Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
FACTORES DETERMINANTES DE LA DEMANDA DE CRÉDITO HIPOTECARIO EN
ARGENTINA: UN ANÁLISIS COMPARATIVO 2004-2019.
Jorge Tramontin1
E-mail: [email protected]
Resumen
Este trabajo propone analizar las causas determinantes de la demanda de crédito hipotecario en Argentina
a partir de 2004, teniendo en cuenta, las políticas crediticias aplicadas por las distintas autoridades de gobierno.
Para alcanzar dicho objetivo general, se establecen los siguientes objetivos particulares:
Conocer las características del mercado de crédito hipotecario, y su regulación.
Establecer el nivel de influencia de distintas variables económicas en la demanda de crédito hipotecario.
Verificar los resultados de las diferentes líneas de crédito hipotecario implementados durante el período
analizado.
1. Introducción
El estudio de la evolución del mercado de crédito hipotecario es de gran relevancia para el crecimiento y
desarrollo económico de un país. Numerosos sectores de la economía, desde el bancario hasta los materiales de la
construcción crecen junto al sector inmobiliario, generando una mayor demanda de empleo en éstos, y en otros
1 Maestrando en Economía Aplicada (Universidad Argentina de la Empresa), Licenciado en Economía (Universidad
Nacional de San Martín).
MAECO [Escribir el título del documento]
2
rubros complementarios. Por ejemplo, los trabajadores del sector de la construcción, como ser albañiles,
plomeros, electricistas, etc., al tener bajos ingresos, tienen una elevada propensión marginal a consumir, que
conjuntamente con un mercado de créditos hipotecarios más desarrollado, podría llevar a una reactivación de la
economía, en períodos de recesión. Los sectores intensivos en mano de obra, como el de la construcción, poseen
valores de productividad reducidos, en comparación con otros sectores que demandan mayores niveles de
tecnología, pero su contribución a la generación de empleo es innegable.
El mercado de crédito hipotecario facilita el acceso a la vivienda propia, y satisface así una necesidad
básica para las familias, pudiendo atenuar el déficit habitacional existente en nuestro país. En consecuencia, está
íntimamente ligado a la demanda de vivienda de las familias, que probablemente, sea el bien más caro que
compren en toda su vida, y necesariamente tenga que ser financiado por un préstamo hipotecario (Redondo &
López 2001). Por otro lado, es importante para la transmisión de la política monetaria, pudiendo generar
numerosas oportunidades de inversión residencial privada, sirviendo de estímulo a la demanda agregada,
aumentando el nivel de producción agregado y generando nuevos empleos.
Dicho esto, y en comparación con otros países de la región, la participación del crédito hipotecario como
porcentaje del Producto Interno Bruto (PIB) en Argentina, es muy escasa, de las más bajas de Latinoamérica y el
mundo, lo que da como resultado, un mercado de crédito para la vivienda muy pequeño2, que no resuelve el
problema habitacional existente, y tampoco atiende a una demanda potencial de familias que estaría dispuesta a
acceder a dicho financiamiento.
La sucesión de crisis políticas y económicas en las últimas décadas, ha contribuido a que el crédito
hipotecario se encuentre en sus valores mínimos, y probablemente el acceso al financiamiento de la vivienda sea
un privilegio solo para aquellas familias de ingresos altos, dejando afuera a los estratos de ingresos medios y
bajos.
Una de las condiciones necesarias para el desarrollo del mercado hipotecario en un país, es la estabilidad
de precios. Nuestra historia inflacionaria, sumada a la inestabilidad macroeconómica y a un mercado financiero de
magnitudes exiguas, no permite el logro de tal objetivo.
2 1,5% del PIB en 2012, según situándose solo por encima de Paraguay y Haití.
MAECO [Escribir el título del documento]
3
Elaboración propia en base a Housing Finance Network (HOFINET) y Federación Latinoamericana de Bancos (FELABAN),
En los últimos años, los gobiernos de turno, han intentado paliar el déficit habitacional con diferentes
políticas intervencionistas. Entre otras, se destacaron los programas sociales de crédito subsidiado, impulsados
por el Fondo Nacional de la Vivienda (FONAVI), y el Programa de Crédito Argentino del Bicentenario para la
Vivienda Única Familiar (PRO.CRE.AR.), que en sus inicios, una de sus líneas de crédito requería el contar con
lote propio para construir.3 Por el lado del mercado financiero, las líneas de crédito hipotecario tradicionales de
los bancos comerciales, se potenciaron, con la experiencia de la moneda indexada (UVA4), a partir de abril de
2016, generando grandes expectativas en el sector formal de la población de ingresos medios que pretendía
acceder a la vivienda propia. El boom de crédito hipotecario duró pocos meses. Las sucesivas devaluaciones de la
moneda nacional, la elevada inflación y la incertidumbre política, volvieron a congelar la demanda y el acceso al
crédito hipotecario. En definitiva, tanto las políticas intervencionistas, como las orientadas hacia el mercado, han
tenido un éxito limitado en el objetivo, por un lado, de reducir el déficit habitacional, y por otro, en generar un
mercado hipotecario mayor, que pueda atender la demanda creciente de créditos para la vivienda.
Existe además, una visión sobre la endogeneidad del dinero, que podría considerarse como alternativa, a
la actuación tradicional de los bancos centrales sobre la tasa de interés, para determinar la oferta monetaria. La
teoría postkeynesiana, pone énfasis sobre la importancia del mercado de crédito, y no sólo en el mercado de bonos
3 Las familias que no tenían lote propio, debían procurar acceder a emprendimientos emplazados en terrenos públicos del país. 4 Unidades de Valor Adquisitivo.
0
5
10
15
20
25
30
Proporción
del PIB
2012
Cuadro nº1: Latinoamérica: participación del crédito hipotecario
MAECO [Escribir el título del documento]
4
y dinero5, para explicar variaciones en la demanda agregada (Maldonado & Vera, 2011). La oferta monetaria se
expande o contrae dependiendo de las necesidades de producción y de consumo de los agentes, a través de lo que
inyectan los bancos comerciales al sistema económico. Por lo tanto, en una economía de mercado, la oferta
monetaria estaría determinada por la demanda de créditos, y los bancos comerciales dejarían de tener el simple rol
de intermediarios que prestan el dinero de los que ahorran. Ahora bien, el hecho de que los bancos comerciales
tengan la facultad de crear dinero de la nada, podría tener serias implicaciones en la economía, requiriendo
adoptar políticas para evitar procesos inflacionarios, y de regulación bancaria, ambas necesarias en el contexto de
dinero endógeno.
La presente investigación, busca identificar aquellos que factores que inciden en las decisiones de las
familias, de optar por un crédito hipotecario. ¿Es el valor de las viviendas, que actúa como refugio de inversión, la
motivación para buscar un crédito hipotecario? ¿Es el creciente déficit habitacional existente el motivo? ¿Qué
variables económicas (tipo de cambio, tasa de interés, expectativas, nivel de ingreso, etc.) determinan la búsqueda
de la vivienda propia a través de un crédito hipotecario?
El trabajo está organizado de manera que, en la sección 2, se realiza una descripción de las características
principales del mercado de crédito hipotecario en Argentina; en la sección 3, se presenta alguna evidencia de
cómo podría verse afectada la demanda de crédito hipotecario basándonos en la bibliografía empírica reciente; la
descripción de los datos que se utilizan se exponen en la sección cuarta; la sección quinta ha sido destinada a
contener los resultados obtenidos y, finalmente, la sección sexta para las conclusiones.
2. El mercado de crédito hipotecario en Argentina.
El mercado hipotecario en nuestro país tuvo un impulso en la segunda mitad de los años noventa gracias a
cambios en la normativa que ayudaron a la generación de créditos a través de los bancos, y a la posterior
securitización6 de dichos préstamos, favorecido también por la estabilidad de precios y cambiaria. La adopción de
5 Visión tradicional. 6 Técnica que consiste en la transferencia de activos financieros que proporcionan derechos de crédito hacia un inversor. En este caso, los
bancos colocan títulos propios respaldados por las hipotecas, que sirven para financiar nuevos créditos hipotecarios.
MAECO [Escribir el título del documento]
5
un tipo de cambio fijo y de la convertibilidad de la moneda7, fueron factores determinantes para el desarrollo de
instrumentos crediticios a largo plazo en dólares, y en particular de los créditos hipotecarios (Kiguel & Podjarni,
2007). Las políticas neoliberales de turno, junto con un mercado financiero desregulado, ponían el acento en un
modelo de demanda, para estimular el desarrollo del sector inmobiliario que fomentara el crecimiento económico.
Además, el aumento progresivo de la cantidad de familias, que accedieron al financiamiento para la
compra de una vivienda nueva, y que dio lugar, a la incorporación de segmentos de ingresos medios al mercado
de crédito hipotecario, produjo durante todo el período, una dolarización considerable de los activos hipotecarios
bancarios8(Cristini & Moya, 2004).
Durante las décadas precedentes, había predominado una primera política de tipo habitacional, enfocada a
la construcción de viviendas financiadas en su totalidad con fondos públicos adjudicada a grandes empresas
constructoras a través de licitaciones. Este modelo de oferta se basaba en la erradicación de los asentamientos
precarios y en la reubicación de su población en conjuntos habitacionales planificados, financiados y construidos
por el Estado (Elinbaum & Baremboin, 2016).
La inestabilidad política y macroeconómica de fines de los 70 y de la década de los 80, no generaron las
condiciones propicias para el desarrollo del mercado hipotecario y, llevaron a que los créditos para la vivienda
estén en niveles mínimos9. De todas formas, esta situación no frenó la compra-venta de viviendas, ya que en
ausencia de crédito hipotecario, la inversión residencial se convirtió por excelencia en un refugio de ahorro, en
ausencia de activos financieros que protegieran a las familias de la inflación imperante (Cristini & Moya, 2004).
Las condiciones macroeconómicas cambiaron en diciembre de 2001, Argentina sufrió una crisis
financiera sin precedentes, entró en cesación de pagos de la deuda soberana y fue el punto final de la
convertibilidad de la moneda nacional, cuya devaluación tuvo efectos considerables en una economía altamente
7La “Ley de Convertibilidad”. establecía a partir del 1 de abril de 1991 una relación cambiaria fija entre la moneda nacional y la
estadounidense, a razón de 1 dólar estadounidense por cada 10.000 australes. Se llamó “el uno a uno”, luego del cambio de signo
monetario, del austral al peso, el 1 de enero de 1992. 8 Por cada peso prestado en moneda nacional existían 2,7 denominados en dólares. 9 El crédito hipotecario como porcentaje del PIB, a comienzos de los años 90, estaba por debajo de 2%, mientras que el promedio de la
década del 80 no superó 1,2% del PIB.
MAECO [Escribir el título del documento]
6
dolarizada. El índice Merval10
cayó drásticamente, y los precios inmobiliarios en dólares estadounidenses cayeron
un 50 % en promedio en la Ciudad Autónoma de Buenos Aires (CABA) (Auguste et al., 2011). El crecimiento de
las hipotecas, que había llegado a su pico en el año 2000, superando el 6% del PIB, cayó por debajo del 3% del
PIB en el año 2005. La crisis dejaría ésta y muchas otras secuelas a lo largo de los próximos años. En 2002 los
pasivos hipotecarios en dólares se convirtieron forzosamente a pesos a un tipo de cambio de un peso por un
dólar11
. La salida de la convertibilidad generó una brusca devaluación, y la creciente incertidumbre sobre la
evolución de los precios y las tasas de interés de largo plazo, eliminó la posibilidad de la generación de nuevas
hipotecas. Por otro lado, se suspendieron por ley las ejecuciones de créditos hipotecarios, dejando imposibilitados
a los bancos de hacer uso de este mecanismo de reembolso, en caso de existir morosidad en los pagos12
(Kiguel &
Podjarni, 2007).
