“Monetary policy is a blunt tool which certainly affects the distribution of income and wealth…”

Fuente: [Bernanke, 2015].

1. Introducción

Desde inicios del 2006, el Banco de México empezó a anunciar su postura de política monetaria por medio de la fijación de una tasa objetivo de interés. Para tal fin, la autoridad altera el saldo de los depósitos de regulación monetaria para lograr que la tasa de interés interbancaria de equilibrio a un día se ajuste al valor de la tasa objetivo. El posible impacto de estas modificaciones sobre otras tasas de interés y sobre el nivel de crédito conducen a que eventualmente puedan darse modificaciones en el dinamismo de corto plazo de la demanda agregada (Bernanke y Blinder, 1992).

En la literatura económica se describen los diversos canales por los que la política monetaria puede alterar en el corto plazo el nivel de actividad económica, siendo uno de ellos el canal crediticio (Bernanke y Gertler, 1995 y Mishkin, 1995). Para medir la contribución de este canal, se utiliza por lo general el método de vectores autorregresivos para comparar qué sucede -ante un cambio en la tasa objetivo- con la función de impulso-respuesta cuando la tasa activa de interés es endógena o exógena. A este respecto, para el caso de México, Castillo (2003), así como Sidaoui y Ramos-Francia (2008) encuentran que incrementos en la tasa objetivo de interés traen consigo un menor dinamismo del crédito bancario. Además, estos últimos hallan que el crédito a personas es menos sensible -relativo a lo que sucede con el crédito empresarial- a alteraciones en las tasas de interés. Ibarra (2016) obtiene resultados similares y además encuentra que el impacto de un cambio en la postura de política monetaria sobre la cartera crediticia no es simétrico; el efecto es mayor cuando la tasa objetivo sube.

Si bien los cambios en la postura monetaria se transmiten por diversos mecanismos hacia el nivel de actividad económica, su impacto y temporalidad quedan determinados -entre otros factores- por la estructura financiera, las restricciones de liquidez y la diferencias en el nivel y composición del ingreso y la riqueza. En este sentido, es muy probable que la política monetaria pueda tener impactos distributivos.

De acuerdo a Colciago, Samarina y de Haan (2019), modificaciones en la tasa objetivo pueden alterar la desigualdad del ingreso y de la riqueza. Una primera vía para que ello ocurra a es a través de las diferencias que existen en el portafolio de activos financieros que poseen las personas. Así, dado que una modificación en la tasa objetivo puede alterar los precios de los activos financieros y otras tasas de mercado, el impacto en la riqueza financiera de las personas dependerá de si tienen activos a tasa fija y/o variable y de si éstos son de corto o largo plazo. Por otro lado, una segunda vía proviene del impacto que la política monetaria pudiera tener en el mercado de trabajo y en el de bienes. En este sentido, el posible impacto sobre la desigualdad dependerá de cuáles son las fuentes de ingreso de las personas y en qué sector productivo laboran -ver, por ejemplo, Auclert (2019), Gornemann et al. (2012), Heathcote et al. (2010), y Carpenter y Rodgers (2004). Considerando la información requerida y las dificultades para medir qué sucederá con la desigualdad, Amaral (2017) y Bernanke (2015) sugieren que es muy difícil conocer a priori cuál será el impacto distributivo de una política monetaria.

En los estudios mencionados se hace énfasis en el cambio que puede darse en el precio de los activos financieros, pero no se considera que sucede con el valor y volumen de crédito. Sin embargo, en México, un porcentaje ínfimo de la población mantiene voluntariamente activos financieros. Por otro lado, a diferencia de lo que acontece en los Estados Unidos (Edwards y Miskin, 1995), en México la captación tradicional y el crédito bancario siguen siendo los productos financieros más utilizados.

Considerando al crédito como un instrumento para suavizar choques negativos -o para financiar proyectos productivos-, diferencias en la probabilidad de firmar contratos crediticios es una vía por medio de la cual el canal crediticio puede tener un impacto distributivo. A este respecto, disparidades en la capacidad para generar garantías crediticias acordes a los criterios bancarios y un acceso desigual a redes para lograr una adecuada reputación crediticia son factores que afectan la posibilidad de firmar contratos crediticios. En caso de que estos factores estuvieran asociados al nivel de riqueza y actividad de las personas, es posible que modificaciones en la tasa objetivo del banco central generen impactos diferenciados en el volumen de préstamos.

