error       Desviacion    Minimo   Maximo
                      tipico      estandar

Sucursales            26          164,4         2        698
Personal              528,5       3.342,4       79       17.001
C. corrientes         32.056,3    202.741,9     92       844.238
C. ahorro             203.530,3   1.287.238,4   378      7.200,000
Plazos fijos          9.810,4     62.046,2      22       275.929
Prestamos             130.753,8   826.959,6     852      3.900.000
T. de credito         100.343,8   634.629,9     0        2.500.000
Ing. por servicios    0,5         2,9           1,38     16,82
Egr. por servicios    0,7         4,3           0,35     27,55

Fuente: elaboracion propia.

Tabla 2
Bancos argentinos. Estimacion de eficiencia. 2013

                               VRS
                      Eficiente   Ineficiente   Total

CRS     Eficiente     19(47,5%)   0 (0,0%)      19(47,5%)
        Ineficiente   2 (5,0%)    19(47,5%)     21 (52,5%)
Total   21 (52,5%)    19(47,5%)   40(100%)

Fuente: elaboracion propia.

Tabla 3
Bancos argentinos. Estimacion de cambios en la eficiencia. 2005-2013

Aumento de la               Eficiencia tecnica pura
productividad total

2005-2013                   Aumento      Sin cambios

Eficiencia    Aumento       14 (50,0%)   0 (0,0%)
global        Sin cambios   7 (25,0%)    0 (0,0%)
              Decrecio      4 (14,3%)    0 (0,0%)
Total                       25 (89,3%)   0 (0,0%)

Disminucion de la           Eficiencia tecnica pura
productividad total

2005-2013                   Aumento      Sin cambios

Eficiencia    Aumento       0 (0,0%)     0 (0,0%)
global        Sin cambios   0 (0,0%)     0 (0,0%)
              Decrecio      5 (41,7%)    0 (0,0%)
Total                       5 (41,7%)    0 (0,0%)

Aumento de la               Eficiencia tecnica pura
productividad total

2005-2013                   Decrecimiento   Total

Eficiencia    Aumento       3 (10,7%)       17 (60,7%)
global        Sin cambios   0 (0,0%)        7 (25,0%)
              Decrecio      0 (0,0%)        4 (14,3%)
Total                       3 (10,7%)       28 (100,0%)

Disminucion de la           Eficiencia tecnica pura
productividad total

2005-2013                   Decrecimiento   Total

Eficiencia    Aumento       1 (8,3%)        1 (8,3%)
global        Sin cambios   4 (33,3%)       4 (33,3%)
              Decrecio      2 (16,7%)       7 (58,3%)
Total                       7 (58,3%)       12 (100,0%)

Fuente: elaboracion propia.

Tabla 4
Bancos argentinos. Distribucion de la evolucion de la productividad

Evolucion                         Periodo                  Total

Periodo                           2005-2013

2005-2009 / 2009-2013             Crecio       Decrecio

Crecio en 2005-2009 y 2009-2013   22 (55,0%)    0 (0,0%)    22 (55,0%)
Solo crecio en 2005-2009           2 (5,0%)     2 (5,0%)     4 (10,0%)
Solo crecio en 2009-2013           4 (10,0%)    4 (10,0%)    8 (20,0%)
No crecio                          0 (0,0%)     6 (15,0%)    6 (15,0%)
Total                             28 (70,0%)   12 (30,0%)   40 (100,0%)

Fuente: elaboracion propia.

Tabla 5
Bancos argentinos. Evolucion positiva de la eficiencia
global (EG) y su relacion con la eficiencia de gestion
y efecto escala. Periodo 2005-2013

                              Efecto Escala

Aumento de la                 Positivo     Neutro
EG 2005-2013

Eficiencia      Aumento       5(27,8%)     0 (0,0%)
de gestion      Sin cambios   6 (33,3%)    0 (0,0%)
                Decrecio      0 (0,0%)     0 (0,0%)
Total                         11 (61,1%)   0 (0,0%)

                Efecto
                Escala

Aumento de la   Negativo    Total
EG 2005-2013

Eficiencia      7 (38,9%)   12(66,7%)
de gestion      0 (0,0%)    6 (33,3%)
                0 (0,0%)    0 (0,0%)
Total           7 (38,9%)   18(100,0%)

Fuente: elaboracion propia.

Tabla 6
Bancos argentinos. Evolucion negativa de la eficiencia global
(EG) y su relacion con la eficiencia de gestion y efecto escala.
Periodo 2005-2013

                             Efecto escala
Disminucion
de la EG                     Positivo   Neutro
2005-2013

Eficiencia     Aumento       0 (0,0%)   0 (0,0%)
de gestion     Sin cambios   0 (0,0%)   0 (0,0%)
               Decrecio      1 (9,1%)   0 (0,0%)
Total                        1 (9,1%)   0 (0,0%)

               Efecto
               escala
Disminucion
de la EG       Negativo     Total
2005-2013

Eficiencia     1 (9,1%)     1 (9,1%)
de gestion     0 (0,0%)     0 (0,0%)
               9 (81,8%)    10 (90,9%)
Total          10 (90,9%)   11 (100,0%)

Fuente: elaboracion propia.
COPYRIGHT 2016 Universidad ICESI
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2016 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Seffino, Mario; Hoyos Maldonado, Daniel
Publication:Estudios Gerenciales
Article Type:Ensayo
Date:Jan 1, 2016
Words:6060
Previous Article:Seleccion multicriterio de aliado estrategico para la operacion de carga terrestre.
Next Article:Analisis de los factores del comportamiento organizacional en jovenes que estan iniciando su carrera laboral.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters