1. Datos macroeconómicos

La Gráfica 1 muestra la evolución mensual de la actividad económica agregada, la inflación y la tasa de interés para el periodo de estudio. En particular, la gráfica incluye la variación porcentual anual del Índice Global de Actividad Económica (IGAE) en la Gráfica 1b, además de la variación porcentual anual del Índice Nacional de Precios al Consumidor (INPC) y las tasas de interés objetivo e interbancaria de equilibrio a 28 días (TIIE) en la Gráfica 1a.

Fuente: elaboración propia con información del INEGI y el Banco de México.

Gráfica 1 Condiciones macroeconómicas en México, 2008-2021 (en porcentaje) 

Respecto a la actividad económica, la tasa de crecimiento promedio anual en todo el periodo fue de 1.4%. No obstante, puede apreciarse que existen dos episodios de contracciones importantes en todo el periodo: la recesión de 2009, explicada por la crisis financiera de los Estados Unidos, que se transmitió fundamentalmente mediante el comercio y las condiciones de financiamiento externo, y la importante reducción en la actividad económica asociada a la pandemia de covid-19. Si excluimos el periodo de la pandemia -2020 y 2021-, el crecimiento promedio entre 2008 y 2019 fue de 1.8 por ciento.

En cuanto a la inflación, se observa que al menos en tres periodos esta variable se ha encontrado por encima de la meta del banco central. El primero en 2008-2009, debido, principalmente, al aumento en los precios internacionales de alimentos. El segundo entre 2017 y 2018, en el contexto de la liberalización de los precios de las gasolinas y el consecuente impacto en la inflación general. El tercero a partir de 2021, como consecuencia de las disrupciones en las cadenas globales de valor, el cambio en los patrones de gasto y la invasión de Rusia a Ucrania.

El banco central introdujo en 2008 la tasa de interés objetivo como herramienta fundamental de la política monetaria. De esta forma, a partir de entonces la TIIE ha mantenido un comportamiento estable y similar al de la tasa objetivo. En este periodo, y de acuerdo con lo comunicado por el propio instituto, el Banco de México ha buscado establecer una política monetaria congruente con la estabilidad de precios, al procurar un ajuste ordenado de la economía y de los mercados financieros. Nótese que en las contracciones económicas de 2009 y 2020 el banco central redujo su tasa de interés, mientras que la ajustó al alza ante el incremento inflacionario asociado a la liberalización de precios de la gasolina en 2017 y ante los choques ligados a la pandemia y la invasión de Rusia a Ucrania en 2021.

2. Datos de la CNBV

La información de los bancos comerciales en México proviene de los datos públicos de la CNBV, donde se presentan detalles de los activos y pasivos de cada banco, incluidos distintos tipos de crédito e indicadores relevantes. En la Gráfica 2 se muestran la evolución en términos reales y la composición del crédito total del sistema bancario. Se observa que, en general, la mayor cantidad de crédito otorgado se destina al rubro comercial,⁴ el cual representó entre 2008 y 2021 un promedio de 67% del total, seguido del crédito a la vivienda, con 17%, y del destinado al consumo, con 16%. En el interior del crédito comercial destaca que el crédito asociado a las empresas representó 70% de dicho componente y 47% del crédito total.

Fuente: elaboración propia con información de la CNBV.

Gráfica 2 Crédito de la banca comercial, 2008-2021 (en miles de millones de pesos de 2018) 

Una de las características más importantes del sistema bancario mexicano es su grado de concentración. En el Cuadro 1 se muestra la participación de los principales bancos en el activo y el crédito de todo el sistema bancario durante el periodo de estudio. En particular, el cuadro muestra el porcentaje respecto al agregado del sistema bancario de diversos tipos de créditos otorgados que cada banco mantiene en su hoja de balance. En el periodo de estudio, los 10 bancos más grandes concentraron en promedio 85% de los activos totales y 91% de la cartera total de crédito. A pesar de la elevada concentración, debe tenerse en cuenta que, si los movimientos en el crédito otorgado por los bancos pequeños son sustanciales en un periodo determinado, éstos podrían ser importantes para los resultados agregados.

En lo que respecta a los indicadores de los bancos que provienen de sus hojas de balance, se cuenta con las siguientes variables en forma mensual:

Para los indicadores de resiliencia ante choques, tanto principales como adicionales, en cada periodo se considera el promedio móvil a tres meses, puesto que estas series presentan cierto grado de volatilidad en sus observaciones mensuales. Al usar el promedio móvil, se aprecia mejor la tendencia de la serie.