Para evaluar dicha hipótesis, exploramos el impacto que tienen los cambios en la postura monetaria sobre la tasa de crecimiento del número de préstamos bancarios otorgados a los individuos en cada municipio. Tomamos el número de créditos bancarios como la variable de interés pues, a diferencia del valor de la cartera, ofrece una mejor descripción de lo que ocurre con la penetración bancaria ante cambios en la postura monetaria. Por otro lado, en ausencia de información socioeconómica de los deudores, tomamos al grado de marginación del municipio donde éstos viven como aproximación de la riqueza individual. Al hacerlo así, examinaremos si cambios en la postura de política monetaria tienen un impacto diferenciado en el volumen de préstamos que reciben los pobladores de municipios de distinta marginación. Para tal fin, el artículo está organizado en cinco secciones adicionales. En la primera sección se presenta una revisión de trabajos actuales en los que se estudian los efectos distributivos de la política monetaria a partir de qué sucede con el precio de distintos activos financieros. Luego, en la segunda sección se describen las principales características del mercado de préstamos de nómina y personales, así como su distribución en los distintos municipios de acuerdo con su grado de marginación2. Con base en dichas características se enuncian las hipótesis del trabajo. Posteriormente en la tercera sección se presentan los datos y las metodologías empíricas que se usarán para evaluar las hipótesis referentes al impacto que tiene un cambio en la postura de política monetaria. En la cuarta sección se presentan los resultados y en la última se discuten los mismos.

El trabajo tiene tres resultados que vale la pena resaltar. Primero, un incremento en la tasa objetivo tiene un impacto sobre el volumen de préstamos que es mayor al que se obtiene cuando se reduce dicha tasa. Es más fácil detener el dinamismo de los nuevos créditos que expandirlos. Segundo, en el caso de los préstamos de nómina, incrementos en la tasa de interés afectan en menor medida a los pobladores de los municipios de muy baja marginación. Además, ante reducciones en la tasa objetivo de interés, el flujo de nuevos préstamos crece más en los municipios de baja marginación. Esto es, la población que vive en los municipios de muy baja marginación son los más beneficiados. Tercero, el volumen de los préstamos personales y de los préstamos de nómina es sensible a las modificaciones en la tasa objetivo solo en el caso que los pobladores vivan en municipios de baja y muy baja marginación.

2. Revisión de la Literatura

Una de las vías más comunes para entender el impacto distributivo de la política monetaria ha sido a través de analizar qué sucede cuando se experimentan procesos inflacionarios. Así, hay textos que examinan cómo la indexación, el comportamiento¹ heterogéneo de las tasas interés y el uso del efectivo, conducen a que la inflación genere efectos redistributivos -ver por ejemplo los trabajos recientes de Doepke y Schneider (2006), y Erosa y Ventura (2002).

Además, hay también estudios que muestran que aun con una inflación baja y estable la política monetaria puede haber efectos redistributivos. Considerando que cambios en la postura monetaria pueden alterar el precio de los activos, autores como Doepke y Schneider (2006), Auclert (2016), Colciago, Samarina y de Haan (2019), y Evgenidis y Fasianos (2019) muestran que el impacto de la política monetaria sobre la desigualdad depende en buena medida de cómo están constituidos los portafolios financieros de las familias. Así, por ejemplo, en caso de una política monetaria expansiva, aquellos que tienen activos de corto plazo (Cetes 28 días) o deudas de largo plazo a tasa fija (hipotecas) se beneficiaran de la reducción de las tasas reales en el corto plazo. Sin embargo, como explica Bernanke (2015), en caso la composición de los portafolios no esté correlacionada con los niveles de ingreso, es difícil saber de antemano si los cambios en la tasa objetivo tendrán un efecto progresivo o regresivo sobre la distribución del ingreso.

Una vía adicional que puede llevar a que una política monetaria tenga efectos distributivos es cuando el acceso al financiamiento bancario depende del ingreso y riqueza de los potenciales deudores. Como afirman Monnin, Koedijk y Loungani (2018, pp:165) “ In practice, income and wealth are major determinants of access to financial markets and, thus, the distribution of income and wealth matters in gauging the direct and indirect reactions of the economy to monetary policy impulses .” Considerando al crédito como un instrumento para suavizar choques negativos o para financiar proyectos productivos, diferencias en la probabilidad de firmar contratos crediticios es una vía por medio de la cual el canal crediticio puede generar un impacto distributivo. A fin de examinar dicha posibilidad, este artículo analiza si los cambios en la tasa objetivo del banco central generan variaciones en el nivel de financiamiento que dependen del nivel de riqueza. Si ello fuera así, una política monetaria expansiva tendrá un menor impacto en las poblaciones más pobres y con ello pudiera agravarse las desigualdades ya existentes.

