El documento evalúa el efecto de tres tipos de diversificación crediticia sobre la calidad de cartera del sistema bancario peruano durante el periodo que comprende el 2010 al 2016. De esta manera, se intenta promover evidencia empírica sobre el efecto de la diversificación crediticia y su impacto en la calidad de cartera de la banca múltiple. Para el análisis de las implicancias de los tres tipos de diversificación crediticia (diversificación por tipo de cliente, por sector económico y por ámbito geográfico), se aplican técnicas econométricas de panel de datos y se hace varios tipos de estimaciones para comprobar la robustez del modelo planteado. Como resultados del trabajo se encuentra que la concentración por tipo de crédito reduce la morosidad así como el ratio de provisiones sobre colocaciones de la cartera de la banca múltiple, es decir la especialización en el tipo de crédito mejora la calidad de cartera. Por otro lado se observa que tanto la diversificación por departamentos como la de sector económico reducen el ratio de morosidad al igual que el ratio de provisiones sobre colocaciones de la cartera crediticia de la banca múltiple. Los resultados son importantes para las entidades bancarias a la hora de realizar sus colocaciones, ya que es mejor diversificar por sector económico y por departamentos que por tipo de cliente donde es mejor la concentración.

Los bancos comerciales están expuestos a distintos riesgos durante sus actividades, de los cuales resaltan los del ámbito financiero porque impactan en su nivel de rentabilidad. Por lo tanto, es relevante que estas entidades gestionen adecuadamente estos riesgos financieros con la finalidad de evitar tantos costos internos como costos para la sociedad, así como para alcanzar un adecuado nivel de rentabilidad que les permita enfrentar una eventual crisis financiera y que propicie el correcto desempeño de su función intermediadora. El objetivo de la presente tesis es analizar el efecto que tienen los riesgos de crédito y liquidez sobre la rentabilidad de los bancos comerciales peruanos durante el periodo 2003-2019. Para dicho análisis, se procesa información estadística de las siguientes variables pertenecientes a 15 entidades bancarias: ROA (variable dependiente), riesgo de crédito, de liquidez, tamaño del banco, capital bancario, crecimiento del PBI e inflación (variables independientes). Con dichos datos se procede a estimar un modelo de efectos fijos para panel de datos mensual. Por un lado, los resultados muestran que cuando los bancos grandes enfrentan mayor riesgo de crédito y de liquidez en moneda nacional, su rentabilidad (ROA) es menor; asimismo, esta no resulta afectada cuando se incrementa el riesgo de liquidez en moneda extranjera. Por otro lado, con respecto a los bancos pequeños, solo cuando enfrentan mayor riesgo de liquidez en moneda extranjera su rentabilidad es mayor, mientras que cuando enfrentan mayor riesgo de crédito y de liquidez en moneda nacional, no se observa que la rentabilidad resulte afectada.

La presente investigación estudia la relación entre el ámbito institucional y las calificaciones crediticias soberanas otorgadas por Moody’s, Standard & Poor’s y Fitch durante el periodo 2003-2020. A través de la aplicación de un modelo de respuesta ordenada, que utiliza variables macroeconómicas e institucionales, se busca explicar la relevancia del factor institucional para cada una de las calificadoras. Las ventajas de usar este tipo de modelo son que permite respetar el carácter ordinal de la variable dependiente, lo que permite superar la crítica de que la variación entre categorías de ratings es la misma, y permite obtener coeficientes estimados insesgados. Se encuentra que la variable que captura el factor institucional es significativa y positiva para las tres calificadoras de riesgo en cuestión, tanto para la muestra completa como para la que engloba solo países en vías de desarrollo, y se encuentra que el modelo que utiliza la deuda de gobierno en vez de la deuda externa tiene una mayor bondad de ajuste, por lo que sería más adecuado. Además, se realizó un análisis para evaluar qué aspecto de la institucionalidad es más importante para las calificadoras de riesgos. De aquél análisis, resulta que la “calidad regulatoria” es la variable institucional más importante para Moody’s y Fitch, mientras que el “Estado de derecho” es la más relevante para Standard & Poor’s. En línea con el análisis anterior, se encuentra que la “voz y rendición de cuentas” es la variable menos importante para aquellas.