En el Cuadro 2 se muestran las principales estadísticas de las series relevantes. Se observa que, cuando se consideran bancos más pequeños, los niveles promedio de capitalización y liquidez aumentan. Éste es un fenómeno que también se ha observado en otros países y que es consistente con la presencia de mayores restricciones de financiamiento en el grupo de bancos pequeños y con el incentivo que ello conlleva para que éstos mantengan mayores acervos de valores líquidos (como bonos) y capital para el amortiguamiento frente a posibles choques -véase ^{Gambacorta (2005)}-.

En la Gráfica 3 se presenta la evolución del crecimiento anual de distintos componentes del crédito junto con la diferencia anual de la TIIE (es decir, el valor de la TIIE hoy menos su valor 12 meses atrás). Se aprecia que dichos componentes del crédito responden en buena medida a la evolución de la actividad económica, la que disminuye de manera importante en periodos de recesión. No obstante, también puede observarse que, en algunos episodios donde la actividad económica permaneció relativamente constante y la postura monetaria se ajustó al alza (de 2016 a 2019, por ejemplo), se presenta una desaceleración importante en el crecimiento del crédito.

Fuente: elaboración propia con información de la CNBV y el Banco de México.

Gráfica 3 Crecimiento anual de componentes del crédito real y TIIE. Diferencia anual (TIIE) y cambio logarítmico anual (crédito) 

Finalmente, en la Gráfica 4 se muestran el crecimiento anual del crédito total en bancos de distinto tamaño y la diferencia anual de la TIIE. En la gráfica puede observarse que existe una amplia heterogeneidad en el crecimiento del crédito mediante los distintos bancos, lo que sugiere que la respuesta ante distintos choques, incluidos los monetarios, es también heterogénea.

Fuente: elaboración propia con información de la CNBV y el Banco de México.

Gráfica 4 Crecimiento anual de crédito total real por banco y TIIE. Diferencia anual (TIIE) y cambio logarítmico anual (crédito) 

3. Estrategia econométrica

A fin de definir la estrategia econométrica, se sigue la literatura enfocada en el bank lending channel y se mantienen únicamente las características observables con mayor relevancia dentro de los estudios empíricos en otros países -véanse ^{Kashyap y Stein (2000)}, ^{Ehrmann et al. (2001)}, ^{Gambacorta (2005)}, ^{Abuka et al. (2019)}, ^{Jiménez et al. (2012)}-. La ecuación por estimar es la siguiente:

Donde ∆ln(Crédito)_b,t es la diferencia anual logarítmica del crédito⁷ en términos reales en el tiempo t para cada banco b; ∆i_t es la diferencia anual de la TIIE; ∆y_t es la tasa de crecimiento anual del IGAE; ∆π_t es la inflación anual; y son el promedio móvil de tres meses de la capitalización y la liquidez de cada banco en el periodo t − 1, respectivamente. Estos indicadores se incluyen con un rezago en la regresión para evitar problemas de endogeneidad. Se añaden efectos fijos por banco ψ_b a fin de controlar por factores invariantes en el tiempo de cada unidad y efectos de tiempo λ_t, para considerar eventos macroeconómicos no capturados por las variables observables. Se utilizan errores estándar robustos clusterizados por banco.

De acuerdo con la teoría, esperaríamos que β₁ tenga un signo negativo, de forma que incrementos en la tasa de interés a lo largo de 12 meses se asocien con reducciones en la tasa anual de crecimiento del crédito. Este efecto podría ser causado por el canal tanto de la tasa de interés tradicional como del crédito. Para comenzar a dilucidar si existe evidencia que apoye la existencia de un canal por el lado de la oferta, se realizan diversos ejercicios que explotan la heterogeneidad en las características de los bancos. En particular, es de interés conocer cómo responden los bancos de distinto tamaño ante los choques monetarios. La hipótesis del bank lending channel parte de que un choque monetario contraccionista afecta una de las fuentes principales de financiamiento de los bancos: los depósitos a la vista. Se asume que los bancos no pueden sustituir perfectamente los depósitos con alguna fuente alternativa de financiamiento, como certificados de depósito (usualmente dirigidos a corporativos) o préstamos de otros bancos. Por lo tanto, ante dicha fricción, el choque se transmite hacia el lado de los activos en la hoja de balance, lo que afecta la oferta de crédito de los bancos. Más aún, de acuerdo con tal teoría, este canal debería ser más fuerte para los bancos pequeños, pues típicamente son los más afectados por las imperfecciones del mercado y enfrentan mayores dificultades para ajustar sus fuentes de financiamiento sin incurrir en más costos -véase ^{Kashyap y Stein (1995)}-. Con el fin de evaluar esta hipótesis, en la siguiente sección se presentan resultados de la regresión para diversas muestras que incluyen bancos de distinto tamaño. En particular, se quiere conocer si el coeficiente β₁ difiere de manera sustancial gracias a dichas muestras.