3. Características de los Préstamos Personales y de Nómina

En la actualidad, la banca ofrece tres productos financieros que permiten a un individuo la adquisición de bienes de consumo: los préstamos personales, los préstamos de nómina y las tarjetas de crédito². Un requisito fundamental para obtener un préstamo personal es tener una cuenta bancaria en la institución donde se solicita dicho producto. Gracias a ello, el banco tiene información privilegiada que le permite decidir cuánto ofrecer y cuánto cobrar. Si bien el deudor no necesariamente consigue el monto deseado, un préstamo personal se puede obtener muy rápidamente. En cambio, los préstamos de nómina requieren que el solicitante trabaje en una empresa formal, que dicho establecimiento tenga una cuenta bancaria en donde el solicitante desea pedir el préstamo y que el administrador de la empresa se comprometa a la retención y transferencia periódica de la suma requerida para el pago de la deuda. Si bien los préstamos personales tienen menores costos de transacción, el compromiso del empresario a cubrir la deuda por medio de las retenciones al salario o de la liquidación, hacen que los préstamos de nómina sean por lo general más baratos.

Para octubre del 2019, había 20 millones de préstamos personales y de nómina, y el saldo a deber era de 500 mil millones de pesos. Asumiendo que el importe original de los préstamos concedidos estuviera correlacionado con el ingreso promedio de los deudores, los cuadros 1 y 2 muestran que para octubre de 2019 estos productos eran utilizados por individuos de muy distintos niveles de ingreso. Sin embargo, los préstamos personales tienen una distribución más sesgada hacia montos inferiores y sus principales oferentes destacan por ser bancos-tienda de capital nacional, y cuyos activos eran inferiores al cinco por ciento del sistema bancario. A diferencia de estos, las entidades bancarias que dominan el mercado de préstanos de nómina son bancos que pertenecen a redes globales y cuyos activos equivalen al sesenta por ciento de los activos del sistema bancario. Estos rasgos que se observan en este mes en particular se mantienen a lo largo del período 2011-2019. En el caso de los préstamos personales, Banco Azteca y Banco Famsa fueron los principales oferentes con una participación de mercado del setenta por ciento y en el caso de los préstamos de nómina fueron BBVA y Citibanamex con el sesenta por ciento.

Cuadro 1

Participación en el Mercado de Préstamos Personales de los Cuatro oferentes más importantes, por importe original del préstamo (octubre 2019)

Fuente: Elaboración con datos de https://www.cnbv.gob.mx/Paginas/PortafolioDeInformacion.aspx Página visitada el 05/03/20

Cuadro 2

Participación en el Mercado de Préstamos de Nómina de los Cuatro oferentes más importantes, por importe original del préstamo (octubre 2019)

Fuente: Elaboración con datos de https://www.cnbv.gob.mx/Paginas/PortafolioDeInformacion.aspx Página visitada el 05/03/20.

Cambios en la tasa objetivo del Banco Central debieran traer consigo variaciones en la tasa de interés y/o en la disposición a prestar. En este sentido, políticas monetarias menos (más) restrictivas deberían reflejarse en un incremento (decremento) de la tasa de crecimiento del volumen de préstamos. Sin embargo, durante los años 2011-2019, la gráfica 1 muestra un comportamiento del número de préstamos personales y de nómina que no necesariamente va acorde con tal descripción. Dos factores pueden explicar tal situación. Un primer factor es la disposición a prestar por parte de las instituciones bancarias y la disposición de las familias a solicitar un financiamiento. Durante el periodo 2011-2019, la tasa objetivo del banco central cambió en 23 ocasiones. Aun cuando dichas variaciones no se dieron bajo una frecuencia preestablecida, es probable que los bancos tomaran sus decisiones crediticias con base en sus predicciones de futuros cambios en la tasa objetivo, lo cual pudiera restar valor al impacto contemporáneo de las variaciones en la tasa objetivo. Un segundo factor son las expectativas referentes al ingreso futuro de las familias. En este sentido, bien puede ocurrir que, a pesar de una baja en la tasa objetivo del banco central, las entidades bancarias no alteren su postura a prestar o que el sector privado no altere su demanda.