Desde mediados de 2003, se observó una gran expansión de la construcción, y el nivel de actividad del
sector, mantuvo un crecimiento sostenido a tasas que sobrepasaron el 20% anual, siendo uno de los sectores que
más contribuyó al crecimiento económico durante dicho ciclo expansivo. Pero el aumento en el nivel de actividad
del sector inmobiliario, no se reflejó significativamente en el mercado hipotecario debido, por un lado, a la falta
de crédito a largo plazo, en pesos a tasas fijas, y por el otro, a la imposibilidad de los individuos de satisfacer los
requisitos exigidos por parte de las entidades financieras para ser sujetos de crédito (Ídem). Además, en el seno de
muchas familias, el recuerdo de la última crisis, aún estaba presente, y la desconfianza que se había generado
sobre el sistema bancario hacía muy difícil cualquier recuperación de la demanda de crédito hipotecario. Por lo
tanto, en una década de expansión económica, solo interrumpida en 2009, debido a los efectos de la crisis
financiera internacional, el mercado hipotecario se mantuvo al margen de la recuperación del resto de los sectores
de la economía.
10 Indica el valor de las principales empresas que cotizan en la Bolsa de Comercio de Buenos Aires. 11 Los créditos se indexaron por el Coeficiente de Variación Salarial (CVS) y no por el Índice de Precios al Consumidor (IPC). Cuando el
CVS alcanzó el 20%, se impidió continuar con la indexación, quedando así las cuotas congeladas hasta el vencimiento de las hipotecas. 12 Luego fueron parcial o totalmente compensados por el Estado,
MAECO [Escribir el título del documento]
7
En junio de 2012 se implementó el PRO.CRE.AR.13
, destinado a financiar la construcción de viviendas
populares14
con recursos del Fondo de Garantía de Sustentabilidad (FGS)15
. Este programa, intentó con ciertos
matices, combinar el estilo “compensatorio”, esto es, otorgar créditos a aquellas personas que no podían acceder a
una línea de crédito hipotecario tradicional, con el ‘redistributivo’, al tomar como fuente de financiamiento fondos
provenientes del Estado (Elinbaum & Baremboin, 2016). Sin embargo, este programa resultó insuficiente para
satisfacer la demanda de viviendas de los argentinos16
, ya que a fines de 2015, los créditos para vivienda
representaban solo el 0,38% del PIB, dos tercios menos que en 200417
(González Rouco, 2017).
En abril de 2016, el Banco Central de la República Argentina (BCRA), en el marco de una política
monetaria de metas de inflación, reglamentó la aplicación de unidades de cuenta indexadas, para estimular el
crédito y el ahorro a largo plazo, en un contexto de alta inflación. Un nuevo programa de créditos hipotecarios
ajustados por inflación estaba en marcha.
2.1. UVA vs PRO.CRE.AR.
En 2016, las unidades de cuenta creadas por el BCRA, para indexar el monto adeudado por los tomadores
de crédito hipotecario, fueron las Unidades de Vivienda (UVI), donde su evolución se vincula al Índice del Costo
de la Construcción (ICC), y como alternativa, las Unidades de Valor Adquisitivo18
(UVA), cuya actualización
depende del Coeficiente de Estabilización de Referencia (CER), el cual sigue el índice general de la inflación.
Debido a una mayor volatilidad en las UVI, los créditos otorgados por los bancos han sido, en su mayoría,
bajo la modalidad UVA. Por otro lado, el BCRA incluyó en la normativa de la UVA, una opción para que el
13 Hasta fines de 2015, por esta línea de créditos se habían otorgado alrededor de 176 mil créditos que representaron más de $44 mil
millones y por la línea tradicional, el monto alcanzaba los $19 mil millones. 14 Incluye ampliación y refacción. 15 El FGS fue creado por el Decreto N° 897 del 13 de julio de 2007. La ley 26.425 promulgada el 4 de diciembre de 2008 en su artículo
primero dispone la unificación del Sistema Integrado de Jubilaciones y Pensiones en un único régimen previsional público denominado
Sistema Integrado Previsional Argentino (SIPA). Las disposiciones reglamentarias establecieron que el total de los fondos administrados
por las AFJP se traspasaran en especie al Fondo de Garantía de Sustentabilidad del Sistema Integrado Previsional Argentino (FGS). 16 Según el censo 2010, el déficit de viviendas en nuestro país ascendía a 3,5 millones. Casi 1,3 millones de viviendas son irrecuperables
(déficit cuantitativo), 1,5 millones de hogares, son propiedades precarias recuperables y otros 180 mil hogares están en condiciones de
hacinamiento pero viven en viviendas no calificadas como precarias (déficit cualitativo). 17 En la CABA, el promedio anual pasó de 35.000 en la década de los ‘90 a 7.500 entre 2003 y 2015. 18 Su valor inicial en abril de 2016 era $ 14,03, donde 1.000 unidades serán equivalentes a metro cuadrado. $ 14,05 fue el valor inicial de
las UVI para el mismo mes.
MAECO [Escribir el título del documento]
8
deudor, bajo ciertas condiciones, pueda extender el plazo del crédito adeudado. En ese sentido, el deudor puede
extender el crédito un 25% más del plazo original, cuando la diferencia acumulada desde el otorgamiento del
crédito, entre la inflación y el salario promedio de la economía19
, sea de la menos 10%. El otorgamiento del
crédito en una moneda ajustada por inflación permite que las cuotas iniciales sean considerablemente más bajas
que las de un crédito otorgado a tasa de interés fija en pesos (Galinsky & Grandes, 2017).
Una diferencia significativa, con respecto al programa PRO.CRE.AR., es que éste, era financiado con
recursos del Estado, en cambio las líneas de crédito indexadas, implican un negocio rentable para los bancos, con
un escaso impacto en el sector de la construcción (insumos y empleo), debido a que la mayor proporción de los
préstamos, se destinan a la compra de viviendas, impactando además, sobre el precio de las viviendas (González
Mariana, 2017).
Las unidades de cuenta indexadas implementadas a partir de 2016 en nuestro país, son el equivalente a la
Unidad de Fomento (UF) creada en Chile en 196720
, considerada la primera unidad de cuenta indexada del
mundo, que en 2017 cumplió 50 años. Colombia desde 2000 utiliza la Unidad de Valor Real (UVR), México
desde 1995 las Unidades de Inversión (UDI), y Uruguay desde 2002, las Unidades Indexadas (UI), por citar
algunos ejemplos de unidades de valor indexadas que se utilizan en algunos países vecinos (Finanzas
Estructuradas, 2018).
Numerosas familias que accedieron desde 2016 a la nueva línea créditos hipotecarios UVA21
, se vieron
afectadas por la crisis cambiaria de 2018 y la elevada inflación. El peso de la cuota se incrementó debido a la
caída del salario real, la demanda de estos créditos se volvió casi nula y se generó una gran incertidumbre sobre la
capacidad de pago de los deudores. Durante 2019, la continua depreciación del peso, y su inminente efecto sobre
los precios, llevó al gobierno a tomar como medida paliativa, el congelamiento del monto de las cuotas mensuales
que los deudores pagan a los bancos, desde septiembre hasta diciembre de 201922
, ya que el nivel de inflación,
19 Medido por el Coeficiente de Variación Salarial (CVS). 20 Al momento de su creación, la inflación anual en el país vecino era 30%. 21 Es importante aclarar, que se podía optar por la línea tradicional de crédito hipotecario en lugar de la indexada (UVA). La línea
tradicional, con mayores exigencias de ingresos y con tasas de interés mixtas (fija los primeros años y luego variable), era demandada por
aquellos que descontaban a futuro un escenario de alta inflación y volatilidad cambiaria, cosa que precisamente ocurrió. 22 Prorrogándose hasta marzo de 2020.
MAECO [Escribir el título del documento]
9
impacta, no solo en las cuotas, sino también en el monto del capital adeudado. El ajuste del capital, si bien por el
momento no repercute patrimonialmente sobre los tomadores del préstamo, es una de las causas del aumento mes
a mes del valor de la cuota, ya que los intereses que se abonan, son sobre el saldo deudor.
En marzo de 2017, se relanza el PRO.CRE.AR con cuatro nuevas líneas de financiamiento23
. En todos los
casos, la asignación de dichos planes, deja de ser por sorteo para serlo por puntaje de acuerdo a las necesidades de
cada familia, y combina un porcentaje de ahorro familiar, con un subsidio del gobierno nacional y con un crédito
hipotecario24
, intentando mejorar la capacidad de compra. En consecuencia, esta nueva modalidad del programa,
conlleva una concepción mixta, en cuanto a la participación del Estado, otorgando subsidios, y a la del sistema
financiero, otorgando los créditos hipotecarios.
El cuadro nº 2 muestra la evolución de las UVA al 31 de diciembre de 2019, momento en el cual, el valor
unitario equivalía a $47,1625
.
Fuente: Elaboración propia en base a BCRA.
23 1) Solución casa propia: destinado a la compra de una unidad nueva o usada. 2) Solución construcción: destinado a financiar la
construcción sobre un terreno. 3) Desarrollos urbanísticos. 4) Adquisición de lotes con servicios. 24 La tasa nominal anual promedia el 5% dependiendo la entidad bancaria, y el capital se actualiza mensualmente por UVA. 25 236,14 % de aumento desde su creación.
14.00
22.00
30.00
38.00
46.00
54.00
Pe
sos
po
r u
nid
ad e
qu
ival
en
te
Período
Cuadro nº 2: Valor UVA del 31/03/2016 al 31/12/2019
MAECO [Escribir el título del documento]
10
2.2. Política vs. Economía.
En el cuadro Nº 3, observamos que la cantidad de hipotecas constituidas entre los años 2004 y mediados
de 2019, muestra desde el inicio de la serie, una recuperación hasta el segundo trimestre de 2007, volviendo a caer
a los niveles iniciales, a mediados de 2009. El efecto combinado de la crisis del campo26
y la crisis financiera
internacional27
, sumado esto, a los crecientes cuestionamientos que recaían sobre el gobierno, debido a la
intervención del Instituto Nacional de Estadísticas y Censos (INDEC), y la consecuente manipulación de algunas
estadísticas28
, además de un mayor control sobre el comercio internacional, llevado a cabo discrecionalmente, con
innumerables barreras no arancelarias29
, generaron una parálisis durante esos años en el mercado hipotecario. A
partir de 2010, se observa una exigua mejora, interrumpida a partir del tercer trimestre de 2012, fecha coincidente,
con un estricto control establecido por el gobierno sobre el mercado de divisas30
. En lo que respecta al mercado
hipotecario, aquellas personas que querían acceder a un préstamo para la compra de un inmueble o terreno,
necesitaban un aval de la AFIP para comprar dólares, con los pesos otorgados por el banco comercial o entidad
financiera correspondiente31
. Previamente se habían establecido controles para el giro de utilidades al exterior por
parte de las empresas y sobre la compra de divisas para aquellos que deseaban viajar al exterior32
, y pasado cierto
tiempo, el “cepo” se fue ampliando sobre otras operaciones, como ser, las compras con tarjetas de débito y crédito
en el exterior33
y otras operaciones financieras más sofisticadas34
, que se realizaban para poder comprar divisas.