La economía de muchos países hoy en día está fuertemente relacionada al sector minero. Perú no es la excepción, teniendo en cuenta que este sector representa cerca del 15% del PBI del país, además de representar cerca al 65% de lasexportaciones. Sin embargo, esta actividad económica se desarrolla bajo ciertas características particulares, el desarrollo de los proyectos mineros se encuentran en muchos casos en sitios alejados y remotos de difícil acceso, donde las condiciones climáticas pueden ser muy variables. Lo que influye no solo en los costos de operación sino también en su desarrollo diario. Sumado a todo esto hoy en día se presenta otro desafío; como son los riesgos derivados de los fenómenos naturales como inundaciones, deslizamientos, olas de calor y frio entre otros que pueden alterar la operatividad de la industria minera, es precisamente estos nuevos aspectos, el tema central de nuestra investigación: la relación entre la minería e impacto climático. El presente trabajo de investigación busca identificar una aproximación metodológica sobre los principales riesgos asociados al cambio climático en el sector minero, basado en una recopilación de estudios realizados sobre las principales amenaza y la vulnerabilidad a las que se puede ver involucrado la minería en el Perú. Dicha identificación de riesgos se enfocará en los factores sociales, económicos y ambientales; por ejemplo, los riesgos relacionados con la disponibilidad de los recursos hídricos y energéticos utilizados en los procesos productivos, los riesgos sobre la cadena de suministros y finalmente los riesgos del cambio climático sobre el factorhumano. Para tal fin se revisarán los diversos estudios realizados sobre los riesgos vinculados del cambio climático, específicamente relacionados con el sector minero, tanto a nivel mundial así como en el Perú. Por ejemplo, tomaremos como referencia el “Manual para la Evaluación de Riesgos originados por Fenómenos Naturales” elaborado por el Centro Nacional de Estimación, Prevención y Reducción de Riesgos de Desastres (CENEPRED), y los lineamientos establecidos por el International Council on Mining & Metals (ICMM), relacionado con las políticas de manejo sobre el cambio climático en el sector minero y metalúrgico / Tesis

La investigación realizada se originó por la importancia económica del sector minero para el Perú y la caída en los niveles de ventas que se registró a partir del 2013. Esta caída se originó principalmente porque China, comprador número uno de metales en el mundo, cambió su modelo económico y se enfocó en el consumo interno, además del endurecimiento paulatino de la política monetaria de Estados Unidos y el difícil acceso de financiamiento a las mineras, entre otras. Frente a esta caída de ventas a nivel global, Ernst & Young realizó un estudio que identificó los principales riesgos que afectaban el valor de las empresas mineras; uno de los principales riesgos fue la gestión eficiente del efectivo y que para ello, una de las fuentes de liberación del mismo era la gestión de las necesidades operativas de fondos (inventarios, cuentas por cobrar y cuentas por pagar) debido a la adaptabilidad de sus componentes en el corto plazo. La importancia de la gestión de las necesidades operativas de fondos (NOF) deviene porque determinan el nivel de inversión necesario para la continuidad de las operaciones y la gestión de sus cuentas es medida a través del ciclo de conversión del efectivo. Por lo tanto, el propósito del presente estudio es identificar cómo el Valor de las empresas mineras peruanas está influenciado por la gestión de las NOF y cuáles son las determinantes de esta última considerando las particularidades del sector minero. Para cumplir con el objetivo principal, se realizó una revisión de literatura teórica y empírica que permitió el planteamiento de las hipótesis para la investigación, y por la naturaleza del estudio se aplicó la metodología cuantitativa. En este caso, se utilizó información trimestral de 7 grandes empresas mineras que operaron en Perú entre los años 2005 y 2016, además, las mismas cotizan en la Bolsa de Valores de Lima, la data se analizó con el instrumento econométrico de Panel de Datos en el software Stata. Como resultados, se concluyó que la reducción de 1% de recursos invertidos en las NOF incrementa el Valor Financiero de las empresas mineras peruanas en 0.047%, además, cuando el EBITDA (p=0.00) se incrementa en 1%, el valor se incrementa en 1.048%. Por otra parte, los factores que determinan la eficiencia de las NOF son la edad de la firma, precio del mineral y costo de producción (C2, cash-cost). La relevancia de las variables está en que la edad de la firma brinda un mayor nivel de experiencia en el sector y de cómo funciona, el precio del mineral determina los lineamientos para la operación de la mina y, finalmente, el costo de producción (cash cost) es también una de las variables relevantes debido a que en un sector tomador de precios, el costo de producción es crítico para el rendimiento financiero de la organización ya que es la variable que la empresa gestiona directamente.