Gráfica 1
Variación porcentual de Créditos por cada 10 mil adultos y Tasa Objetivo del Banco Central
Fuente: Elaboración propia con datos de la CNBV y Banxico

A este respecto, los rasgos distintivos de los préstamos de nómina y personales permiten plantear tres hipótesis referentes a la relación que guarda el flujo de nuevos préstamos ante cambios en la tasa objetivo de interés. Primero, la asimetría en los costos de transacción para expandir y reducir el flujo de nuevos préstamos permite suponer que las alzas y reducciones en la tasa objetivo tendrán un impacto diferenciado. Así, se espera que el flujo de nuevos préstamos se alteré más cuando la tasa objetivo sube que cuando se reduce. Segundo, considerando sus bajos costos de transacción, el flujo de nuevos préstamos personales es -relativo a lo que acontece con los préstamos de nómina- más sensible a los cambios en la tasa objetivo de interés y al ciclo económico. Tercero, considerando que ambos tipos de préstamos requieren de garantías, cierto grado de formalidad laboral y de inclusión financiera, es probable observar un comportamiento heterogéneo. En particular, se espera que incrementos en la tasa objetivo tengan un mayor impacto en el flujo de nuevos préstamos en zonas de marginación superior y que reducciones en la tasa objetivo tengan un mayor impacto en zonas de menor marginación. Esto es, las diferencias socioeconómicas entre poblaciones, medidas por el grado de marginación municipal, ocasionan que los cambios en la política monetaria puedan agravar las desventajas que enfrentan los pobladores de los municipios más desfavorecidos.

4. Datos y metodología

Para efectos de evaluar las hipótesis antes mencionadas, los datos correspondientes a la tasa objetivo se obtuvieron del Banco de México y el volumen de préstamos personales y de nómina de la Comisión Nacional Bancaria y de Valores (CNBV). Estos datos están desagregados a nivel municipal, tienen una periodicidad bimestral y abarcan el período comprendido entre el segundo bimestre del 2011 y el segundo bimestre del 2019. Además, se utilizan los datos de la tasa de morosidad de estos dos tipos de préstamos, la participación de mercado de los dos bancos más importantes para cada uno de los productos financieros en los distintos municipios, el número de cuentas tradicionales con respecto al número total de cuentas en cada municipio (CNBV), los datos desestacionalizados del índice trimestral de actividad económica estatal (INEGI), y el grado de marginación municipal con base en datos de la Encuesta Intercensal 2015 (CONAPO)³.

Siendo la variable de interés el cambio en el volumen de los préstamos por cada diez mil adultos, se seleccionaron los municipios con registros consecutivos de al menos un año. Debido a ello, al hacer estimaciones utilizando el número de créditos de nómina se descartó al treinta por ciento de los 2,465 municipios que tiene el país y al cuarenta por ciento al utilizar el número de créditos personales⁴. Asimismo, se omitieron los registros del último percentil del cambio en el número de créditos con en el fin de evitar datos atípicos⁵. En el cuadro 3 se presentan las estadísticas básicas de las variables que se utilizarán.

Cuadro 3

Estadísticas Básicas

Fuente: Elaboración propia con base en datos de Banxico y CNBV.

Para analizar si la sensibilidad del flujo de nuevos créditos ante cambios en la tasa objetivo varía por la riqueza del municipio, se agruparon a estos últimos en cinco grupos de acuerdo a su grado de marginación. En el Cuadro 4 se muestra la distribución de los préstamos, el tamaño relativo de la población y un indicador del uso de cuenta bancarias por tipo de municipio.

Cuadro 4

Distribución de Prestamos por Grado de Marginalidad Municipal, abril 2019

Fuente: Elaboración propia con base en datos de CONAPO y CNBV.