En consecuencia, los cada vez mayores controles, sobre la compra de divisas y la creciente brecha cambiara35
existente entre el dólar oficial y dólar “libre”36
, culminaron en una devaluación del 23% de la moneda nacional en
26 Conflicto entre el Gobierno de Cristina Fernández de Kirchner y cuatro organizaciones de producción agro-ganadera durante 129 días
(del 11/03/2008 al 18/07/2008), generado por la Resolución nº 125/08 que establecía retornar hacia un sistema móvil para las retenciones
impositivas a las exportaciones de soja, el trigo y el maíz. 27 También llamada crisis de las hipotecas subprime. 28 Principalmente sobre el IPC, lo que llevó a que la medición de la tasa de inflación, empezaran a realizarla consultoras privadas,
universidades y gobiernos provinciales. 29 Las declaraciones juradas anticipadas de importación (DJAI) y todo tipo de trabas burocráticas, estaban a la orden del día. 30 También llamado “cepo cambiario”. 31 La normativa regía a partir del 28/05/2012. 32 A través de la página web de la AFIP se autorizaba o no, la compra de divisas. 33 Este consumo realizado con tarjetas, se gravaba en un principio con un 15%, deducible del pago del impuesto a las ganancias.
34 Operaciones ligadas a la compra y venta de bonos y acciones, como ser el contado con liquidación, dólar bolsa, etc. 35 Superó el 100% en mayo de 2013. 36 También llamado “blue”.
MAECO [Escribir el título del documento]
11
enero de 2014, y hacia fines de 2015, en un escenario de creciente inflación e incertidumbre electoral, el mercado
hipotecario volvió a estancarse.
Fuente: Elaboración propia en base a BCRA. Informe monetario.
Sí se observa un significativo aumento en la serie, a partir del tercer trimestre de 2016, a pocos meses de
lanzado el programa de créditos bajo la modalidad UVA, llegándose a otorgar en diciembre de 2017 más de $
11.465 millones en todo el sistema bancario local, El nivel máximo de la serie se consiguió en el mes de marzo de
2018, otorgándose un monto de $ 13.937 millones37
A partir de ese mes se inicia una continua caída de los montos
otorgados, pasando en diciembre de 2018 a prestarse $ 2.692 millones, representando una caída del 81%38
(CEPA,
2019). Las sucesivas devaluaciones39
, la inflación creciente (series que se pueden observar a continuación en los
cuadros nº 4 y nº 5) y las nuevas y más duras condiciones crediticias40
, restringieron nuevamente el acceso a los
préstamos hipotecarios, generando un efecto expulsión sobre los potenciales tomadores de crédito con respecto a
37 Equivalentes a 622,86 millones de UVA. 38 Desde su surgimiento en abril de 2016 hasta fin de abril de 2019, en el sistema bancario se otorgaron préstamos hipotecarios UVA por un
total de $ 150.172,95 millones, equivalentes a 6.714,25 millones de UVA y a U$S 7.050,42 millones. 39 Al inicio del período presidencial de Mauricio Macri, la cotización del dólar oficial ascendía a $ 9,87 (Tipo de cambio vendedor (TCV)
con autorización previa de la AFIP). La cotización en el mercado informal era $14,86. Al finalizar su mandato, la cotización de la divisa
norteamericana era $ 63,04 y por lo tanto la devaluación, del 538%. 40 La tasa de interés inicial de 3,5%, ofrecida por el Banco Nación, pasó a 5,5%, 6,5%, 8% y 10%, sucesivamente, a lo largo de los
siguientes meses.
-2.00
0.00
2.00
4.00
6.00
8.00
10.00
I-0
4
III-
04
I-0
5
III-
05
I-0
6
III-
06
I-0
7
III-
07
I-0
8
III-
08
I-0
9
III-
09
I-1
0
III-
10
I-1
1
III-
11
I-1
2
III-
12
I-1
3
III-
13
I-1
4
III-
14
I-1
5
III-
15
I-1
6
III-
16
I-1
7
III-
17
I-1
8
III-
18
I-1
9
Vari
aci
ón
%
Cuadro nº 3 : Evolución de los créditos hipotecarios I-2004 a II-2019
MAECO [Escribir el título del documento]
12
la situación inicial. Para evidenciar la caída del poder adquisitivo de las familias, en octubre de 2018, un salario
medio podía comprar el 22,6 % de un m² en la zona norte de CABA, cuando en igual mes del año anterior
adquiría el 40,2 % (UADE, 2019).
Fuente: Elaboración propia en base a BCRA.
Fuente: Elaboración propia en base a BCRA.
0.00
10.00
20.00
30.00
40.00
I-0
4
III-
04
I-0
5
III-
05
I-0
6
III-
06
I-0
7
III-
07
I-0
8
III-
08
I-0
9
III-
09
I-1
0
III-
10
I-1
1
III-
11
I-1
2
III-
12
I-1
3
III-
13
I-1
4
III-
14
I-1
5
III-
15
I-1
6
III-
16
I-1
7
III-
17
I-1
8
III-
18
I-1
9
Pes
os/
Dóla
r
Período
Cuadro nº 4: Evolución del Tipo de Cambio Nominal
0
15
30
45
60
01
/06
/20
04
01
/12
/20
04
01
/06
/20
05
01
/12
/20
05
01
/06
/20
06
01
/12
/20
06
01
/06
/20
07
01
/12
/20
07
01
/06
/20
08
01
/12
/20
08
01
/06
/20
09
01
/12
/20
09
01
/06
/20
10
01
/12
/20
10
01
/06
/20
11
01
/12
/20
11
01
/06
/20
12
01
/12
/20
12
01
/06
/20
13
01
/12
/20
13
01
/06
/20
14
01
/12
/20
14
01
/06
/20
15
01
/12
/20
15
01
/06
/20
16
01
/12
/20
16
01
/06
/20
17
01
/12
/20
17
01
/06
/20
18
01
/12
/20
18
01
/06
/20
19
%
Período
Cuadro nº 5: Variación interanual de la inflación
MAECO [Escribir el título del documento]
13
3. Revisión bibliográfica.
Como mencionamos anteriormente, los estudios sobre la demanda de de crédito hipotecario resultan de
gran interés, puesto que este sector es relevante para el crecimiento económico de un país y la consecuente
generación de empleo. Kiguel & Podjarni (2007), realizan un análisis comparativo sobre factores micro y
macroeconómicos que impactan en el mercado hipotecario de Argentina, Chile y Uruguay. Destacan en primer
lugar, la necesidad de contar con estabilidad de precios y del tipo de cambio. En segundo lugar, que la relación
cuota-ingreso, no supere el 30%, para así los asalariados poder calificar como sujetos de crédito. Por último,
contar con inversores institucionales que presten fondos con un horizonte de largo plazo. En dicho trabajo, queda
reflejado el grado de subdesarrollo del mercado hipotecario argentino, en contraposición con el de Chile41
,
destacando la estabilidad macroeconómica de nuestro vecino país.
Auguste et al., (2011), subrayan que el subdesarrollo del mercado hipotecario en Argentina, se debe
estrictamente a factores de la demanda. Las restricciones que podrían existir por el lado de la oferta no serían
suficientes para explicar el tamaño relativo que tiene nuestro mercado de crédito hipotecario. Realzan la pesada
historia argentina de crisis recurrentes, que aumentan la desconfianza de los ahorristas sobre los intermediarios
financieros formales, además de la violación de los derechos de propiedad financiera, que conllevan a una mayor
demanda de inmuebles como reaseguro de inversión, aumentando el precio de las propiedades y limitando el
acceso de eventuales prestatarios de hipotecas, al aumentar los requisitos mínimos solicitados por las entidades
prestamistas. Por lo tanto, la inestabilidad institucional y macroeconómica de nuestro país en los últimos años,
queda en evidencia a lo largo de dicho trabajo, y forman parte de la causa principal de los niveles tan bajos de
créditos hipotecarios otorgados por las instituciones financieras.
Cristini & Moya (2004), realizan un estudio econométrico de series de tiempo, conjugando factores de
oferta y demanda sobre el financiamiento de la vivienda en Argentina, en las últimas dos décadas del siglo
pasado, y concluyen que las variaciones de la demanda de crédito hipotecario, responden en mayor medida, a los
cambios en la tasa de interés que recae sobre los créditos hipotecarios, del ingreso de las familias y del precio de
las viviendas. Por el lado de la oferta (que no es el caso de estudio de este trabajo), ésta responde a los cambios en
41 En 2006, la participación del crédito hipotecario promediaba el 15% como proporción del PIB.
MAECO [Escribir el título del documento]
14
la tasa de interés, al diferencial de tasas de los bonos argentinos en dólares, respecto de los bonos del Tesoro de
Estados Unidos, y en mayor medida a la capacidad disponible de fondos, por parte de los bancos, para el
otorgamiento de créditos hipotecarios. El presente trabajo, al poner énfasis en factores de demanda, y además, por
utilizar un modelo de series de tiempo, similar al que exponen éstos últimos autores, podría darnos la posibilidad
de comparar los efectos de algunas variables explicativas en común, sobre la demanda de crédito hipotecario y
obtener conclusiones de interés para dos períodos distintos, esto es, antes y después de 2004.
Galinsky & Grandes (2017) realizan un estudio a partir de la experiencia argentina de las UVA,
mostrando las ventajas y las desventajas de las unidades de cuenta indexada. Destacan además, los diferentes
mecanismos e instrumentos utilizados por otros países de la región, como ser, el caso de México, Chile y
Colombia. Complementariamente, proponen un swap42
para proteger a los deudores hipotecarios en períodos de
elevada inflación, utilizando como base, el caso mexicano donde se implementó este instrumento financiero.
Posteriormente proponen soluciones alternativas, utilizando ejercicios de simulación.
4. Metodología y descripción de las variables individuales del modelo propuesto
A partir de la aplicación de una metodología cuantitativa, se estiman varios modelos por el método de
mínimos cuadrados ordinarios (MCO), tratando de recoger el impacto de distintas variables económicas sobre la
demanda de créditos hipotecarios. La periodicidad de las series temporales de los datos será trimestral, desde I-
2004 hasta II-2019. Las variables explicativas definidas a continuación, han sido seleccionadas considerando
estudios de otros autores, algunos mencionados en la sección anterior, sobre los factores determinantes de la
demanda de crédito hipotecario. El estudio que se llevará a cabo, contará con 62 observaciones en la mayoría de
los casos, y se analizará en base a la información brindada por organismos e instituciones oficiales de carácter
nacional, y con relación a algunas series en particular, como ser, el precio de las viviendas, se analizará en base a
la información de la CABA, debido no solo a la disponibilidad de datos, sino también a que resulta el principal
mercado inmobiliario del país. Además, y en la medida que los datos lo permitan, las series se analizarán de
42 Contrato donde dos partes se comprometen a realizar un intercambio de dinero a futuro.
MAECO [Escribir el título del documento]
15
forma logarítmica, permitiendo estudiar elasticidades, y atenuar futuros problemas de heteroscedasticidad y de
distribuciones asimétricas de los residuos. Dicho esto, en las primeras pruebas que van a realizarse en este trabajo,
se estimarán modelos estáticos43
de series de tiempo, de la forma:
∆ln(y) = β0+ β1∆ln(x1) + β2∆ln(x2) + β3∆ln(x3) + β4∆ln(x4) + β5∆ln(x5) + u (1)
4.1. Definición de las variables:
a) Variable endógena (y).
1) (CRHt): La variable a explicar, va a ser la variación real de la masa en pesos del crédito hipotecario,
demandado por el sector privado no financiero para el período analizado. Esta variación vamos a considerarla a
partir de ahora, como la demanda de crédito hipotecario.
b) Variables exógenas (x).