El segundo aspecto por analizar es el de los coeficientes de interacción con la tasa de interés asociados con la capitalización (δ₁) y la liquidez (δ₂). Estos coeficientes son los que usualmente han recibido mayor atención en la literatura para otros países y buscan capturar la idea de que bancos con balances más sólidos son más resilientes a los choques monetarios, por lo que esperaríamos que presentaran signos positivos. Para el caso del coeficiente de interacción con la liquidez (δ₂), la hipótesis del bank lending channel sostiene que los bancos con mayores activos líquidos (por ejemplo, bonos del gobierno) pueden reajustar la composición de sus activos con mayor facilidad y, ante un choque monetario contraccionista, mantener relativamente inalterada su cartera de crédito. De la misma forma, es posible argumentar que bancos con mayor capital pueden amortiguar mejor los diversos choques (^{Holmstrom y Tirole, 1997}). Más aún, como lo explican ^{Kashyap y Stein (2000)}, si la hipótesis del bank lending channel es correcta, deberíamos esperar que el coeficiente de interacción sea positivo para las muestras con bancos medianos y pequeños. La razón es que, como se expuso antes, son precisamente éstos los que sufren de mayores dificultades para acudir a fuentes de financiamiento alternativas ante los choques. Por lo tanto, si sus hojas de balance son frágiles -con niveles inadecuados de capitalización y liquidez-, el impacto de la política monetaria sobre el crédito será fuerte, ya que no podrán atender las nuevas condiciones de financiamiento mediante una disminución de sus activos líquidos, los cuales ya estaban en niveles precarios, y se veían orillados a disminuir el crédito. En contraste, si las hojas de balance presentan mejores condiciones de capitalización y liquidez, el impacto de la política monetaria se verá mitigado.

El siguiente diagrama ilustra los efectos del bank lending channel en bancos medianos y pequeños:

Donde i es la tasa de interés; C es el crédito, y B es el indicador de salud de la hoja de balance. La flecha sencilla indica un movimiento mesurado, mientras que la doble representa un movimiento de mayor magnitud.

En lo que respecta a los bancos grandes, éstos operan en mercados de capitales más completos y tienen menos dificultades para encontrar financiamiento alternativo ante los choques. Por lo tanto, el efecto de la política monetaria no tendría por qué verse afectado por la composición de los activos en sus hojas de balance. De hecho, ^{Kashyap y Stein (2000)} argumentan que deberíamos esperar que en la muestra de bancos grandes el coeficiente de interacción con la liquidez tenga el signo contrario al de las muestras con bancos medianos y pequeños, debido al mantenimiento de reservas de amortiguamiento racionales.⁸ Por lo tanto, la respuesta del crédito ante cambios en la TIIE tenderá a ser más negativa para estos bancos y el coeficiente de la interacción con la liquidez tendrá un signo negativo. Un razonamiento similar puede también aplicarse para el coeficiente de la interacción entre la TIIE y la capitalización (^{Peek y Rosengren, 1995}).

En adición a lo anterior, hay que considerar que en economías emergentes el ajuste ante choques monetarios podría ser distinto, pues, como se discute en ^{Abuka et al. (2019)}, en estos países los bancos tienden a mantener una cantidad importante de bonos del gobierno debido a los altos costos de intermediación financiera observados. Por ello, ante un aumento de la tasa de interés, las fricciones de información podrían empeorar y afectar el riesgo en los retornos en los préstamos, de forma que los bancos con mayor liquidez podrían preferir prestar menos y mantener más bonos.