Con el fin de evaluar la hipótesis concerniente a un comportamiento diferenciado del número de préstamos cuando la tasa objetivo sube o baja, se estimó el siguiente modelo:

Donde $y_{it}$ es el logaritmo del número de préstamos por cada 10 mil adultos en el municipio i en el periodo t . Con respecto a las variables explicativas, 𝑋 es un vector compuesto en primer lugar por dos variables dicotómicas que indican si la tasa de interés objetivo del banco central aumentó o disminuyó. Además, con fines de controlar los posibles movimientos de la oferta y demanda de préstamos, en X también están incluidas la tasa de mora ponderada por tamaño de población y la participación de mercado de los dos oferentes más importantes para cada producto financiero en cada municipio. La variable participación busca recoger el grado de competencia al interior de cada mercado y con ello las posibles estrategias de colocación de los bancos. Por último, z corresponde al logaritmo del índice trimestral desestacionalizado de la actividad económica estatal (ITAEE) -el cual ayuda a controlar por los cambios en la demanda por financiamiento- y como efecto fijo está el índice de marginación del municipio. Con el fin de corregir la presencia de correlación contemporánea, heteroscedasticidad y correlación serial, la ecuación (1) se estimó mediante Mínimos Cuadrados Generalizados (GLS).

En caso de que el término de error tenga raíz unitaria, la ecuación (1) impide observar cuál es la relación de largo plazo entre la variable dependiente y sus regresores. Más aun, la forma funcional de la ecuación (1) asume que el cambio en la tasa de interés es homogéneo e independientemente del nivel previo y de la magnitud de su variación anterior. Siendo ello posiblemente erróneo, se especificó -siguiendo a Pesaran et al. (1995 y 1999)- un modelo autorregresivo con retardos distribuidos (ARDL) de orden (𝑝, 𝑞1, … , 𝑞k), el cual se estimó mediante máxima verosimilitud y para el cual la selección óptima de rezagos se hizo de acuerdo con los criterios de información Bayesiano y de Akaike. Este modelo en su forma de corrección de errores se expresa como:

Al igual que en la ecuación (1), la variable $y_{it}$ es el logaritmo del número de préstamos por cada 10 mil adultos. Ahora la matriz 𝑋 incluye a la tasa de interés objetivo, al logaritmo del ITAEE, a la tasa de mora ponderada por tamaño de población, a la participación de mercado de los dos oferentes más importantes para cada producto financiero en cada municipio y al número de cuentas tradicionales en cada municipio como porcentaje del total de cuentas en cada municipio. Además, 𝜙i es el término de corrección de error, 𝜃i los coeficientes de largo plazo, y ${\lambda }_{ij}y{\delta }_{ij}$ son los coeficientes de corto plazo para el rezago de la variable dependiente y para los regresores, respectivamente. La principal ventaja de este enfoque es que permite el uso de variables con distinto orden de integración.

Sin embargo, en muestras grandes es posible la presencia de correlación contemporánea, es decir, no se cumple el supuesto $E\left[u_{it}|X_{it}\right]=0$, donde $u_{it}={\mu }_i+{\epsilon }_{it}$. Ante ello, siguiendo a la ecuación (2), se especificó un modelo de tipo autorregresivo con retardos distribuidos de forma transversal (CS-ARDL), como el propuesto en Chudik et al. (2016) para situaciones en que $E\left[u_{it}|X_{it}\right]\ne 0$, de modo que:

Donde ${\stackrel{-}{y}}_t=N^{-1}\sum _{i=1}^N{y}_{it}$ y ${\stackrel{-}{X}}_t=N^{-1}\sum _{i=1}^N{X}_{it}$ , los cuales buscan controlar potenciales situaciones que impactan a todos los municipios simultáneamente.⁶

5. Resultados

En los cuadros 5 y 6 se presentan los resultados del modelo GLS para cada uno de los dos tipos de préstamos. En la primera columna se presentan los resultados del panel constituido por todos los municipios considerados en la muestra. En las subsiguientes columnas, aparecen los resultados para cada uno de los cinco posibles paneles de acuerdo al grado de marginación de cada municipio. A partir de estos dos cuadros podemos ver que la primera hipótesis no puede ser rechazada en ningún panel: la tasa de crecimiento del número de contratos crediticios es - con una excepción- más sensible cuando la tasa sube que cuando baja. La segunda hipótesis tampoco puede rechazarse en ninguno de los cinco paneles: los créditos personales reaccionan más a los cambios en la tasa objetivo y son más sensible a las variaciones de la actividad económica. Con respecto a la tercera hipótesis, en el caso de los préstamos de nómina, cambios en la tasa objetivo tienen un impacto distintivo para los pobladores viviendo en municipios de muy baja marginación. Así, por ejemplo, una baja en la tasa objetivo solo expande los préstamos en los municipios de muy baja marginación. Y, en caso de incrementos en la tasa, son los pobladores de estos mismos municipios los menos afectados por una baja en el dinamismo de estos préstamos. En este sentido, los cambios de postura monetaria ofrecen mayores beneficios a los pobladores de los municipios menos marginados.