2) (PVRt): Precio real promedio del m² en dólares, de departamentos en venta de dos ambientes a estrenar por
barrio de la CABA. Cabría esperar una correlación inversa, con baja elasticidad, pero se deja abierta la
posibilidad, a riesgo de incurrir en un problema de causalidad inversa, que la correlación sea positiva, como
indican en su trabajo Cristini & Moya (2004). Esto podría deberse, a que en las últimas décadas en nuestro país,
los inmuebles se transformaron en un refugio de valor y de inversión, frente al riesgo inflacionario y a la
inestabilidad macroeconómica. Al observar el cuadro nº 6, el precio real de las viviendas residenciales se ha
triplicado en los últimos quince años en la CABA. Este considerable aumento del precio de las viviendas, podría
no solo deberse a una mayor demanda viviendas, por cuestiones demográficas o habitacionales, sino también, a la
búsqueda de activos de inversión alternativos a los financieros, expectativas con respecto a la evolución futura del
precio, etc., tema que dejamos para futuras investigaciones. Lo que sí debe tenerse en cuenta, es que durante la
última crisis, y principalmente durante los últimos años de la convertibilidad, los precios de los inmuebles habían
caído a mínimos históricos, y de alguna forma, este aumento del precio de los inmuebles en el período analizado,
43 Modelos en los que se produce una relación contemporánea entre las variables.
MAECO [Escribir el título del documento]
16
responde a un “efecto rebote” a partir de la recuperación del nivel de actividad y de empleo en los años
posteriores a la crisis de 2001. Por consiguiente, esta variable será considerada a priori, significativa en términos
económicos, independientemente del signo que tome, al realizarse las distintas estimaciones donde esté
involucrada, y sí se pondrá énfasis en su significatividad estadística para evaluar el poder predictivo de la misma.
Fuente: Elaboración propia en base a Dirección General de Estadísticas y Censos (DGEyC).
3) (TIRt): Tasa de interés real aplicada sobre los créditos hipotecarios otorgados a un plazo mayor a 5 años. La
variación de la tasa de interés impacta directamente en el costo del crédito hipotecario, afectando sensiblemente a
quienes quieran acceder al mismo o ya lo hayan hecho. Por lo tanto, se esperaría que una tasa mayor, desaliente la
decisión de los particulares y empresas de acceder a un crédito hipotecario.
4) (TDt): Una mayor tasa de desempleo desalentaría la voluntad de endeudamiento de las familias, al reducirse
significativamente el ingreso familiar, y por lo tanto, se reduciría no sólo la demanda de crédito hipotecario, sino
la de todos los créditos en general. A continuación, en el cuadro nº 7, observamos la evolución de la tasa de
desempleo para el período analizado.
5) (TCRt): La evolución del tipo de cambio real, podría afectar las decisiones de muchos potenciales tomadores
de crédito hipotecario. Esto se debe, a que el mercado de la vivienda, se encuentra altamente dolarizado, y en
muchos casos, podría ocurrir que el préstamo obtenido en pesos, se utilice para adquirir los dólares necesarios,
200.00
450.00
700.00
950.00
1200.00
1450.00
I-0
4
II-0
4
III-
04
IV
-04
I-
05
II
-05
II
I-0
5
IV-0
5
I-0
6
II-0
6
III-
06
IV
-06
I-
07
II
-07
II
I-0
7
IV-0
7
I-0
8
II-0
8
III-
08
IV
-08
I-
09
II
-09
II
I-0
9
IV-0
9
I-1
0
II-1
0
III-
10
IV
-10
I-
11
II
-11
II
I-1
1
IV-1
1
I-1
2
II-1
2
III-
12
IV
-12
I-
13
II
-13
II
I-1
3
IV-1
3
I-1
4
II-1
4
III-
14
IV
-14
I-
15
II
-15
II
I-1
5
IV-1
5
I-1
6
II-1
6
III-
16
IV
-16
I-
17
II
-17
II
I-1
7
IV-1
7
I-1
8
II-1
8
III-
18
IV
-18
I-
19
II
-19
US$
Trimestre
Cuadro nº 6: Precio real del m² en US$
CABA
MAECO [Escribir el título del documento]
17
para la compra del inmueble requerido. Por lo tanto, es de esperar una relación negativa entre el tipo de cambio
real y la demanda de créditos hipotecarios.
Fuente: Elaboración propia en base a Instituto Nacional de Estadística y Censos (INDEC).
Fuente: Elaboración propia en base a MTEySS.
5
7
9
11
13
15
I-0
4
III-
04
I-0
5
III-
05
I-0
6
III-
06
I-0
7
III-
07
I-0
8
III-
08
I-0
9
III-
09
I-1
0
III-
10
I-1
1
III-
11
I-1
2
III-
12
I-1
3
III-
13
I-1
4
III-
14
I-1
5
III-
15
I-1
6
III-
16
I-1
7
III-
17
I-1
8
III-
18
I-1
9
% de la PEA
Trimestre
Cuadro nº 7: Tasa de desempleo
700.00
800.00
900.00
1000.00
1100.00
1200.00
I-0
4
III-
04
I-0
5
III-
05
I-0
6
III-
06
I-0
7
III-
07
I-0
8
III-
08
I-0
9
III-
09
I-1
0
III-
10
I-1
1
III-
11
I-1
2
III-
12
I-1
3
III-
13
I-1
4
III-
14
I-1
5
III-
15
I-1
6
III-
16
I-1
7
III-
17
I-1
8
III-
18
I-1
9
$
Trimestre
Cuadro nº 8: Ingreso real
Asalariados plenos
MAECO [Escribir el título del documento]
18
6) (INGRt): El ingreso promedio real de los asalariados plenos44
se relaciona directamente con la posibilidad de
acceder a un crédito hipotecario, no solo porque trabajar más horas podría garantizar un mayor ingreso y un
mayor ahorro, esto último, necesario a la hora de solicitar un crédito hipotecario45
, sino también, porque es
necesario cumplir con requerimientos de ingresos mínimos demostrables que las entidades bancarias solicitan. En
el cuadro nº 8, se observa la evolución de dicha serie para el período analizado.
Por último, debe comprenderse que la selección teórica de algunas variables explicativas y el proceso
econométrico a posteriori deben dar la distinción clara de que, efectivamente, nos encontramos frente a una
función de demanda. A continuación, la tabla nº 1 nos muestra en detalle las variables que serán utilizadas en los
modelos de regresión propuestos en el trabajo.
Tabla nº 1
44 Aquellos que trabajan más de 35 horas semanales. 45 En promedio, las entidades bancarias exigen contar con el 30 % del valor de la vivienda que se va a adquirir. 46 Se optó por este índice en lugar del IPC nacional, debido a la intervención del INDEC entre 2007 y 2015, donde los datos perdieron
relevancia. 47 Ingreso de la ocupación principal de los asalariados, excluyendo beneficiarios de planes de empleo.
Identificación
de la variable Nombre de la serie Fuente
Unidad de
medida Frecuencia
1 CRHt
Masa real en pesos de crédito hipotecario.
Deflactado por IPC San Luis46. Base 2003
Banco Central del la República
Argentina (BCRA)
Logaritmo
natural Trimestral
2 PVRt
Precio en dólares del M² en CABA.
Deflactado por IPC (Estados Unidos). Base
100 = 1982-1984
Dirección General de Estadísticas y
Censos (DGEyC) Logaritmo
natural Trimestral
3 TIRt
Tasa de interés real. Deflactado por IPC San
Luis. Base 2003. Promedio trimestral en
porcentaje nominal anual para créditos
hipotecarios entre 5 y 10 años
Banco Central del la República
Argentina (BCRA) Logaritmo
natural Trimestral
4 TDt
Tasa de desempleo como porcentaje de la
población económicamente activa. Total de
aglomerados urbanos.
Instituto Nacional de Estadística y
Censos (INDEC) Logaritmo
natural Trimestral
5 TCRt
Tipo de cambio real. Calculado según IPC
(Estados Unidos)/IPC (Argentina.) * TCN
Banco Central de la República
Argentina (BCRA) Logaritmo
natural Trimestral
6 INGRt
Ingreso promedio47 real de los asalariados
plenos. Deflactado por IPC San Luis. Base
2003
MTEySS – Dirección General de
Estudios Macroeconómicos y
Estadísticas laborales en base a EPH
(INDEC)
Logaritmo
natural Trimestral
MAECO [Escribir el título del documento]
19
5. El análisis econométrico
5.1. Identificación del modelo
Se procede a la identificación del proceso que ha generado los datos y se analiza la estacionariedad de las
series. La estacionariedad48
es la propiedad más importante de una serie de tiempo, y se logra diferenciándola y
aplicando logaritmos, en caso que las series no sean estacionarias en nivel (por lo general no lo son). Realizado
esto,49
utilizamos las pruebas de Dickey Fuller y Phillips-Perrón para comprobar que las series temporales de cada
variable son estacionarias y evitar que la regresión que realicemos sea espuria50
. Por lo tanto, se plantea rechazar
la hipótesis nula que cada serie no es estacionaria, para los tres niveles de significancia habitualmente utilizados.
A continuación, los datos reportados en la tabla nº 2, nos muestran el rechazo de la hipótesis nula en cada caso,
confirmando que todas las series son estacionarias51
.
Tabla nº 2: Pruebas de raíces unitarias para las series en primeras diferencias.
Hº: Serie de los errores no estacionaria (Presencia de raíz unitaria).
48 Significa que la media, varianza y covarianza permanecen constantes sin importar el momento en el cual se midan. 49 Cabe aclarar que la deseada estacionariedad se logró en primeras diferencias para todas las series. 50 Significa que las estimaciones de los coeficientes por MCO serían ineficientes y la de los errores estándar, inconsistentes. 51 El análisis gráfico de estacionariedad se puede ver en el anexo final de este trabajo.
Test ADF Test Phillips-Perrón
Valor crítico Valor crítico
Variable Estad. t al 1 % al 5% al 10 % p-value Estad. t al 1 % al 5% al 10 % p-value
∆ ln CRHt -7.467 -3.566 -2.922 -2.596 0.0000 -7.465 -3.566 -2.92 -2.596 0.0000
∆ ln TIRt -10.827 -3.566 -2.922 -2.596 0.0000 -10.922 -3.566 -2.922 -2.596 0.0000
∆ ln PVRt -6.638 -3.566 -2.922 -2.596 0.0000 -6.689 -3.566 -2.922 -2.596 0.0000
∆ ln TDt -10.822 -3.566 -2.922 -2.596 0.0000 -11.256 -3.566 -2.922 -2.596 0.0000
∆ ln INGRt -5.777 -3.567 -2.923 -2.596 0.0000 -5.879 -3.567 -2.923 -2.596 0.0000
∆ ln TCRt -6.464 -3.566 -2.922 -2.596 0.0004 -6.428 -3.566 -2.922 -2.596 0.0004
MAECO [Escribir el título del documento]
20
De acuerdo al modelo teórico reportado por la ecuación (1), se estiman varias versiones del siguiente
modelo de demanda por MCO:
∆ln CRHt = β
0 + β
1 ∆ln TD
t + β
2∆ln INGR
t + β
3∆ln TIR
t + β
4∆ln PVR
t + β
5∆ln TCR
t + μ
t (2)
donde las variaciones de la demanda de créditos hipotecarios responde a la tasa de desempleo, a los cambios en el
ingreso, tasa de interés, precio de las viviendas y tipo de cambio real.
En la tabla nº 3 se observa el resultado de la estimación de cuatro ecuaciones de regresión de
características estáticas52
, donde las variaciones de la variable dependiente, se explica por los valores actuales de
las variables explicativas, y tres modelos dinámicos, en este caso, de rezagos distribuidos, donde los cambios en la
variable de respuesta, se explican por los valores tanto actuales, como pasados de las variables explicativas53
(Gujarati & Porter 2010). El objetivo principal es identificar aquellos modelos que sean consistentes, con signos
coherentes de los coeficientes, y que las variables explicativas, sean estadísticamente significativas. Los modelos
que no cumplan con estos requisitos serán descartados, ya que no serán apropiados para la etapa de predicción del
trabajo propuesto.