En el caso de los signos asociados a las variables de capitalización y liquidez (α₁ y α₂), esperamos que sean positivos, pues ambas variables se relacionan con la fortaleza de las hojas de balance, lo que en principio representa un factor positivo para el crédito en sí mismo. No obstante, como veremos más adelante, la correlación directa entre estas variables y el crédito depende de muchos factores y no es inusual en la literatura encontrar que los coeficientes difieren para muestras distintas.

A continuación, se presentan resultados con base en muestras que incluyen bancos de distintos tamaños y para rubros de crédito diferentes. Además, para el crédito total se realiza una estimación mediante ponderadores a fin de resaltar la importancia que tienen los bancos de menor tamaño. Finalmente, se realizan cuatro pruebas de robustez (excluyendo el periodo de la pandemia, con dos medidas alternativas de política monetaria y añadiendo características adicionales de los bancos), y se discuten los resultados.

1. Crédito total

El Cuadro 3 presenta los resultados con distintas muestras de bancos agrupados de acuerdo con su tamaño. El coeficiente β₁ para los 10 bancos más grandes (que concentran la parte más significativa del crédito) es de -20.67 en la estimación 1, lo que implica que un incremento anual de 100 puntos base en la TIIE se asocia con una reducción anual de 17.9 puntos porcentuales en el crédito para esta muestra de bancos.⁹ Puede apreciarse en el mismo cuadro que este coeficiente va aumentando en magnitud conforme se añaden bancos de menor tamaño a la muestra, lo que indica que los bancos pequeños son más sensibles a los cambios en la tasa de interés. En el apéndice se presenta una estimación alternativa del Cuadro 3 (Cuadro 1A) donde sólo se incluyen los 18 bancos más pequeños, lo que corrobora que el coeficiente es sustancialmente más negativo para este grupo de instituciones.

Como se explicó anteriormente, este resultado es consistente con un mecanismo de transmisión por el lado de la oferta de crédito. En la medida en que los bancos pequeños tienden a enfrentar mayores distorsiones en los mercados de capitales, suelen verse orillados a realizar ajustes más grandes a su portafolio de activos ante un apretamiento monetario, lo que genera una respuesta mayor en el crédito otorgado. Si bien este resultado es consistente con la existencia del bank lending channel, también podría serlo con explicaciones alternativas relacionadas con el tipo de clientes que atiende cada banco. Más adelante en el artículo se discute con mayor detalle el alcance del conjunto de los resultados aquí presentados respecto a la identificación del canal de transmisión de la política monetaria.

En cuanto a la importancia agregada de los efectos, es claro que los datos no son los idóneos para responder a dicho cuestionamiento, pues el efecto estimado corresponde a lo que le ocurre a un banco típico en cada muestra utilizada. No obstante, en el Cuadro 2A del apéndice estadístico se presentan los resultados mediante ponderadores asociados al tamaño de cada banco. Ahí puede apreciarse que el parámetro β₁ también se incrementa conforme se añaden a la muestra bancos más pequeños, si bien es en menor magnitud que en las regresiones sin ponderadores. Lo anterior sugiere que la contribución de los bancos pequeños al promedio es limitada, lo que es consistente con la alta concentración de activos en los 10 principales bancos. No obstante, el que tales bancos respondan más fuertemente a los movimientos en la tasa de interés nos indica que estas instituciones podrían llegar a ser en ciertos periodos un factor importante detrás de los movimientos agregados del crédito.

Como se explicó previamente, los coeficientes de las interacciones de la tasa de interés con el capital y la liquidez han recibido mayor atención en la literatura y son relevantes para la hipótesis del bank lending channel. Los resultados del Cuadro 3 muestran que los coeficientes δ₁ y δ₂ son negativos en la muestra con los 10 bancos más grandes, y se vuelven positivos conforme las muestras incluyen bancos de menor tamaño. En particular, se observa que cuando se consideran 20 bancos, la liquidez tiene un papel significativo en aumentar la resiliencia a los choques monetarios, lo que se refleja en el signo positivo y significativo del coeficiente δ₂. Por su parte, al considerar 38 bancos, la capitalización contribuye a reducir la sensibilidad al choque monetario, lo que se refleja en el signo positivo y significativo del coeficiente δ₁. Los resultados para las muestras que incluyen bancos pequeños (columnas con 20 y 38 bancos) tienen el signo esperado; por su parte, los coeficientes en la muestra con bancos más grandes presentan el signo opuesto, tal como lo encontraron ^{Kashyap y Stein (2000)} para los Estados Unidos. Ambos resultados son consistentes con la existencia del bank lending channel.