El presente trabajo propone el desarrollo de modelos machine learning para la estimación de la probabilidad de default, que ayuden a reducir los niveles de deterioro de las carteras de créditos de consumo de las instituciones financieras de Perú, las cuales basan sus políticas de créditos en los modelos econométricos tradicionales como la regresión logística. Las variables que mejor explican la probabilidad de default están relacionadas a la evolución de niveles de endeudamiento y la historia de comportamiento de pago en el sistema financiero. Los modelos Random Forest (Bagging) y XGBoost (Boosting) presentan mejores niveles de discriminación y predictibilidad que el modelo tradicional, asimismo, se demuestra que estos modelos machine learning se complementan muy bien con el modelo tradicional dado que permiten identificar conjuntos de intercambio de deudores con menor riesgo por deudores de mayor riesgo calificados por el modelo tradicional. Adicionalmente, estos modelos machine learning permiten una vista complementaria al momento de identificar los perfiles con mayor riesgo ya que metodológicamente no se basan en la identificación de patrones promedio como la regresión logística tradicional.

Las proyecciones de crecimiento en la Esperanza de Vida de los peruanos, el continuo incremento de la proporción de la Población Económicamente Activa (PEA) que se afilia a este sistema y la ampliación del espacio que ocupa en la economía, justifican esta investigación sobre la eficiencia del desempeño del Sistemas Privado de Pensiones (SPP) en el Perú. El objetivo de esta investigación es responder si el SPP es eficiente en su régimen de inversiones. Para ello, se formulan dos interrogantes secundarias: ¿es indispensable la diversificación en el SPP o existen otras formas? y ¿es óptima la gestión de portafolio realizada por el SPP? Para hallar la respuesta a estas preguntas, primero, se toma en cuenta la regulación impuesta al SPP por parte de instituciones como el BCR y la SBS. El enfoque sobre esta normativa está principalmente orientado a los límites de inversión que pueden realizar cada AFP según sea el tipo de fondo. Segundo, las metodologías planteadas para responder a la primera y segunda pregunta son el Ratio de Sharpe y el Modelo de Markowitz, respectivamente. Por un lado, se hallará el Ratio de Sharpe para cada fondo y el resultado será comparado con el Ratio de Sharpe del índice Standard & Poor's 500 y al iShares J.P. Morgan USD Emerging Markets Bond Index, aquel Ratio de Sharpe que sea mayor indicará una mayor rentabilidad para el riesgo asumido. Por otra parte, a través del Modelo de Markowitz se hallará si los límites de inversiones crean o no portafolios eficientes. En conclusión, se demuestra que el régimen de inversiones del SPP no es óptimo y que en términos de costo-beneficio existen otras opciones en vez de la diversificación hecha por el SPP. / Projections of growth in the Life Expectancy of Peruvians, the continuous increase in the proportion of the Economically Active Population (EAP) that joins this system and the expansion of the space it occupies in the economy, justify this research on efficiency of the performance of the Private Pension Systems (SPP) in Peru. The objective of this research is to answer whether the SPP is efficient in its investment regime. To do this, two secondary questions are asked: is diversification in the SPP essential or are there other ways? And is the portfolio management carried out by the SPP optimal? To find the answer to these questions, first, the regulation imposed on the SPP by institutions such as the BCR and the SBS is taken into account. The focus on this regulation is mainly oriented to the investment limits that each AFP can make according to the type of fund. Second, the methodologies proposed to answer the first and second questions are the Sharpe Ratio and the Markowitz Model, respectively. On the one hand, the Sharpe Ratio for each fund will be found and the result will be compared with the Sharpe Ratio of the Standard & Poor's 500 index and the iShares J.P. Morgan USD Emerging Markets Bond Index, whichever Sharpe Ratio is higher will indicate a higher return for the risk assumed. On the other hand, it will be found through the Markowitz Model whether or not investment limits create efficient portfolios. In conclusion, it is shown that the investment regime of the SPP is not optimal and that in terms of cost-benefit there are other options instead of the diversification made by the SPP.