52 El nombre de “modelo estático” proviene del hecho de que se está representando una relación contemporánea entre x e y, en cambio en
un modelo “dinámico” se produce una relación no contemporánea entre las variables. 53 Si además se incluyen rezagos de la variable dependiente, el modelo denominaría “autorregresivo”.
MAECO [Escribir el título del documento]
21
5.2. Estimación del modelo identificado, contrastes de significación individual para cada una de las
variables, y global para el modelo en general.
Tabla nº 3: Serie: I TRIM2004-II TRIM2019 (62 observaciones). Método: MCO
* Significativa al 10%. ** Significativa al 5 % *** Significativa al 1%
Ecuación
1
Coefic.
(t-estad)
p-valor
2
Coefic.
(t-estad)
p-valor
3
Coefic.
(t-estad)
p-valor
4
Coefic.
(t-estad)
p-valor
5
Coefic.
(t-estad)
p-valor
6
Coefic.
(t-estad)
p-valor
7
Coefic.
(t-estad)
p-valor
Variables
Explicada ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) Explicativas
Constante -0.0475
(-1.02)
0.312
-0.0326
(-0.73)
0.466
-0.0110
(-0.28)
0.782
-0.0530
(-1.14)
0.260
-0.0121
(-0.21)
0.834
0.0357
(0.81)
0.422
-0.1296**
(-2.62)
0.011
∆ln(TD) -0.7910*
(-1.92)
0.060
-0.9526**
( -2.27)
0.027
-0.8515**
(-2.11)
0.039
-0.9527**
(-2.47)
0.017
∆ln(TIR)
-0.7557*
(-1.83)
0.072
-0.8169**
(-2.05)
0.046
∆ln(TIR-1)
-0.8668**
(-2.08)
0.043
∆ln(TIR-2)
-0.9313**
(-2.31)
0.025
∆ln(PVR) 2.4157*
(1.73)
0.088
2.6114*
(1.89)
0.064
2.5938*
(1.98)
0.053
∆ln(PVR-1) -3.7590***
(-2.71)
0.009
-3.618***
(-2.65)
0.010
∆ln(PVR-2) 0.5864
(0.44)
0.659
∆ln(PVR-3) -0.4337
(-0.31)
0.759
∆ln(TCR) -1.9990***
(-3.13)
0.003
-1.8662***
(-2.90)
0.005
-1.8951***
(-2.93)
0.005
-1.5418**
(-2.38)
0.021
-1.6952***
(-2.78)
0.007
∆ln(INGR) 3.4693**
(2.31)
0.025
2.6927*
(1.85)
0.070
2.6477*
(1.80)
0.078
4.9116***
(3.07)
0.003
4.1940***
(2.75)
0.008
3.3157**
(2.28)
0.027
∆ln(INGR-1) 3.1978**
(2.28)
0.027
3.0028**
(2.08)
0.042
R² 0.2598 0.2031 0.2649 0.2541 0.3814 0.3651 0.3775
R² ajustado 0.2209 0.1612 0.2262 0.2148 0.3086 0.3189 0.3057
Estadístico F 6.67 4.84 6.85 6.47 5.24 7.91 5.26
Prob. F 0.0006 0.0045 0.0005 0.0008 0.0003 0.0000 0.0003
MAECO [Escribir el título del documento]
22
En los primeros cuatro modelos estimados, donde no se aplican rezagos en las variables explicativas, y
por lo común, se considera que un cambio en x en el momento t, ejerce un efecto inmediato sobre y54
, todas las
variables son estadísticamente significativas y con el signo correcto según la teoría económica, salvo en el caso
del precio de las viviendas, donde se observa una correlación positiva. Los coeficientes obtenidos de la serie del
ingreso, muestran una elasticidad positiva en todas las ecuaciones donde opera esta variable55
. Un mayor ingreso
real de los asalariados permitiría, no solo una mayor capacidad de pago de la deuda hipotecaria, sino además, y lo
que a priori es más importante, poder acceder al crédito hipotecario. La tasa de desempleo y la tasa de interés
tienen el efecto esperado sobre la voluntad de endeudamiento, mostrando una relación negativa, con una baja
elasticidad56
. El tipo de cambio real, muestra también una relación negativa con la demanda de crédito
hipotecario, pero en este caso, con una elasticidad mayor. Esto estaría relacionado, no solo con un mercado
inmobiliario altamente dolarizado, y que muchas familias podrían verse obligadas a comprar dólares para la
adquisición de la vivienda pretendida, o para completar parte del monto de la operación, en caso de contar con
ahorros previos, sino también con momentos de inestabilidad cambiaria o de restricciones a la compra oficial de
divisas, teniendo que recurrir al mercado paralelo, donde las divisas tienen un valor superior al oficial. Además, el
aumento del tipo de cambio genera un efecto pass through, esto es, un impacto sobre los precios, y no solo sobre
aquellos que corresponden a bienes transables, sino que también, de forma indirecta, al del resto de los bienes y
servicios, y donde el mercado inmobiliario y de la construcción, no están exentos. En un entorno inflacionario, el
impacto del tipo de cambio podría ser aún más elevado.
Con respecto al precio de las viviendas, observamos una correlación positiva con la demanda de créditos
hipotecarios57
. Como se mencionó anteriormente, esto podría deberse a la necesidad imperiosa de contar con un
refugio de valor en un escenario permanente de alta inflación y volatilidad cambiaria. En nuestro país, la inversión
residencial asoma siempre como un activo alternativo, a los activos financieros para un inversor típico, pero
54 ∆yt = ∆xt, cuando ∆ut = 0. 55 > 1, tratándose la vivienda para la cual se solicita el préstamo, de un bien de lujo. 56 El coeficiente estimado en todos los casos es < 1. 57 Esta relación positiva y elástica, nos lleva a la definición de bienes de Giffen, aunque parcialmente, ya que sólo se cumple una sola de las
condiciones que tienen que cumplir estos bienes para considerarse como tal. En este caso, la vivienda representa una parte importante del
ingreso de las familias, pero no se trata de un bien inferior, sino de lujo.
MAECO [Escribir el título del documento]
23
mucho más seguro en términos de derechos de propiedad, ya que a diferencia de los activos financieros, los bienes
inmuebles no han sufrido expropiaciones de ningún tipo. Por otro lado, y para evitar un problema de causalidad
inversa, se estiman modelos de rezagos distribuidos finitos. En este caso particular, se pretende analizar la
influencia del precio de las viviendas, no solo de carácter inmediato o contemporáneo (momento t), sino también,
de carácter no contemporáneo (t-1); (t-2);…, y encontrar una relación causal, coherente con la teoría económica.
Una limitación de estos modelos, es no conocer con precisión la longitud óptima de rezagos que deben
incluirse para cada variable explicativa, por lo cual, se procede como sugieren Alt (1942) & Tinbergen (1949), y
se añaden retardos de forma sucesiva hasta que los coeficientes dejan de ser significativos o cuando cambian de
signo. En consecuencia, los modelos de regresión nº 5 a nº 7, a diferencia de los anteriores, se corresponden con el
modelo teórico:
yt = α + β0(xt) + β1(xt-1) + β2(xt-2) + …… + βk(xt-k) + ut (3)
La interpretación de los coeficientes de las ecuaciones dinámicas, está asociado al concepto económico de
multiplicadores, donde β0 es el cambio inmediato en el valor promedio de y, cuando x aumenta 1%58
en el mismo
periodo de tiempo. A esto se lo conoce como multiplicador a corto plazo o de impacto59
(Gujarati & Porter 2010).
El coeficiente β1 es el cambio en el valor promedio de y, un período posterior, al cambio porcentual de x en un
período dado, y después de n períodos se obtiene lo que se conoce como multiplicador de largo plazo o
propensión de largo plazo, que representa la suma de los coeficientes de x60
. (Wooldridge 2010).
Unificando estos conceptos, definimos el multiplicador contemporáneo (m0), como la variación que se
produce en Yt ante la variación unitaria de Xt. Formalmente:
m0 = ∂yt/∂xt = β0
A su vez, definimos el multiplicativo luego de haber transcurrido j períodos, como la variación que se
produce en Yt ante la variación unitaria de Xt-j. Formalmente:
58 También podría aumentar en una unidad, dependiendo de la especificación del modelo. 59 También, según (Wooldridge 2010) propensión de impacto (δ0). 60 Ʃi=0 βi = β0 + β1 + β2 +…..+ βk
MAECO [Escribir el título del documento]
24
mj = ∂yt/∂xt-j
Finalmente, definimos el multiplicador total, como la suma de todos los multiplicadores, contemporáneos
y no contemporáneos. Formalmente:
A continuación y para una mejor interpretación, se presentan los resultados extraídos de la tabla nº 3, de
las estimaciones de los modelos de regresión nº 5, nº 6 y nº 7, donde además, se incluyen rezagos de la serie de la
tasa de interés real y del ingreso de los asalariados, luego se calculan los multiplicadores contemporáneos, no
contemporáneos, y totales, y se interpretan los resultados.
(5) ∆ln(CRH)t = - 0,01 + 2,59 ∆ln(PVR)t - 3,76 ∆ln(PVR)
t -1+ 0,59 ∆ln(PVR)
t -2 - 0,43 ∆ln(PVR)
t -3 - 1,54 ∆ln(TCR)t + 4,91∆ln(INGR)t
(t) (-0,21) (1,98) (-2,71) (0,44) (-0,31) (-2,38) (3,07)
(6) ∆ln(CRH)t = 0,03 - 1,69 ∆ln(TCR)t + 4,19 ∆ln(INGR)t + 3,20 ∆ln(INGR)t-1 -3,62 ∆ln(PVR)
t -1
(t) (0,81) (-2,78) (2,75) (2,28) (-2,65)
(7) ∆ln(CRH)t = - 0,13 – 0,95 ∆ln(TD)t - 0,82 ∆ln(TIR)t - 0,87 ∆ln(TIR)t-1 - 0,93 ∆ln(TIR)t-2 + 3,31 ∆ln(INGR)t
+ 3,00 ∆ln(INGR)t-1
(t) (-2,62) (-2,47) (-2,05) (-2,08) (-2,31) (2,28) (2,08)
En el modelo nº 5, el precio de las viviendas solo es significativo en su valor contemporáneo y en su
primer rezago. Por su parte, el ingreso real de los asalariados y el tipo de cambio real, resultan significativos en su
valor contemporáneo. En todos los casos, las elasticidades son elevadas y los signos son los correctos, salvo el
caso del precio en su valor contemporáneo que toma un valor positivo, resultado que no sería contundente, pero
que sugiere que los efectos negativos, no son inmediatos. En otras palabras, existe un período de ajuste y
MAECO [Escribir el título del documento]
25
respuesta, en el cual la demanda de crédito hipotecario no respondería a las variaciones de precio como
esperamos.
En el modelo nº 6, se omite el multiplicador contemporáneo del precio de las viviendas, el cual toma valor
cero (Wooldridge 2010), y se incorpora el ingreso rezagado un período. En consecuencia, la estimación indica que
todas las variables son significativas y con el signo correcto. Se observa un multiplicador contemporáneo del tipo
de cambio real elástico, evidenciando el efecto inmediato que tiene la depreciación del peso sobre la demanda de
crédito hipotecario, y un multiplicador total del precio, todavía más elástico (3,62). Con relación al ingreso, éste
exhibe, tanto en su multiplicador de impacto, como en su no contemporáneo rezagado un trimestre, elevadas
elasticidades.