A juzgar por el tamaño de los coeficientes de interacción, la importancia de la fortaleza de las hojas de balance en la transmisión de la política monetaria parece ser acotada. No obstante, más adelante se presentan ejercicios de robustez donde se excluye de la estimación el periodo de la pandemia (2020 y 2021). Ahí se muestra que, cuando se consideran los bancos pequeños, el tamaño de los coeficientes de interacción aumenta de manera muy importante, por lo que ambas piezas de información son relevantes para evaluar la importancia del bank lending channel en México (véase el Cuadro 8, columnas [13] y [15]).

Respecto del impacto directo de la capitalización y la liquidez en el crédito, puede apreciarse que el coeficiente de la capitalización (α₁) mantiene un signo negativo para los 10 bancos más grandes. Por su parte, cuando se incluyen bancos medianos (columnas con 20 bancos) el coeficiente cambia de signo, aunque es no significativo, y únicamente cuando se incluyen los bancos más pequeños se torna positivo y significativo (columnas con 38 bancos). En lo que respecta al coeficiente de la liquidez (α₂), éste resulta no significativo para los 10 bancos más grandes; se torna positivo y significativo cuando se incluyen los bancos medianos (20 bancos) y negativo cuando se incluyen los bancos más pequeños (38 bancos).

Si bien diversos factores podrían estar influyendo en estos resultados, debe recordarse que no es inusual encontrar diferencias en las estimaciones cuando se consideran muestras de bancos de distinto tamaño. En cuanto a la capitalización, es posible que para la muestra de bancos más grandes esta característica sea menos indicativa de la solidez de las hojas de balance, pues tales instituciones tienen buenas alternativas de financiamiento.¹⁰ Conforme se incluyen bancos de menor tamaño en la regresión (columnas con 20 y 38 bancos), es de esperarse que las alternativas de financiamiento sean más acotadas y que el coeficiente de capitalización sea más indicativo de la solidez contable y, por lo tanto, que cobre mayor relevancia para el otorgamiento de crédito, lo que se confirma en los resultados del Cuadro 3.

En cuanto a la liquidez, destaca el signo negativo y significativo que se encuentra en la regresión cuando se incluyen los bancos más pequeños (columnas con 38 bancos), en contraste con el signo positivo en las columnas con bancos medianos. Esto podría estar reflejando una correlación de sección cruzada donde los bancos pequeños experimentan menores oportunidades para prestar en comparación con bancos grandes, y eligen mantener activos líquidos que les proveen un retorno seguro, como los bonos del gobierno. En este caso podríamos tener una correlación negativa entre el coeficiente de liquidez de los bancos y el crecimiento del crédito, como argumentan ^{Kashyap y Stein (2000)} y se sugiere en ^{Abuka et al. (2019)}.

Por otra parte, en el caso de β₂, el coeficiente asociado al IGAE, se encuentra el signo esperado con un nivel de significancia de al menos 95% a lo largo de las estimaciones. Puede apreciarse en la columna (1) que el coeficiente toma el valor de 13.37, lo que implica una elasticidad de 15.5, es decir que un punto porcentual en la tasa anual de crecimiento de la actividad económica se asocia con un aumento de 15.5 puntos porcentuales en la tasa anual de crecimiento del crédito en dicha muestra de bancos. Al igual que en el caso de la TIIE, el valor puntual de este coeficiente se incrementa conforme se añaden bancos de menor tamaño a la muestra, lo que indica que éstos son más sensibles a los choques de demanda agregada. En cuanto a la inflación, el parámetro β₃ tiene un valor positivo de 2.69 en la columna (1). En este caso, tal variable estaría capturando choques de demanda (u oferta) que no necesariamente se reflejan en un incremento del PIB, pero sí en los precios al consumidor (por ejemplo, un crecimiento en el consumo que es acompañado de una reducción de la inversión o un aumento de los precios de importación).

En resumen, estos resultados muestran que: 1) existe una relación robusta y económicamente significativa entre los incrementos en la TIIE y las reducciones en el crédito bancario; 2) dicha relación tiende a ser más fuerte conforme se consideran bancos de menor tamaño, y 3) existe cierta evidencia de que los bancos con mayor liquidez y capitalización tienen mayor resiliencia a los choques monetarios. Los resultados en su conjunto y en términos generales son consistentes con la existencia de un mecanismo de transmisión por el lado de la oferta de crédito: el bank lending channel.