Con respecto a los demás regresores, la variable morosidad viene acompañado -como era de esperar- de un signo negativo. Por otro lado, el índice de marginación de cada municipio resultó ser -para algunos paneles- una variable estadísticamente significativa para explicar el comportamiento de los préstamos personales. Así, al interior de los paneles de muy baja y baja marginación, aquellos municipios con mayor marginación experimentaron un mayor crecimiento en los préstamos personales mientras que lo opuesto sucede en el panel de muy alta marginación. Esto es, al buscar atender a poblaciones en municipios de mayor marginación, los bancos ofrecieron más préstamos a aquello ubicados los paneles de menor marginación.

Un resultado que vale la pena resaltar en las estimaciones de los cuadros 5 y 6 es el referente al signo del parámetro que acompaña a la variable “participación de mercado de los dos principales oferentes”. En ambos mercados el parámetro es estadísticamente significativo. Pero, mientras en el caso de los préstamos de nómina el parámetro tiene un signo positivo, en el otro mercado registra un signo negativo. Ello puede ser resultado de dos estrategias bancarias distintas que surgen del nivel de competencia existente. En el mercado de préstamos de nómina, los tres bancos más importantes poseen una participación relativamente similar y son instituciones con un nivel de activos no muy lejanos entre sí. Ello permite suponer que existe bastante competencia en los mercados de préstamos de nómina y que los bancos cuidan su participación⁷. En este contexto, un incremento en la participación del líder puede conducir a que en un futuro cercano sus demás competidores busquen expandir su volumen de préstamos para no perder su participación. Tal conducta se reflejaría en un parámetro positivo para la variable “participación de mercado de los dos principales oferentes”. Por otro lado, en el caso de los préstamos personales, Banco Azteca y Banco Famsa tiene una participación de mercado muy superior a la de sus competidores más cercanos lo cual permite suponer que existe un bajo grado de competencia en estos mercados. Ante ello, es posible que en caso los bancos con menor participación reduzcan sus préstamos ello no necesariamente ocasionará un incremento en los préstamos de los bancos líderes.

Cuadro 5

Estimación GLS

Cuadro 6

Estimación GLS

Considerando que en ambos cuadros se encuentra que el parámetro de la variable dependiente rezagada tiene un signo negativo, se estimó un modelo ARDL con el fin de analizar la relación existente entre la variable dependiente y sus regresores, tanto a corto como a largo plazo⁸.

Para cada panel de municipios se hizo la estimación mediante tres métodos: Mean Group (MG), Dynamic Fixed Effects (DFE) y Pooled Mean Group (PMG). En el DFE los datos son reunidos en grupos y se asume que entre cada grupo solo puede variar el interceptos. En tanto que, en el método MG, los interceptos y coeficientes pueden variar entre grupos. Finalmente, la estimación PMG combina elementos de los dos anteriores, de manera que se asume que los efectos de largo plazo son los mismos entre grupos, pero los coeficientes para el corto plazo pueden variar. Sin embargo, al hacer las estimaciones, la prueba de Pesaran (2015) no pudo rechazar -en ningún caso- la hipótesis referente a la existencia de correlación contemporánea, lo cual nos orilló a utilizar el método de CS-ARDL.

En la Tabla 7 y 8 se presentan los resultados del modelo CS-ARDL⁹. Para estas estimaciones se eliminó del conjunto de variables explicativas a la tasa de informalidad estatal y en su lugar se introdujo el número de cuentas tradicionales como proporción del número total de cuentas en cada municipio. Esta variable ofrece rica información acerca de los clientes y sirve como aproximación del potencial de préstamos individuales que una institución bancaria podía ofrecer.

En el caso de los préstamos de nómina, se observa que cambios en la tasa objetivo solo tiene afectaciones en los municipios de baja y muy baja marginación. Así, similar a lo que acontecía con las estimaciones GLS, se encuentra que los cambios de la postura monetaria solo impactan en pobladores que viven en municipios de baja y muy baja marginación. En lo que se refiere a los préstamos personales, variaciones en la tasa objetivo solo impactaron al volumen de créditos en el caso de los municipios de baja marginación. En lo que se refiere a otras variables, se observa que -similar a lo que se reportó en los cuadros 5 y 6- los préstamos personales resultaron ser más sensibles en el corto plazo a los cambios en la actividad económica.