En el modelo nº 7, todas las variables son estadísticamente significativas y con el signo esperado. El
multiplicador contemporáneo de la tasa de interés real es -0,82, el no contemporáneo transcurrido un trimestre, -
0,87 y luego de transcurrido dos períodos -0,93. Por lo tanto, la propensión de largo plazo de la tasa de interés real
es -2,6261
. Es importante aclarar, que en las interpretaciones de largo plazo, como sugiere (Wooldridge 2010) para
los valores no contemporáneos, no parece apropiado vincular dicho impacto, en modelos con series trimestrales
con pocos rezagos, y si lo sería, a partir del cuarto rezago (un año). Con respecto a la tasa de desempleo, el valor
contemporáneo es -0,95, y en el caso del ingreso, las elasticidades presentaron valores similares al de los modelos
anteriores, siendo el multiplicador total 6,31.
Al describir estas relaciones dinámicas, observamos que las mismas son variadas, e implican que el
cambio de algunas de las variables exógenas, puede no tener impacto inmediato sobre la decisión de acceder a un
crédito para la vivienda, pero sí pasado cierto período, o puede ser que el efecto se concentre en un número
concreto de períodos, como es el caso del ingreso y de la tasa de interés real. Con relación al tipo de cambio real y
la tasa de desempleo, sólo se observan relaciones contemporáneas.
En los modelos de regresión expuestos anteriormente, tanto estáticos como dinámicos, y para evitar
problemas de especificación, se priorizaron aquellos modelos parsimoniosos, es decir, que expliquen el
comportamiento de la variable endógena con el menor número de variables explicativas, buscando consistencia
61 A medida que el horizonte temporal considerado es mayor, la elasticidad es mayor.
MAECO [Escribir el título del documento]
26
teórica y poder predictivo. Por esta razón, y antes de realizar las pruebas de validación, el modelo nº 5, es
descartado. Previamente, se realizaron ensayos con un mayor número de variables explicativas, o en el caso de los
modelos dinámicos, con una mayor cantidad de rezagos, pero los modelos estimados perdían consistencia y los
coeficientes de algunas variables explicativas, significatividad y coherencia. Por ejemplo, se realizaron pruebas
con el índice del costo de la construcción, el Estimador Mensual de la Actividad Económica (EMAE) y el precio
de los alquileres de departamentos, que a priori podría suponerse, serían de gran aporte en este trabajo, pero no
resultaron significativas, por lo que con antelación, han sido excluidas .
Con relación a la bondad de ajuste de los modelos, el coeficiente de determinación (R²) que determina la
significatividad de los coeficientes estimados, y por lo tanto, en que porcentaje, las variables explicativas
contribuyen a explicar la demanda de créditos hipotecarios, promedia el 25% en los modelo estáticos y 35% en
los modelos dinámicos. El test de significatividad global (valor del estadístico F y valor de la probabilidad,
asociada a dicho estadístico), muestra evidencia de que todas las ecuaciones son globalmente significativas62
.
5.3. Validación del modelo
5.3.1. Especificación del modelo
El test Reset de Ramsey es una prueba general de especificación para los modelos de regresión lineal, que
verifica si las combinaciones no lineales de los valores ajustados ayudan a explicar la variable dependiente. La
intuición detrás de la prueba es que, si las combinaciones no lineales de las variables explicativas tienen algún
poder de explicación sobre la variable de respuesta, entonces el modelo está mal especificado63
. En la tabla nº 4 se
muestran los resultados de la prueba que indican que todos los modelos propuestos están correctamente
especificados.
62 Se rechaza la Hº de que los modelos no son globalmente significativos (α=5%). 63 Esto podría deberse a una forma funcional incorrecta de nuestra ecuación de regresión o a la omisión de variables relevantes. En ambos
casos se reduce el poder predictivo de nuestras variables explicativas.
MAECO [Escribir el título del documento]
27
Tabla nº 4: Pruebas de especificación
Test
Modelo 1
p-valor
Modelo 2
p-valor
Modelo 3
p-valor
Modelo 4
p-valor
Modelo 6
p-valor
Modelo 7
p-valor
Ramsey RESET 0.1075 0.4619 0.2543 0.1975 0,0606 0.3368
Ho: El modelo está correctamente especificado
(α=5%)
5.3.2. Multicolinealidad
Como primera aproximación a la detección de multicolinealidad, entre las variables explicativas del
modelo, se procede a observar los coeficientes de correlación simples entre cada par de variables, los cuales se
ilustran en la matriz de correlaciones elaborada en la tabla nº 5. En la misma, los coeficientes observados son
muy bajos, lo que indica que las variables exógenas que intentan explicar los cambios en la demanda de créditos
hipotecarios, no están correlacionadas en mayor medida, por lo que no habría indicios de multicolinealidad.
Tabla nº 5: Matriz de correlaciones
VARIABLES dln(TIR) dln(PVR) dln(TD) dln(INGR) dln(TCR) dln(PVR-1) dln(INGR-1) dln(TIR-1) dln(TIR-2)
dln(TIR) 1.0000
dln(PVR) 0.0592 1.0000
dln(TD) -0.0698 -0.2419 1.0000
dln(INGR) 0.0664 0.1994 -0.1665 1.0000
dln(TCR) 0.3431 -0.0492 0.0668 -0.1498 1.0000
dln(PVR-1) 0.1711 0.1355 0.1165 0.3476 0.0964 1.0000
dln(INGR-1) -0.0795 0.3110 -0.0533 0.2834 0.0044 0.1931 1.0000
dln(TIR-1) -0.3343 0.0858 -0.0423 -0.0567 -0.0352 0.0595 0.0526 1.0000
dln(TIR-2) 0.1578 -0.1213 -0.0477 0.0395 0.0143 0.0909 -0.0322 -0.3289 1.0000
MAECO [Escribir el título del documento]
28
A continuación, en la tabla nº 6, se reporta una prueba adicional que consiste en mostrar el factor de
inflación de varianza de cada variable. Los resultados tampoco muestran evidencia de multicolinealidad entre las
variables explicativas en ninguna de las regresiones, ya que los valores son mínimos64
.
Tabla Nº 6: Valores de inflación de varianza (VIF)
Variables
Modelo 1
Modelo 2
Modelo 3
Modelo 4
Modelo 6
Modelo 7
dln(TD) 1.07 1.03 1.03 1.04
dln(TCR) 1.01 1.02 1.02 1.05
dln(TIR) 1.01 1.15
dln(TIR-1) 1.25
dln(TIR-2) 1.13
dln(PVR) 1.06 1.04
dln(PVR-1) 1.17
dln(INGR) 1.03 1.05 1.06 1.26 1.13
dln(INGR-1) 1.10 1.10
5.3.3. Autocorrelación
La autocorrelación65
es uno de los problemas que habitualmente encontramos en modelos econométricos,
y junto a la heteroscedasticidad, son causantes de regresiones pobres y espurias. Además, en los modelos que se
estimaron, se observa gráficamente66
un patrón de los residuos en el tiempo, lo cual sugiere la presencia de
autocorrelación. De lo contrario, éstos deberían estar distribuidos más aleatoriamente a lo largo del tiempo y no
exhibir ningún tipo de tendencia. Sin embargo, la gráfica sólo es una prueba presuntiva y se debe realizar una de
tipo formal. A continuación, realizamos las pruebas correspondientes67
, a fin de determinar la existencia de
problemas de autocorrelación, y los resultados que se observan en la tabla nº 7. En base al test Breusch-Godfrey
LM, rechazamos la hipótesis nula al 5% de significancia, solo en el modelo nº 7, lo cual implica la presencia de
64 Valores de inflación de varianza superiores a 10, indicarían una alta correlación entre las variables explicativas, lo que llevaría a
incrementar la varianza de los coeficientes de regresión. 65 Significa que el término de error relacionado con una observación cualquiera, está influenciado por el error de otra observación. El
modelo clásico de regresión lineal supone que no existe autocorrelación. 66 El análisis gráfico de los residuos, se encuentra en el anexo, al final de este trabajo. 67 El Test del multiplicador de Lagrange de correlación serial de de Breusch-Godfrey, es más general que el estadístico de Durbin-Watson,
y se adapta mejor a nuestros modelos.
MAECO [Escribir el título del documento]
29
autocorrelación en dicha estimación. De forma complementaria se realiza el test Durbin-Watson, cuyo valor
obtenido, no lo comparamos con el valor crítico de ninguna distribución, y sí lo comparamos con valores límites
de un estadístico d, encontrándose en todos los casos, el mismo resultado. Con relación al modelo de regresión nº
2, y en base a esta última prueba, se estaría en una zona de indefinición, pero no de rechazo68
.
Tabla nº 7: Pruebas de autocorrelación
* No significativa
5.3.4. Normalidad de los residuos
Para este análisis, consideramos en primer lugar el histograma, ya que al tratarse de un método gráfico,
posee algunas ventajas sobre las pruebas numéricas, al mostrar de manera sencilla, varios aspectos complejos de
la relación de los modelos con los datos69
. Además, este examen visual de los residuos, que podemos observar en
el anexo al final de este trabajo, no sugiere desviaciones importantes de aleatoriedad, salvo en los modelos de
regresión nº 2 y nº 7. De todas formas, y para un estudio más exhaustivo, se complementa al análisis gráfico, los
resultados que se reportan en la tabla nº 8, correspondientes a las pruebas Shapiro-Wilk y S-K70
. Además, se
agrega el estadístico de Jarque-Bera, que es una prueba de bondad de ajuste complementaria a las anteriores, para
comprobar si los residuos tienen la asimetría y la curtosis de una distribución normal. Cabe aclarar, que los
resultados de estas pruebas adicionales deben tomarse con cautela para tal fin, pero en este caso, se estaría
comprobando la sospecha que el supuesto de normalidad de los errores, no se estaría cumpliendo en los dos
68 1,48≦1,68 ≦ d ≦ 2,31≦2,52 son los valores obtenidos de la tabla d. Para valores < 1,48 y > 2,52, habría evidencia de autocorrelación. 69 Además, algunos test numéricos, requieren de una cantidad de observaciones mayor. 70 Test Kolgomorov-Smirnov.
Test
Modelo 1
p-valor
Modelo 2
p-valor
Modelo 3
p-valor
Modelo 4
p-valor
Modelo 6
p-valor
Modelo7
p-valor
Durbin-Watson (d) 1.9133 2.4033 2.1586 1.9510 2.1498 2.6715*
Breusch-Godfrey LM 0.8190 0.0582 0.3220 0.9924 0.2993 0.0069*
Ho: No hay evidencia de autocorrelación
(α=5%)
MAECO [Escribir el título del documento]
30
modelos indicados. Este fallo podría corregirse, aunque sin seguridad, aumentando la cantidad de observaciones o
recortando el período muestral. Al no cumplirse este supuesto, los estimadores MCO pierden la propiedad de
eficiencia, pero siguen siendo lineales, insesgados, y consistentes. En el resto de los modelos, no se rechaza la
hipótesis nula al 5 % de significancia, por lo que los residuos siguen una distribución normal.