2. Distintos rubros del crédito

En esta sección se obtienen resultados de la estimación por separado para cada uno de los distintos componentes del crédito, con la finalidad de identificar cuáles son los más sensibles a cambios en la tasa de interés. Para cada componente se excluyen los bancos que tienen una participación cercana a 0% del crédito otorgado en cada rubro, por lo que el número de bancos incluidos en las muestras con bancos más pequeños puede variar. En el Cuadro 4 se presentan los resultados para el crédito comercial. Puede apreciarse que la relación negativa es robusta con 95% de confianza y coeficientes muy similares a los reportados para la estimación con el crédito total. En este caso, los coeficientes asociados a la actividad económica y la inflación también se mantienen positivos y estadísticamente significativos, mientras que cuando se añaden bancos de menor tamaño a la muestra, el valor puntual del coeficiente también aumenta de magnitud, como en el cuadro anterior. No obstante, en las interacciones no se aprecia con claridad que los bancos muestren una mayor resiliencia asociada con sus niveles de liquidez y capitalización.

En el Cuadro 5 se presentan los resultados para el crédito a empresas, el cual es el componente de mayor peso en el crédito comercial. Puede apreciarse que los coeficientes asociados a las características macroeconómicas tienen una magnitud y un grado de significancia estadística mayores. Lo anterior implica que el componente más sensible en el interior del crédito comercial es el rubro destinado a empresas, mientras que los rubros asociados a entidades financieras y a entidades gubernamentales son relativamente menos sensibles a cambios en la tasa de interés.

Considerando que existe un mayor grado de concentración en los rubros de crédito al consumo y a la vivienda, en el Cuadro 6 únicamente se obtienen resultados para los 10 bancos de mayor tamaño. Se aprecia que, para el crédito al consumo, los coeficientes asociados a cambios en la tasa de interés y a la actividad económica se mantienen con los signos esperados y son estadísticamente significativos, mientras que el de inflación tiene un menor nivel de significancia. Por otra parte, en el crédito a la vivienda, el coeficiente estimado de la TIIE resulta significativo a 10% para la primera especificación, si bien presenta mayores errores estándar y un menor grado de significancia estadística en las distintas especificaciones. A pesar de registrar mayores errores estándar, el tamaño del coeficiente es un poco mayor que el de los otros tipos de crédito en algunas especificaciones.

3. Pruebas de robustez

Se realizan cuatro pruebas de robustez para el crédito total: 1) se añaden características observables adicionales de los bancos comerciales en la estimación; 2) se excluyen 2020 y 2021 por los efectos de la pandemia; 3) se utiliza una medida adicional de choques de política monetaria obtenida mediante un modelo de vectores autorregresivos (VAR), y 4) se utilizan los choques sorpresivos de política monetaria que obtuvo ^{Solís (2023a} y ^2023b).

En el Cuadro 7 se presentan los resultados con características observables del índice de concentración (HHI activo), morosidad y el ROA. Se comprueba que los resultados principales permanecen sin cambios. No obstante, un resultado interesante es que la morosidad de los bancos tiene una relación negativa y significativa con el crecimiento del crédito; un incremento de una unidad en este cociente reduce el crédito en 3.9 puntos porcentuales tomando en cuenta la muestra de 10 bancos y cobra mayor relevancia cuando se consideran muestras con bancos de menor tamaño.

En el Cuadro 8, se presentan resultados excluyendo 2020 y 2021. Se aprecia que en general el coeficiente asociado a la TIIE permanece significativo y con el signo esperado en la mayoría de las estimaciones. No obstante, cuando se consideran los 10 bancos más grandes, el valor puntual del coeficiente implica una semielasticidad de 8.8, la cual es menor a la reportada anteriormente. Por su parte, la semielasticidad se incrementa a 14.1% para la muestra de 38 bancos. Asimismo, destaca que, cuando se consideran 38 bancos, las interacciones de la tasa de interés con la capitalización y la liquidez tienen signo positivo y significativo en ambos casos, además de que el tamaño de los coeficientes aumenta de manera muy importante, lo que sugiere que incluir el periodo de pandemia en las estimaciones de la sección anterior podría estar restando importancia al bank lending channel.

