Behavior of the commercial portfolio of private banks of ecuador, 2010-2018
DOI:
https://doi.org/10.33936/eca_sinergia.v12i1.2064Keywords:
Cartera comercial, morosidad, liquidez, bancos privados, Ecuador.Abstract
The objective of this study is to determine the behavior of the commercial portfolio of the private banking system of Ecuador during the period 2010-2018, the factors considered correspond to unproductive portfolio, late payment Rate, Gross Domestic Product (GDP), consumer price index , country risk, variation of public debt and liquidity. The data were obtained from the Superintendence of Companies, Central Bank of Ecuador and Superintendence of Banks. The methodology proposes two econometric models, the first the Mobile Media Integrated Autoregressive Univariate (ARIMA) by the estimates of the short-term variables and the second Multivariate of the covariance analysis (ANCOVA) allows to relate variables with the behavior of the commercial portfolio. The main results determine that the study factors cause alterations in the commercial portfolio, therefore, the conclusions are deduced to a banking system sensitive to economic crises, especially to external factors such as the price of oil and economic policy approaches. Keywords: Commercial portfolio; late payment; liquidity; private banks; Ecuador.Downloads
References
Acosta, A., Gorfinkiel, D., Gudynas, E., y Lapitz, R. (2005). El riego-pais convencional . En El otro riesgo país: indicadores y desarrollo en la economía. Abya-Yala. 283-319.
Alvarado, E. (2018). Economía y Finanzas. UnionNnacional en la Economía y Finanzas. Quito. Recuperado de: https://www.finanzas.gob.ec/wp-content/uploads/downloads/2019/01/REGLAMENTO-MEF-2018-0134-DEUDA-PUBLICA-PIB.pdf
Álvarez, L., Sánchez, I., y Urtasun, A. (2017). El efecto de las fluctuaciones del precio del petróleo sobre la inflacion española. Banco de España (bde), Eurosistemas. Recuperado de: https://www.bde.es/f/webbde/SES/Secciones/Publicaciones/InformesBoletinesRevistas/ArticulosAnaliticos/2017/T2/fich/beaa1702-art14.pdf
Amaya, C. (2015). Evaluación del riesgo de crédito en el sistema financiero de Colombia. 1-12. Colombia. Recuperado de: http://repositorio.banrep.gov.co/bitstream/handle/20.500.12134/2082/TEF_12.pdf?sequence=1&isAllowed=y
Banco Central del Ecuador (BCE). (2019). Sistema de pagos y valores. Recuperado de: https://www.bce.fin.ec/index.php/servicios-bancarios
Carmona, J. (2015). Modelos Econométricos aplicado para la explicación del Desempleo. México. Recuperado de: https://www.ugr.es/~jchica/Pagina2/GUIME/Modelos%20alumnos/MLG/Explicacion%20del%20desempleo_ST.pdf
Casimiro, P. (2016). Análisis de Series Temporales: Modelos ARIMA. Herriko , Vasco: Enpresal-Zientzien. doi:978-84-692-3814-1
García, X., Herrera, V., Hernández, J., García, J., y Hernández, A. (2016). Equations to predict the normal diameter based on the stump diameter of Abies religiosa (Kunth) Schltdl. et Cham. Revista Mexicana de Ciencias Forestales, 95-104. Recuperado de: https://www.redalyc.org/pdf/634/63449187008.pdf
González, V. (2016). Econometría básica Aplicada con Gretl. Recuperado de: doi 978-84-692-4355-8
Gutiérrez, J., y Saade, A. (2009). Ciclos de Riesgo de Crédito. 23. Colombia. Recuperado de: http://repositorio.banrep.gov.co/bitstream/handle/20.500.12134/2115/TEF_43.pdf?sequence=1&isAllowed=y
Kulfas, M. (2018). Banca de desarrollo e inclusión financiera de las pequeñas y medianas empresas. Santiago , Naciones Unidas: LC/TS.2018/109. Recuperado de: https://repositorio.cepal.org/bitstream/handle/11362/44359/1/S1801139_es.pdf
López, D., y Martínez, C. (2013). Modeling video transmission losses using SARIMA and ARIMA models. Specif.
Mauricio, J. (2007). Introducción: Análisis de Series Temporales. Madrid: EViews. Recuperado de: https://www.ucm.es/data/cont/docs/518-2013-11-11-JAM-IAST-Libro.pdf
Mileris, R. (2012). Macroeconomic Determinants of Loan Portfolio Credit Risk in Banks. Kaunas University or Technology, Panevezys Institute, 496-504.
Ordoñez, R. (2015). Procesos administrativos en la organización empresarial moderna: Análisis de escenarios (Primera ed.). Ecuador: Universidad Laica Vicente Rocafuerte de Guayaquil : Manglar editores.
Pardo, A., Garrido, J., San Martín, R., y Ruíz, M. (2013). La interacción entre factores en el análisis de varianza: Errores de interpretación. Psicothema, (19), 343-349.
Peña, C. (2010). Shocks exógenos, dinámica macroeconómica e inversión privada. Economic Conyunt, 171-189.
Ricardias, M. (2012). Macroeconomic Determinants of Loan Portdolio Credit Risk in Banks. Kaunas University or Technology, 496-504.
Superintendencia de Compañías y Seguros (SuperCias). (2019). Reporte de Estabilidad Financiera a Junio 2019, Quito. Recuperado de: http://estadisticas.superbancos.gob.ec/portalestadistico/portalestudios/wp-content/uploads/sites/4/downloads/2019/06/reporte_estabilidad_jun_2019.pdf
Superintendencia de Bancos de Ecuador. (2017). Reporte Comportamiento Crediticio Sectorial. Resumen Ejecutivo, Quito. Recuperado de: http://oidprd.sbs.gob.ec/medios/PORTALDOCS/downloads/articulos_financieros/Estudios%20Sectoriales/2017/ES_BP_jun_2017.pdf
Trívez, F. (2015). Introduccion a la econometria. Santiago, Chile. Recuperado de: https://www.marcialpons.es/libros/introduccion-a-la-economia/9788436838077/
Villavicencio, J. (2013). Introducción a Series de Tiempo . Costa Rica.
Wong, J., Choi, K., y Fong, T. (2008). A framework for stress-testing banks’. The Journal of Risk, II(1), 3-23. Recuperado de: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1327561
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Lady Andrea Andrea León Serrano, Josselyn Lissbeth Chamba Bernal, Samantha Abigail Vega Aguilar

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