Tabla nº 8. Pruebas de normalidad para los residuos
Prueba
S-K
Prueba
Shapiro-Wilk Asimetría Curtosis
Prueba
Jarque-Bera71
JB = n/6 [S² + ¼ (K - 3)²]
Ecuación p-value p-value
1 0.6083 0.7573 0.012 3.3089 0,24
2 0.0271 0.0155* -0.5947 4.3675 8.34*
3 0.3234 0.7544 0.1111 3.7268 1.46
4 0.3997 0.5651 -0.2133 3.4654 1.01
6 0.3475 0.4196 0.1597 3.6368 0,36
7 0.0057 0.0039* -0.7271 5.2734 6,53*
Ho: los errores se distribuyen normalmente (α=5%)
* No significativa
5.3.5. Homoscedasticidad
La homoscedasticidad es una característica de los modelos de regresión lineal, que implica que la varianza
de los errores es constante a lo largo del tiempo. La importancia de comprobar el cumplimiento de esta hipótesis,
radica en el hecho de disponer de modelos más fiables. En presencia de heteroscedasticidad, los estimadores de
MCO son consistentes e insesgados, sin embargo, los estimadores de la varianza y los errores estándar, no lo son,
invalidando las pruebas de hipótesis (Wooldridge. 2010). Aún así, estos estadísticos se pueden ajustar, por medio
pruebas robustas a la heteroscedasticidad, que los distintos soportes econométricos nos permiten realizar72
. Los
test que ponen a prueba los seis modelos de regresión, se observan en la tabla nº 9, encontrando evidencia para
71 Donde, n es el número de observaciones, S es la asimetría y K es la curtosis. A un nivel de significancia del 5%, la prueba tiene un valor
critico (VC) de = 7,81 y por lo tanto, los errores tienen una distribución normal, si JB < VC. 72 Aplicando estas pruebas, sólo cambian los errores estándar y los intervalos de confianza para modificar la varianza, que es lo que genera
heteroscedasticidad.
MAECO [Escribir el título del documento]
31
rechazar la hipótesis de homoscedasticidad73
, en todos, salvo en el modelo nº 7. En consecuencia, a va ser
necesario realizar la prueba robusta en los modelos, donde existe evidencia de heteroscedasticidad.
Tabla Nº 9: Pruebas de Homoscedasticidad
Test
Modelo 1
p-valor
Modelo 2
p-valor
Modelo 3
p-valor
Modelo 4
p-valor
Modelo 6
p-valor
Modelo 7
p-valor
White
Prob > chi2
0.0465* 0.1034 0.0019* 0.0293* 0.2262 0.2565
Breusch-Pagan
Prob > chi2
0.0064* 0.0088* 0.0000* 0.0516 0.0268* 0.1735
Ho: varianza de los errores constante (homoscedasticidad).
(α=5%)
* No significativa
Los resultados de las pruebas robustas, corrigen el problema de heteroscedasticidad de los modelos de
regresión, pero generan que algunas variables explicativas dejen de ser significativas, como se observa en la tabla
nº 10. La serie de la tasa de desempleo, dejó de ser significativa para todos los modelos estáticos donde se la
incluye, también la tasa de interés en la segunda ecuación. En los modelos nº 4 y nº 6 se corrige el problema de
heteroscedasticidad, y las variables explicativas siguen siendo significativas. Por lo tanto, serán los modelos que a
continuación tendremos en cuenta para la etapa de predicción, junto con el nº 7 que no necesitó pasar por la
prueba para corregir heteroscedasticidad.
73 Los modelos de regresión nº 2, nº 4 y nº 6, no rechazan la hipótesis de homoscedasticidad, pero sólo en una de las pruebas, por lo que se
considera prudente, correr los estadísticos robustos de heteroscedasticidad.
MAECO [Escribir el título del documento]
32
Tabla Nº 10 - Regresiones con pruebas robustas de heteroscedasticidad
* Significativa al 10%. Significativa al 5% Significativa al 1%
5.4. Predicción del modelo
Interpretación de los coeficientes
Una vez realizada la diagnosis de todos los modelos econométricos expuestos, concluimos que el modelo
de regresión que cumple con todos los supuestos e hipótesis básicas, que debe tener todo modelo de regresión
lineal es el nº 6, y por lo tanto, nos va a permitir tener una mayor capacidad de predicción a la hora de explicar, en
cierto modo, la variación de la demanda de crédito hipotecario. En la ecuación nº 4, el coeficiente del precio de las
viviendas, podía conducirnos a un problema de causalidad inversa, que se quiere evitar, y el modelo nº 7 no
Ecuación Modelo 1
(t-estad)
p-valor
Modelo 2
(t-estad)
p-valor
Modelo 3
(t-estad)
p-valor
Modelo 4
(t-estad)
p-valor
Modelo 6
(t-estad)
p-valor Variables
Explicada
∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) Explicativas
Constante -0.0475
(-1.08)
0.285
-0.0326
(-0.69)
0.496
-0.0110
(-0.26)
0.798
-0.0530
(-1.15)
0.253
0.0357
(0.87)
0.386
∆ln(TD) -0.7910
(-1.41)
0.164
-0.9526
(-1.59)
0.118
-0.8515
(-1.48)
0.145
∆ln(TIR)
-0.7557
(-1.44)
0.155
∆ln(PVR) 2.4157*
(1.76)
0.083
2.6114*
(1.94)
0.057
∆ln(PVR-1) -3.618**
(-2.35)
0.023
∆ln(TCR) -1.9990**
(-2.33)
0.023
-1.8662**
(-2.26)
0.027
-1.8951***
(-2.70)
0.009
-1.6952***
(-2.94)
0.005
∆ln(INGR) 3.4693**
(2.15)
0.036
2.6927*
(1.79)
0.078
2.6477*
(1.76)
0.084
4.1940***
(2.73)
0.008
∆ln(INGR-1) 3.1978**
(2.29)
0.026
R² 0.2598 0.2031 0.2649 0.2541 0.3651
Estadístico F 5.42 4.49 4.22 6.94 9.27
Prob. F 0.0024 0.0068 0.0092 0.0005 0.0000
MAECO [Escribir el título del documento]
33
superó las pruebas de autocorrelación y normalidad como se observó anteriormente. De esta forma, el modelo de
regresión de características dinámicas elegido, está dado por:
ln(CRH)t = 0,0357 - 1,6952 ln(TCR)t + 4,1940 ln(INGR)t + 3,1978 ln(INGR)t-1 -3,618 ln(PVR)t -1
(4)
donde se presentan las siguientes relaciones entre las variables explicativas y la demanda de créditos hipotecarios:
Por cada 1% que aumenta el tipo de cambio real, la demanda de créditos hipotecarios se reduce 1,69 %.
Este multiplicador de impacto elástico, responde a la sensibilidad que tienen los potenciales demandantes de
crédito hipotecario cuando varía el tipo de cambio real.
Por cada 1% que aumenta el ingreso real de los asalariados, la demanda de créditos hipotecarios se
incrementa 4,19%, si tomamos solamente el multiplicador contemporáneo. Si le sumamos el valor no
contemporáneo transcurrido un período, aumenta 7,39%. Dicho esto, del impacto total, que surge del aumento de
1% en el ingreso, sobre la demanda de crédito hipotecario, más del 5674
% se siente de inmediato, durante el
primer trimestre, y el 100 % al terminar el segundo. Esto sería coherente, teniendo en cuenta las restricciones de
acceso al crédito para la vivienda, que se comentaron anteriormente, donde el ingreso real de los asalariados es
clave, no solo para contar con un nivel de ahorro necesario, sino también, para poder calificar, según los requisitos
solicitados por las entidades bancarias.
Por cada 1% que aumenta el precio de las viviendas, la demanda de créditos hipotecarios, se reduce 3,62
%75
. Se observa una demanda de créditos hipotecarios, bastante elástica al precio, tomando solamente el valor no
contemporáneo pasado un trimestre.
74 (4,19/7,39) x 100. 75 En todos los casos, ante cada variación porcentual de cada una de las variables explicativas, rige el criterio ceteris paribus.
MAECO [Escribir el título del documento]
34
Prueba de estabilidad estructural
Cuando utilizamos un modelo de regresión que implica series de tiempo, tal vez se dé un cambio
estructural en la relación entre la variable dependiente y las explicativas. Esto es, que los valores de los
parámetros del modelo no permanecen constantes a lo largo de todo el período. Al observar el cuadro nº 3,
parecería darse un cambio en el comportamiento de la demanda de créditos hipotecarios a partir de 2017, algunos
meses después del lanzamiento de los créditos UVA76
, lo cual podría ser un indicio de inestabilidad estructural en
la parte final de la serie analizada. Además, las pruebas estándar de la hipótesis de raíz unitaria, realizadas para
evaluar la estacionariedad de las series, pueden ser poco confiables en presencia de cambios estructurales (Perrón
Phillips 1989).
Para corroborar si esto es así, realizamos la prueba de Chow77
y dividimos la muestra en dos períodos:
(1er. trimestre 2004-4to. trimestre 2016) y (1do. trimestre 2017-2do. trimestre 2019). Para ello, se incluye una
variable dummy, que toma valor cero para el primer período y uno, para el segundo. El modelo original supone
que no hay diferencia entre los dos períodos, y por lo tanto, estima la relación entre la demanda de créditos
hipotecarios, y el resto de las variables explicativas para la totalidad del período78
. A priori, podría ser
cuestionable realizar la estimación, debido a la diferencia de observaciones entre uno y otro período, pero se
decide seguir adelante con la prueba, a fin de encontrar alguna evidencia de cambio estructural que convalide el
análisis gráfico precedente. Según los resultados obtenidos, que se reportan en la tabla nº 11, y fijando un nivel de
significancia del 5 %, no se rechaza la hipótesis de estabilidad estructural, y por lo tanto, concluimos que las dos
regresiones (nº 6.1. y nº 6.2.) son estadísticamente iguales. En cuanto al nivel de significancia individual de las
series, en el modelo nº 6.1., correspondiente al primer período, todas las variables son estadísticamente
significativas, menos el valor no contemporáneo del ingreso rezagado un trimestre. Con respecto al signo que
toman los coeficientes, en todos los casos, son coherentes con la teoría económica. Los valores del precio de las
76 En realidad fueron las Unidades de Vivienda (UVI). En septiembre del mismo año, el BCRA las renombra por Unidades de Valor
adquisitivo (UVA), de tal manera que se pudiera uniformar la información de referencia. 77 Es simplemente la prueba F. 78 Es decir, supone que el intercepto, así como el coeficiente de la pendiente, permanecen constantes todo el período, por lo que no
hay cambio estructural. Los modelos nº 6.1 y nº 6.2, sí suponen que las regresiones en ambos períodos son distintas, es decir, el
intercepto y los coeficientes de las pendientes son diferentes.
MAECO [Escribir el título del documento]
35
viviendas, y tipo de cambio real son un poco más elásticos que en el modelo original (serie completa), y en el
caso del ingreso, en su valor contemporáneo, la elasticidad es menor. El modelo de regresión 6.2.,
correspondiente al segundo período, señala coherencia con los signos de los coeficientes de todas las variables,
pero solo el ingreso en su valor contemporáneo es estadísticamente significativo. Esto podría deberse a la exigua
cantidad de observaciones, y la imposibilidad de medir efectos de corto plazo de las variables involucradas, en un
período tan breve. En cuanto a la bondad de ajuste, en esta última regresión, (segundo período), se observa un R²
elevado, pero no tendría significancia global al 5 % de significancia (test F). Los resultados de la prueba de Chow,
dejan abierta una futura investigación para series con un número mayor y más equilibrado de observaciones.
Tabla Nº 11: Prueba de estabilidad estructural
* p < 0.1, ** p < 0.05, *** p < 0.01
Ecuación Modelo 6
62 obs.
(t-estad)
p-valor
Modelo 6.1
50 obs.
(t-estad)
p-valor
Modelo 6.2
12 obs.
(t-estad)
p-valor
Test de Chow
Variables
Explicada ∆ln(CRH) ∆ln(CRH) ∆ln(CRH)
Ho: Existe estabilidad estructural.
(α=5%) Explicativas
Constante 0.0357
(0.87)
0.386
0.0245
(0.48)
0.630
0.1643
(1.20)
0.285
F = [SRCt – (SRC1 + SRC2)] /k
(SRC1 + SRC2)/(n1 + n2 – 2.k)
∆ln(PVR-1) -3.618**
(-2.35)
0.023
-3.6948**
(-2.40)
0.021
-3.2579
(-1.17)
0.293
F = [4,60 – (3,56 + 0,49)] /4 = 1,76
(3,56 + 0,49)/(50 + 10 – 2.4)
∆ln(TCR) -1.6952***
(-2.94)
0.005
-2.3693***
(-3.09)
0.003
-0.6228
(-0.56)
0.600
Para un nivel de significatividad de 5 %, el valor crítico de
F (4,52) sería aprox. 2,55. Por lo tanto, no se rechaza la
hipótesis de que la función de demanda, en los dos
períodos de tiempo es la misma.