En algunos artículos de la literatura del bank lending channel suele hacerse referencia a una preocupación sobre la exogeneidad de la variable de política monetaria, ya sea por problemas de simultaneidad potenciales o por variables omitidas. El problema de simultaneidad podría surgir si existiese una doble causalidad, es decir, si la política monetaria no sólo afectara la evolución del crédito, sino que también respondiera a ella (directa o indirectamente). La causalidad inversa impondría una correlación positiva entre el crédito y la tasa de interés (mayor crédito, mayor actividad, mayor inflación, mayor tasa), lo que, en dado caso, sesgaría nuestro coeficiente estimado a la baja (menos negativo). Por su parte, el problema de endogeneidad también podría surgir si hubiese variables omitidas que afectasen tanto la tasa de interés como el crédito. Si bien se considera que el uso de controles (PIB e inflación) está en línea con la literatura previa y ayuda a atemperar las preocupaciones sobre variables omitidas, se realizan ejercicios adicionales para identificar choques monetarios exógenos al ciclo económico, con el objetivo de utilizarlos en las regresiones y atender las preocupaciones mencionadas.

En primer lugar, se utiliza un modelo VAR para la identificación de los choques monetarios. Con base en ^{Ibarra (2016)}, el VAR se define de la siguiente forma:

donde y_t es un vector con las variables endógenas y_t = [g_t , p_t , R_t , m_t , e_t , c_t]; g_t se refiere a la tasa anual de crecimiento del IGAE; p_t es la tasa anual de inflación subyacente; R_t es la TIIE; m_t es la tasa anual de crecimiento del agregado monetario M2; e_t es la variación anual del tipo de cambio, y c_t es la variación anual del crédito al sector privado no financiero en términos reales. Por otra parte, se considera x_t, que es un vector de variables exógenas que incluye la tasa sombra de la Reserva Federal, el crecimiento anual de la actividad industrial en los Estados Unidos, la inflación en el mismo país y la variación anual del precio global de materias primas. El modelo se estima para 2006-2021. Para la identificación de los choques, se realiza una descomposición de Cholesky con el orden en que aparecen las variables endógenas y se obtienen los errores ortogonalizados para la ecuación de la TIIE. La diferencia anual de éstos es la medida adicional de choques monetarios utilizada.

En el Cuadro 9 se presentan los resultados de la estimación del modelo de la sección II.3 con esta medida alternativa de choques monetarios. En este caso se excluyen los controles macroeconómicos de la regresión, pues tal variable ya puede considerarse exógena en relación con el ciclo económico. En el cuadro se observa que el coeficiente asociado a dicha medida (R) se mantiene significativo y negativo en niveles similares a los reportados en la estimación base. Se constata que los resultados se mantienen robustos respecto de la sensibilidad a la medida de política monetaria y a que el valor puntual del coeficiente aumenta gradualmente conforme se añaden más bancos de menor tamaño a la muestra. En las interacciones únicamente resulta positiva y significativa la interacción de la medida de política monetaria con el nivel de capitalización en la muestra de 38 bancos.

En ^{Solís (2023a)} se construyen estimaciones de las sorpresas de política monetaria mediante información del mercado de swaps en México referenciados a la TIIE a 28 días. El autor considera swaps con madurez mayor a un año, mediante la diferencia en los precios de las acciones en ventanas diarias o intradía en fechas cuando se presentan los anuncios de política monetaria. En este sentido, ^{Solís (2023a)} obtiene dos factores en las sorpresas de política monetaria; el primero (target) se refiere a sorpresas en el nivel de la tasa objetivo del banco central, mientras que en el segundo (path) están en la comunicación hacia adelante en los comunicados de política monetaria. En este artículo empleamos los choques sorpresivos obtenidos por ^{Solís (2023a)} en ventanas diarias, debido a que la información intradía no está disponible para todo nuestro periodo de estudio. En la Gráfica 5 se aprecia la evolución de estos choques sorpresivos en puntos base. En general, destaca que, dentro de nuestro periodo de estudio, las dos medidas de choques sorpresivos se mantienen en niveles relativamente acotados con ligeras fluctuaciones que en raras ocasiones superan los 20 puntos base, con excepción de algunos episodios.

Fuente: ^{Solís (2023a)}.