Cuadro 7

Estimaciones CS-ARDL

Cuadro 8

Estimaciones CS-ARDL

6. Discusión de Resultados

Ante choques macroeconómicos negativos, la primera reacción de los bancos centrales consiste en elevar la liquidez de los bancos con el fin de hacer posible un incremento en la oferta crediticia. Si bien hay distintas maneras de hacerlo, el más común es bajando la tasa objetivo. Con el fin de mostrar el impacto que tienen las alteraciones en la tasa objetivo sobre el producto es común utilizar el método de vectores autorregresivos para con base en ello construir funciones impulso-respuesta. Para el caso de México, estudios que utilizan esta metodología encuentran que el mecanismo crediticio amplifica el impacto de los cambios en la tasa objetivo. Sin embargo, dada la importante desigualdad existente en el país, ¿es este resultado válido a lo largo y ancho del país?; ¿hay alguna evidencia de que este tipo de acciones de política monetaria pudiera tener efectos en algunas zonas del país, pero no en otras? Estas son las preguntas que dieron lugar a este texto.

Haciendo uso de estimaciones mínimos cuadrados generalizados encontramos tres resultados. Primero, que las variaciones al alza en la tasa objetivo tienen un mayor impacto - sobre la tasa de crecimiento de los préstamos personales y de nómina- cuando dicha tasa se incrementa. Este resultado muy probablemente obedece a la existencia de costos de transacción asociados a la firma de un contrato. Segundo, en el caso de los préstamos de nómina, se halló que incrementos en la tasa de interés afectan en menor medida a los pobladores de los municipios de baja marginación. Y ante reducciones en la tasa de interés, la tasa de crecimiento de los préstamos crece más en estos mismos municipios. Tercero, los créditos personales reaccionan más a los cambios en la tasa objetivo y son más sensible a las variaciones de la actividad económica. Ello muy probablemente obedece a los menores costos de transacción en que se incurre para obtener un préstamo personal.

Ante las restricciones que impone la metodología de mínimos cuadrados generalizados, para evaluar las siguientes hipótesis se utilizó un modelo de tipo autorregresivo con retardos distribuidos de forma transversal. Dicha metodología permite observar la relación de corto y largo plazo entre la variable dependiente y sus regresores sin tener que asumir que el cambio en la tasa de interés deba ser homogéneo e independientemente del nivel previo y de la magnitud de su variación anterior. Con base en ella, obtenemos resultados que ratifican lo ya manifestado antes: el volumen de los préstamos personales y de los préstamos de nómina son sensibles a las modificaciones en la tasa objetivo solo cuando los pobladores viven en municipios de baja y muy baja marginación.

Los resultados aquí descritos se obtuvieron considerando la información para una temporalidad (segundo período 2011-segundo periodo 2019) en el que la economía mexicana creció sin sobresaltos a una tasa promedio del 2.5%. Si en un periodo de estabilidad macroeconómica se obtiene como resultado que las variaciones en la tasa objetivo del Banco Central solo tienen efectos sobre el volumen de créditos personales y de nómina para los pobladores de municipios de muy baja marginación y baja marginación, podemos suponer que, en épocas de aguda contracción económica, el impacto de cambios en la postura monetaria sobre el volumen de préstamos será aún menor. Si ello es así, es necesario que la autoridad monetaria utilice nuevos instrumentos y apoye también a otras instituciones financieras no-bancarias para lograr que los préstamos lleguen a los pobladores de las zonas con media, alta y muy alta marginación.

References

Amaral, P. (2017), Monetary Policy and Inequality. Economic Commentary, Federal Reserve of Cleveland. Recuperado de:https://www.clevelandfed.org/en/newsroom-and- events/publications/economic-commentary/2017-economic-commentaries/ec-201701- monetary-policy-and-inequality.aspx

Auclert, A. (2019). Monetary Policy and the Redistribution Channel. American Economic Review, 109 (6), 2333-67. doi: 10.1257/aer.20160137

Bernanke, B. (2015). Monetary Policy and Inequality. Recuperado de: https://www.brookings.edu/blog/ben-bernanke/2015/06/01/monetary-policy-and- inequality/

Bernanke, B., y Gertler, M. (1995). Inside the black box: the credit channel of monetary policy transmission. Journal of Economic perspectives, 9(4): 27-48. doi:10.1257/jep.9.4.27

Bernanke, B., y Blinder, A. (1992). The Federal Funds Rate and the Channels of Monetary Transmission. American Economic Review , 82, 901-921. doi: 10.3386/w3487

Carpenter, S., y Rodgers, W. III (2004), The Disparate Labor Market Impacts of Monetary Policy. Journal of Policy Analysis and Management, 23(4): 813-30. doi: 10.1080/0023656042000329873

Castillo, R. (2003). Restricciones De Liquidez, Canal De Crédito y Consumo en México. Economía Mexicana, 12(1), 65-101.