Por lo tanto, no hay evidencia de cambio estructural entre
ambos períodos
∆ln(INGR) 4.1940***
(2.73)
0.008
3.3267**
(2.21)
0.032
10.8831*
(2.20)
0.079
∆ln(INGR-1) 3.1978**
(2.29)
0.026
2.4410
(1.42)
0.162
2.8540
(0.61)
0.567
R² 0.3651 0.3398 0.7228
Estadístico F 9.27 5.22 4.38
Prob. F 0.0000 0.0015 0.0684**
MAECO [Escribir el título del documento]
36
6. Conclusiones
Luego de atravesar por un período de alta incertidumbre política y económica y tomando como punto de
partida el año 2004, donde la situación macroeconómica mejora sustancialmente, en términos de nivel de
actividad y empleo, durante por lo menos los siguientes 10 años79
, el mercado de crédito hipotecario argentino
mantiene sus niveles mínimos, no consiguiendo volver a los guarismos de la década del 90. Sólo el efímero
impulso que tuvo el mercado luego del lanzamiento de los créditos indexados en 2016, hizo pensar en una
promisoria recuperación del crédito hipotecario. Pero como tantas otras veces, la elevada inflación y la continua
depreciación de la moneda nacional, que afectan el ingreso real de las familias, sumado a la incertidumbre general
que reina sobre todos los ámbitos de nuestro país, desvanece cualquier intento de recuperación.
Estableciendo comparaciones con otros trabajos similares, se encuentran resultados equivalentes, en
cuanto a la influencia negativa de la tasa de interés de los créditos hipotecarios y el tipo de cambio real, y positiva
del ingreso real de las familias. El ingreso real de los asalariados, resultó en todos los modelos, la variable más
significativa y con mayor impacto económico sobre el mercado hipotecario. De allí la importancia de ir a un
escenario de desinflación, que recupere el poder de compra de los salarios, estimule el ahorro, y genere
expectativas deseables sobre el mercado hipotecario. Con relación al precio de las viviendas, se observa una
elevada sensibilidad que desalienta la demanda de crédito hipotecario. La combinación de un creciente déficit
habitacional, más las características particulares que presentan las viviendas, como ser reserva de valor, bien de
inversión residencial, activo seguro en términos de derechos de propiedad, protección frente a la inflación y
devaluaciones, etc., ha presionado sobre el precio de las viviendas durante todo el período analizado, afectando
negativamente a la demanda de crédito hipotecario. La volatilidad cambiaria exhibida en el período, también ha
atentado contra la certidumbre necesaria para alentar a las familias a acceder a un crédito hipotecario. La presión
cambiaria permanente, por los motivos mencionados con anterioridad, ha sido sin dudas, una de las causas del
magro desempeño del mercado hipotecario a lo largo del periodo analizado.
79 Cabe aclarar, que hasta febrero de 2016, hubo todo el tiempo, al menos una parte de la deuda soberana en cesación de pagos, hasta que el
gobierno de Mauricio Macri, acordó el pago definitivo con los acreedores privados.
MAECO [Escribir el título del documento]
37
Las expectativas generadas en el mercado, luego del lanzamiento de los créditos indexados, dejó en
evidencia la necesidad del sector asalariado de contar con una línea de crédito asequible, para acceder a la
vivienda propia, pero los sucesos permanentes de inestabilidad macroeconómica, afectaron sensiblemente a
aquellos que eligieron esta modalidad, ya que sin cláusulas que limiten el ajuste, pusieron a los deudores en una
situación de vulnerabilidad, y en un breve lapso de poco más de un año, los créditos hipotecarios bajo la
modalidad UVA, dejaron de ser requeridos. En consecuencia, el problema no son los créditos indexados,
experiencia que sí ha dado resultado en otros países latinoamericanos, sino el descalce que pueda ocurrir entre la
moneda a la que se indexan las deudas hipotecarias y los ingresos de los deudores.
Por último, los resultados presentados aquí sugieren algunas líneas de investigación para el futuro, en
particular, sobre otros factores vinculados al mercado hipotecario, principalmente por el lado de la oferta, al
déficit habitacional existente y la formación de los precios de las viviendas, que permitan mejorar el estudio de la
demanda de crédito hipotecario y sus estimaciones econométricas.
MAECO [Escribir el título del documento]
38
REFERENCIAS BIBLIOGRÁFICAS
Alt, Franz L. (1942). Distributed lags. Econometrica. Vol. 10. Nº 2. The Econometric Society.
Auguste, S., Bebczuk, R., & Moya, R. (2011). The Demand for Mortgages under Macro Volatility: The
Argentine Case. IDB Working Paper No. 284.
Banco Central de la República Argentina (BCRA). (Varios números). Información de entidades
financieras.
Centro de Economía Política Argentina (CEPA). Préstamos hipotecarios UVA. Análisis de la situación
actual de los hipotecados y evolución del mercado. Mayo 2019.
Cristini, M., & Moya, R. (2004). Las instituciones del financiamiento de la vivienda en Argentina.
Banco Interamericano de Desarrollo.
Elinbaum, Pablo. & Baremboin Cintia A. (2016). Efectos metropolitanos de una política de vivienda
mixta. El caso ProCreAr. Cuadernos de vivienda y urbanismo. ISSN 2027-2103. Vol. 11. Nº 21.
Finanzas Estructuradas (2018). Préstamos hipotecarios residenciales UVA. Análisis de su evolución y
experiencias en otros países. Informe especial.
Galinsky, Damián & Grandes, Martín. 2017. ¿Cómo se puede manejar el riesgo asociado con
diferencias en tasas de inflación en los mercados de hipotecas y trabajo? Universidad Eafit. Ecos de
Economía.
González, Mariana. (2017). El boom de préstamos hipotecarios en perspectiva. Centro de Investigación
y Formación de la Republica Argentina (CIFRA).
González Rouco, Federico. (2017). Vivienda: El Relato. Plan PRO.CRE.AR. Antes y Después. Buenos
Aires. Centro de Estudios del Futuro Argentino.
Gujarati Damodar N. & Porter Dawn C. Econometría. Quinta Edición. McGraw-Hill/Interamericana
Editores, S.A. de C.V. México, D. F.
MAECO [Escribir el título del documento]
39
Kiguel, M.A. & Podjarny, E. (2007). Impacto de Factores Macro y Microeconómicos en el Desarrollo
del Mercado de Hipotecas: Reflexiones Basadas en Argentina, Chile y Uruguay. Serie de Estudios
Económicos y Sociales CSC 07-010. Washington, DC, United States: Inter-American Devolpment Bank.
Maldonado, Leonardo J., & Vera Leonardo. (2011). Los determinantes de la demanda de crédito de los
hogares: un modelo de vectores de corrección para Venezuela. Revista Nueva Economía. Año XIX, nº
34.
Perron, Phillips. (1989). The Great Crash, the Oil Price Shock and the Unit Root Hypothesis.
Econometrica, vol. 57.
Redondo, José A., & López, María C. (2001). La demanda de crédito hipotecario en España: especial
referencia a la situación gallega. Departamento de Economía Financiera y Contabilidad Facultad de
Ciencias Económicas y Empresariales Universidad de Santiago de Compostela.
Tinbergen, Jan. (1949). Long-term foreign trade elasticities. Metroeconomica. Vol. 1. Nº 3. International
Review of Economics.
Universidad Argentina de la Empresa (UADE). Informe Mercado Inmobiliario e Índice del Salario
Real. Instituto de Economía. Facultad de Ciencias Económicas. Enero 2019.
Wooldridge, Jeffrey M. (2010). Introducción a la econometría. Un enfoque moderno, 4a edición.
Cengage Learning Editores. México D.F.
MAECO [Escribir el título del documento]
40
7. Anexo estadístico
7.1. Gráficos de autocorrelaciones (FAC)
-0.4
0-0
.20
0.0
00
.20
0.4
0
Au
tocorr
ela
tion
s o
f er1
0 10 20 30Lag
Bartlett's formula for MA(q) 95% confidence bands
Modelo1
Residuos
-0.4
0-0
.20
0.0
00
.20
0.4
0
Au
tocorr
ela
tion
s o
f err
2
0 10 20 30Lag
Bartlett's formula for MA(q) 95% confidence bands
Modelo2
Residuos
-0.4
0-0
.20
0.0
00
.20
0.4
0
Au
tocorr
ela
tion
s o
f err
o3
0 10 20 30Lag
Bartlett's formula for MA(q) 95% confidence bands
Modelo3
Residuos
-0.4
0-0
.20
0.0
00
.20
0.4
0
Au
tocorr
ela
tion
s o
f err
or4
0 10 20 30Lag
Bartlett's formula for MA(q) 95% confidence bands
Modelo4
Residuos
-0.4
0-0
.20
0.0
00
.20
0.4
0
Au
tocorr
ela
tion
s o
f err
or6
rob
0 10 20 30Lag
Bartlett's formula for MA(q) 95% confidence bands
Modelo6
Residuos
-0.4
0-0
.20
0.0
00
.20
0.4
0
Au
tocorr
ela
tion
s o
f err
or7
rob
0 10 20 30Lag
Bartlett's formula for MA(q) 95% confidence bands
Modelo7
Residuos
MAECO [Escribir el título del documento]
41
7.2. Análisis gráfico de los residuos para ver si siguen una distribución normal
0.5
11
.5
Den
sity
-1 -.5 0 .5 1Residuals
Kernel density estimate
Normal density
kernel = epanechnikov, bandwidth = 0.1100
Modelo1
Kernel density estimate
0.5
11
.52
Den
sity
-1 -.5 0 .5 1Residuals
Kernel density estimate
Normal density
kernel = epanechnikov, bandwidth = 0.0798
Modelo2
Kernel density estimate
0.5
11
.5
Den
sity
-1 -.5 0 .5 1Residuals
Kernel density estimate
Normal density
kernel = epanechnikov, bandwidth = 0.1018
Modelo3
Kernel density estimate0
.51
1.5
Den
sity
-1 -.5 0 .5 1Residuals
Kernel density estimate
Normal density
kernel = epanechnikov, bandwidth = 0.1026
Modelo4
Kernel density estimate
0.5
11
.5
Den
sity
-1 -.5 0 .5 1Residuals
Kernel density estimate
Normal density
kernel = epanechnikov, bandwidth = 0.0930
Modelo6
Kernel density estimate
0.5
11
.52
Den
sity
-1 -.5 0 .5 1Residuals
Kernel density estimate
Normal density
kernel = epanechnikov, bandwidth = 0.0746
Modelo7
Kernel density estimate
MAECO [Escribir el título del documento]
42
7.3. Análisis gráfico de la estacionariedad de las series
-1-.
50
.51
Resid
uals
2005q1 2010q1 2015q1 2020q1Periodo
Modelo1
-1-.
50
.51
Resid
uals
2005q1 2010q1 2015q1 2020q1Periodo
Modelo2
-1-.
50
.51
Resid
uals
2005q1 2010q1 2015q1 2020q1Periodo
Modelo3-1
-.5
0.5
1
Resid
uals
2005q1 2010q1 2015q1 2020q1Periodo
Modelo4
-1-.
50
.51
Resid
uals
2005q1 2010q1 2015q1 2020q1Periodo
Modelo6
-1-.
50
.5
Resid
uals
2005q1 2010q1 2015q1 2020q1Periodo
Modelo7