Gráfica 5 Choques sorpresivos de política monetaria (puntos base) 

En los Cuadros 10 y 11 se presentan los resultados para las variables target y path. Como en el VAR, se excluyen los controles macroeconómicos, pues esta variable ya puede considerarse exógena al ciclo económico. Los resultados muestran una relación negativa y robusta entre cambios en estas dos variables (target y path) y cambios en el crédito total. También se aprecia en los resultados con ambas variables que el coeficiente puntual se incrementa conforme se añaden más bancos de menor tamaño a la muestra. No obstante, en este caso la magnitud del coeficiente es considerablemente mayor al coeficiente de los cambios anuales en la TIIE en la estimación baseline, lo cual puede asociarse con que el valor de las medidas sorpresivas de política monetaria mantiene cambios muy acotados en el periodo de estudio.

4. Discusión de resultados

En general, los resultados muestran una relación negativa y económicamente significativa entre cambios en la tasa de interés y en el crédito bancario. En la Gráfica 6 se aprecia que el valor puntual de dicho coeficiente se incrementa notablemente conforme se añaden más bancos de menor tamaño, como se expuso anteriormente.

^a La variable dependiente es el cambio anual del logaritmo del crédito total. Se presentan los resultados obtenidos en el Cuadro 3 en las estimaciones que únicamente incluyen controles macroeconómicos. En la muestra con 10 bancos se incluyen BBVA, Banamex, Banorte, Santander, HSBC, Scotiabank, Inbursa, Bajío, Banco Azteca y Banregio. En la muestra con 20 bancos se agregan Interacciones, Multiva, Mifel, Afirme, Compartamos, Ve por Más, Invex, American Express, Bansi y Actinver. Se excluyeron las observaciones de Banorte entre julio de 2018 y junio de 2019 debido a su fusión con Interacciones, y las de mayo de 2013 a abril de 2014 por su fusión con IXE. Se obtienen errores estándar robustos clusterizados a nivel banco.

Gráfica 6 Coeficientes obtenidos para el crédito total por muestra de bancos^a 

Otro resultado relevante que también se muestra en la gráfica es que la variación anual de la actividad económica tiene un signo positivo y económicamente significativo en todas las muestras utilizadas, lo cual es indicativo de la importancia de la demanda agregada sobre el crédito.

Por otra parte, en la Gráfica 7 se aprecian los coeficientes para distintos componentes del crédito. En primer lugar, se observa que los coeficientes para el cambio anual de la TIIE del crédito total, así como los dirigidos a empresas y al consumo tienen un nivel de significancia estadística alta. Por su parte, los rubros del crédito comercial y a la vivienda presentan mayores errores estándar. No obstante, la gráfica muestra que, en general, el tamaño de los coeficientes es similar mediante distintos componentes del crédito. En cuanto a los resultados asociados a la variación anual del IGAE, todos los componentes parecen tener un alto grado de sensibilidad y significancia estadística, a excepción del crédito a la vivienda, donde se presentan mayores errores estándar, pero con un coeficiente similar al del resto de los componentes.

^a La variable dependiente es el cambio anual del logaritmo del rubro de crédito señalado. Se presentan los resultados obtenidos en los Cuadros 3, 4, 5 y 6 en las estimaciones que únicamente incluyen controles macroeconómicos. En la muestra con 10 bancos se incluyen BBVA, Banamex, Banorte, Santander, HSBC, Scotiabank, Inbursa, Bajío, Banco Azteca y Banregio. Se excluyeron las observaciones de Banorte entre julio de 2018 y junio de 2019 debido a su fusión con Interacciones, y las de mayo de 2013 a abril de 2014 por su fusión con IXE. Se obtienen errores estándar robustos clusterizados a nivel banco.

Gráfica 7 Coeficientes obtenidos por componente de crédito para la muestra de 10 bancos^a 

Los resultados discutidos hasta este punto muestran evidencia robusta de que la política monetaria en México tiene una relación importante con la evolución del crédito bancario total y por componentes. Estos resultados están en línea con trabajos previos aplicados a México que documentan un efecto sobre la oferta de crédito ante cambios en las tasas de interés (^{Morais, Peydró, Roldán-Peña y Ruiz-Ortega, 2018}) y muestran que la fortaleza financiera de los bancos se asocia con una mayor resiliencia frente a diversos choques (^{Cantú et al., 2022}).