El Sistema Financiero Peruano se nancia principalmente de depósitos, los cuales representan más de 60% del total de activos. Los depósitos se pueden distinguir por tipo de depositante (mayoristas y minoristas) y tipo de depósito (vista, ahorros y plazo). En función de su probabilidad de retiro cada tipo de depósito representa un nivel distinto de riesgo de liquidez para la entidad nanciera y para el sistema nanciero. En este sentido, en la asignación de precios internos otorgados a las unidades de negocio es necesario considerar costos de liquidez diferenciados. Considerar costos de liquidez diferenciados no sólo afecta la rentabilidad del banco sino que también tiene implicancia en la estabilidad del sistema nanciero. El cumplimiento de los nuevos estándares regulatorios pretenden evitar o disminuir los costos de una posible crisis nanciera con nanciamiento estable y colchones de liquidez; no obstante el nanciamiento estable requerido para disminuir el riesgo de liquidez genera costos adicionales que las entidades deben gestionar considerando el nivel de riesgo de su nanciamiento así como su costo por liquidez. La investigación tiene el objetivo de analizar el riesgo de liquidez de los cuatro bancos con mayor participación en el Sistema Financiero Peruano a través de la volatilidad de los depósitos y su impacto en el costo de nanciamiento. Mediante la metología EWMA y Garch se calcula la volatilidad por tipo de depósitos y luego se obtiene la volatilidad por tipo de nanciamiento, mayorista y minorista. La metodología utilizada es un modelo de vectores autoregresivos (VAR) y funciones impulso respuesta. Se concluye que mayor riesgo de liquidez generado por depósitos mayoristas genera mayores costos de nanciamiento; mientras que mayores retiros de depósitos minoristas genera menores costos de nanciamiento, aunque su impacto no es signi cativo.

Lo más importante en el negocio de un banco, es su liquidez. La liquidez genera confianza y seguridad al cliente. Y es la confianza, el principal activo intangible de un banco. Es por ello que, luego de la crisis subprime, los reguladores financieros nacionales y el Bank for International Settlements (BIS) o Banco de Pagos Internacionales establecieron nuevos requerimientos del capital del banco, de la liquidez y de la gestión del riesgo (Choudhry, 2012, p.589), que deberían aplicar todos los bancos a nivel global. Es con Basilea III que se introducen por primera vez estándares de liquidez internacionales. El Comité publica los Principios para la adecuada gestión y supervisión del riesgo de liquidez; y dos estándares mínimos de liquidez: el Ratio de Cobertura de Liquidez y el Ratio de Fondeo Neto Estable (Hoffman, 2011). Es así que surge esta investigación, donde se calcula el Ratio de Fondeo Neto Estable del año 2018 para los cuatro bancos comerciales peruanos más grandes: Banco de Crédito del Perú S.A., Banco Internacional del Perú S.A.A. – Interbank, BBVA Banco Continental y Scotiabank Perú S.A.A. La información financiera se obtendrá de los estados financieros separados al 31 de diciembre de 2018 (SMV, 2019). Posteriormente, se evalúa el ratio y la estructura de balance de cada banco según Basilea III. Luego del análisis realizado se ha determinado que el nivel de capital, de depósitos y otro tipo de fondeo con vencimiento mayor a un año es determinante para cumplir con los estándares del Ratio de Fondeo Neto Estable según Basilea III. Respecto a la metodología, se calculó el ratio de cada banco a partir de los estados financieros separados publicados por la Superintendencia del Mercado de Valores (SMV, 2018) y se recurrió a los estándares de Basilea III, a autores internacionales respecto al tema de la investigación y a la información pública que provee la Superintendencia de Banca, Seguros y AFP para la interpretación de los ratios y su composición; y la experiencia del autor. En cuanto a los resultados y la conclusión, los cuatro bancos comerciales peruanos con mayor participación en el mercado peruano poseen un ratio de fondeo estable de acuerdo a los estándares de Basilea III, liderados por el banco BBVA Perú y el Banco de Crédito del Perú con un ratio de 155% y 135%, respectivamente.

La crisis internacional del 2008-2009 demostró que los choques macroeconómicos tienen un impacto persistente y amplificador en la economía cuando afectan los sistemas financieros. Ante esta evidencia, es valioso identificar fuentes de riesgo para la estabilidad financiera en el Perú pese a no tener una crisis de esta naturaleza desde 1998-1999. El trabajo cuantifica cómo los cuatro principales bancos del sistema y cuatro cajas municipales responderían ante dos choques externos difíciles de anticipar: un aumento de tasa Fed y una caída en términos de intercambio. Se estiman modelos VAR jerárquicos en paneles para comparar respuestas dinámicas en dos períodos con un cambio estructural en la economía: 1993-2005 vs 2006- 2019. Se halla que (i) hoy el mayor riesgo para bancos y cajas sería la caída no solo del crédito en dólares como en el pasado, sino también en soles, donde un choque de tasa Fed tendría un impacto persistente; (ii) hoy el apalancamiento y la morosidad no serían riesgos alarmantes, salvo por un deterioro en la calidad de cartera de las cajas debido a un choque de tasa Fed; y (iii) el grupo de bancos y el grupo de cajas tienen respuestas sincronizadas, por lo que los choques externos aún serían una fuente de riesgo sistémico como pasó en los 90’s.