Chudik, A., Mohaddes, K., Pesaran, M. H., y Raissi, M. (2016). Long-Run Effects in Large Heterogeneous Panel Data Models with Cross-Sectionally Correlated Errors. Essays in Honor of man Ullah (Advances in Econometrics), 36, 85-135.

Colciago, A., Samarina, A. y Haan, J. de (2019). Central bank policies and income and wealth inequality: A survey. Journal of Economic Surveys, 33(4), 1199-1231. doi: 10.2139/ssrn.3184342

Doepke, M. y Schneider, M. (2006). Inflation and the Redistribution of Wealth. Journal of Political Economy, 114(6), 1069-1097. doi:10.21034/sr.355

Edwards, F. y Mishkin, F. (1995). The Decline of Traditional Banking: Implications for Financial Stability and Regulatory Policy. Federal Reserve Bank of New York Economic Policy Review, 1(2), 27-45. doi:10.3386/w4993

Erosa, A. y Ventura, G. (2002). On inflation as a Regressive Consumption tax. Journal of Monetary Economics, 49(4), 761-795. doi: 10.2139/ssrn.199168

Evgenidis, A. y Fasianos, A. (2019). Monetary Policy and Wealth Inequalities in Great Britain: Assessing the role of unconventional policies for a decade of household data. Cornell University, arXiv: 1912.09702v1 [econ.GN].

Gornemann, N., Kuester, K. y Nakajima, M. (2012). Monetary Policy with Heterogeneous Agents. Federal Reserve Bank of Philadelphia, Working Paper no. 12-21.

Heathcote, J., Perri, F. y Violante, G. (2010). Unequal We Stand: An Empirical Analysis of Economic Inequality in the United States, 1967-2006. Review of Economic Dynamics, 13(1), 15-51. doi: 10.3386/w15483

Ibarra, R. (2016). How important is the credit channel in the transmission of monetary policy in Mexico? Applied Economics, 48(36), 3462-3484. doi: 10.1080/00036846.2016.1139680

Im, K. S., Pesaran, M. H., y Shin, Y. (2003). Testing for unit roots in heterogeneous panels. Journal of econometrics, 115(1), 53-74. doi: 10.1016/s0304-4076(03)00092-7

Mishkin, F. S. (1995). Symposium on the monetary transmission mechanism. Journal of Economic perspectives , 9(4), 3-10.

Monnin, P., Koedijk, K. y Loungani, P. (2018). Monetary policy, macroprudential regulation and inequality: An introduction to the special section. Journal of International Money and Finance, 85, 163-167. doi: 10.1016/j.jimonfin.2017.11.003

Pesaran, M. H., Shin, Y., y Smith, R. P. (1999). Pooled mean group estimation of dynamic heterogeneous panels. Journal of the American Statistical Association, 94(446), 621-634. doi: 10.1080/01621459.1999.10474156

Pesaran, M. H., y Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of econometrics, 68(1), 79-113. doi: 10.1016/0304-4076(94)01644-f

Pesaran, M. H. (2015). Testing weak cross-sectional dependence in large panels. Econometric Reviews, 34(6-10), 1089-1117. doi: 10.1080/07474938.2014.956623

Sidaoui, J., y Ramos-Francia, M. (2008). The Monetary Transmission Mechanism in Mexico: Recent Developments. BIS Papers, 35, 363-394.

Westerlund, J. (2005). New simple tests for panel cointegration. Econometric Reviews, 24(3), 297-316. doi: 10.1080/07474930500243019

Cuadro A:

Pruebas de raíces unitarias (Im, Pesaran & Shin, 2003)

Cuadro B:

Pruebas de cointegración (Westerlund, 2005)

Notas

Notas de autor

*Contacto de correspondencia. Correo: pablo.cotler@ibero.mx