Inclusión financieraRetos y oportunidades del sector microfinanciero en el Perú

Resumo

Esta tesis doctoral se inspira en el contexto general definido por los 17 Objetivos de Desarrollo Sostenibles (ODS) establecidos por la Organización de las Naciones Unidas dentro de su Agenda 2030. Entre ellos, destacan: erradicar la pobreza (ODS1), promover la igualdad de género (ODS5), el trabajo decente y el crecimiento económico (ODS8) y reducir las desigualdades (ODS10). Una forma de converger hacia dichos objetivos es brindar oportunidades a las personas de escasos recursos para que puedan emprender, desarrollar sus iniciativas de negocio, generar sus propios ingresos, mejorar la calidad de vida de sus familias y acceder a servicios educativos sanitarios, garantizando la igualdad de oportunidades. Sin embargo, muchas de estas personas se encuentran excluidas del sistema financiero tradicional porque no perciben salarios estables, carecen de suficientes garantías o no tienen historial crediticio. En este sentido, las Instituciones Microfinancieras (en adelante, IMFs) toman especial importancia, pues su objetivo es favorecer precisamente la inclusión financiera y la transformación social. Pero, para cumplir con esta misión, las IMFs deben ser autosostenibles en el tiempo a la par que deben maximizar su impacto social. Ello plantea un enfoque dual e incluso un dilema conocido como “mission drift” en las IMFs. Por todo lo anterior, los objetivos a alcanzar con esta investigación son, primero determinar las variables o atributos más relevantes que inciden en la rentabilidad y el riesgo en las IMFs, y segundo, definir modelos predictivos para su correcta estimación, de manera que faciliten la toma de decisiones financieras en aras de garantizar la sostenibilidad en el tiempo de dichas IMFs. Para ello, se analizan dos variables dependientes: la rentabilidad de los activos (ROA) y la proporción de préstamos con retraso de pago con más de 30 dias (Portfolio at Risk, PaR30), ésta última como proxy del riesgo de insolvencia. El estudio se centra en Latinoamérica y, más concretamente, en Perú, país que ha ocupado durante varios años el primer lugar en el ranking de Microscopio Global 2018 (Unit, 2018). Los datos utilizados fueron obtenidos de la base de datos pública Mix Market (https://databank.worldbank.org/source/mix-market), y se aplican algoritmos de minería de datos para ambos objetivos. Para determinar los atributos más relevantes que inciden en la rentabilidad (ROA) en las IMFs peruanas, se aplican tres algoritmos: el M5P, K-vecinos más cercanos (K-nearest neighbours, KNN), y Bosques aleatorios (Random Forest). El algoritmo M5P proporciona el mejor ajuste, minimizando el error entre el valor predicho y el valor real, obteniendo un coeficiente de correlación del 97%, seguido del algoritmo KNN con un 93%; y, por último, del bosque aleatorio con un 65%. Con relación al riesgo insolvencia (PaR30), el análisis se centra en el resto de Latinoamérica y se compara con Perú. Para detectar las principales variables que inciden en el riesgo, se utiliza el algoritmo ReliefF, y, en segundo lugar, se corre el algoritmo M5P, a efectos de predicción. En el caso de Latinoamérica (sin Perú) se obtiene un 93% de coeficiente de correlación, siendo del 92% para Perú. En general, los modelos predictivos resultan ser muy satisfactorios, pues se obtiene una alta correlación entre los valores predichos y los reales. Respecto a las variables más relevantes que determinan la rentabilidad (ROA) de las IMFs peruanas destaca el ratio de los gastos totales entre sus activos medios, seguido por el margen de beneficios y los ingresos netos después de impuestos y antes de donaciones. Así mismo, los principales atributos que inciden en el riesgo de insolvencia en las IMFs peruanas son el ROA, el ratio de capital sobre activos, el ratio de caja y bancos sobre activos, y el porcentaje de mujeres directivas de la IMFs. Para el resto de Latinoamérica, las variables más determinantes son el ROA, el ratio de capital sobre activos, los gastos operativos sobre la cartera de préstamos, y el porcentaje de los préstamos considerados incobrables respecto del total préstamos. Finalmente, la investigación proporciona modelos robustos para la estimación de ambas variables dependientes (ROA y PaR30), lo que tiene implicaciones directas en la mejora de gestión, monitorización y control de la performance las IMFs, de manera que sean sostenibles en el tiempo, permitiéndoles cumplir así con su loable función social.