Anlisis Estadstico Multivariante Aplicado a Indicadores Financieros

Bancarios del Sistema Financiero de El Salvador

Luis Francisco Zaldvar, MSE

l.zaldivar@modelacionderiesgos.com

.modelacionderiesgos.com

Agosto 2015

Luis Francisco Zaldvar, MSE

Consultor en Finanzas, Minera de Datos y Riesgos

l.zaldivar@modelacionderiesgos.com

www.modelacionderiesgos.com

Agosto 2015
INDICE

I. Propsito

II. Caso de Estudio

III. Seleccin de Variables Independientes: Aplicacin de Componentes Principales

(PCA)

IV. Clasificaciones de Riesgos de Emisor

V. Anlisis de Conglomerados Jerrquicos

VI. Desarrollo del Clster Bancario al 31 de diciembre de 2014

VII. Bibliografa

VIII. Hoja de Vida de Luis Francisco Zaldvar, MSE

1
I. Propsito
Una de las debilidades existentes en el campo de las finanzas es que se tienen
muchos indicadores financieros para medir la salud o bienestar en una empresa. En
ciertos momentos cuesta hacer un diagnstico final y se recurre a poner
ponderaciones subjetivas para lograr un resultado final. Esta subjetividad puede
llevar a obtener diferentes diagnsticos para una misma empresa.

Por ejemplo, tradicionalmente en las empresas se realizan anlisis de liquidez y

solvencia, operacin, rentabilidad, endeudamiento y crecimiento para poder hacer
un diagnstico financiero de la misma. De forma alternativa, se puede medir si la
empresa est creando, destruyendo o est en el punto de equilibrio en la generacin
de valor para sus accionistas. Esto se hace comparando sus rendimientos versus
sus costos de recursos; se crea valor si sus rendimientos son superiores a sus
costos de recursos.

En el campo bancario tambin se tiene una tcnica que se llama CAMEL y sus
letras significan lo siguiente: C = Capital (Capital); A = Asset Quality (Calidad de los
Activos); M = Management (Gerencia); E = Earnings (Ganancias): y L = Liquidity
(Liquidez). Otro sistema que es popular en la banca internacional es el CAMELS,
siendo el significado de la ltima letra S = Sensitivity (Sensibilidad al Riesgo de
Mercado y Liquidez).

An con esta segmentacin que se tiene en el campo bancario se hace algunas

veces difcil el anlisis para clasificar al banco.

Una alternativa para salir de estas situaciones es mediante tcnicas estadsticas

multivariantes, utilizando softwares tales como XL Miner, SPSS, Stata,
Minitab, SAS, etc. que hacen menos complicada la realizacin de los clculos.
Se necesita establecer el procedimiento estadstico a seguir, el backtesting y la
interpretacin de los resultados. En el presente trabajo estaremos empleando el
software XL Miner de Minera de Datos que trabaja en ambiente de MS Excel y es
fabricado por la empresa Frontlines Systems, Inc. de los Estados Unidos.

En el campo de las tcnicas estadsticas multivariantes de Minera de Datos, son

populares los modelos y tcnicas de calificacin o scoring, no as, las tcnicas de
componentes principales PCA y anlisis de clster como se presentan en este
documento.

En el presente documento se estarn empleando tcnicas multivariantes sencillas

que a diferencia de los modelos y tcnicas de calificacin o scoring, no poseen

2
 variable de respuesta independiente o la que comnmente denominamos variable
de pronstico Y. Por el contrario, esta tcnica puede analizar cualquier empresa o
banco con todas sus caractersticas o variables independientes X1XN. Este tipo
de tcnicas se denominan Tcnicas No Supervisadas. Las tcnicas que se
emplearn son el Anlisis de Componentes Principales PCA y el Anlisis de
Conglomerados Jerrquicos o Clster Jerarquico.

Las tcnicas estadsticas multivariantes pueden ser empleadas por reguladores de

la industria financiera y seguros, bancos comerciales, bancos de inversin o
empresas para realizar diagnsticos cuando se presenten muchas variables
independientes, X1 XN. Estas tcnicas se pueden comparar con los mtodos
existentes no estadsticos que emplean en la actualidad las empresas, bancos o
reguladores.

II. Caso de Estudio

Se ha tomado la informacin pblica de los indicadores financieros de la Banca

Salvadorea que se pueden obtener del sitio web de la Superintendencia Financiera
de El Salvador. Estos indicadores que se han tomado son del ejercicio fiscal que
cerr el 31 de diciembre de 2014.
Cabe mencionar que la banca de El Salvador en su mayora es internacional y que
el pas se encuentra dolarizado desde principios de la dcada anterior.
En el pas se cuenta con 10 bancos privados y dos bancos estatales. La razn
social de los bancos comerciales y su clasificacin, se presenta en el siguiente
cuadro:

Las cifras del sistema financiero de El Salvador son las siguientes al 31 de

diciembre de 2014
(Miles de US$)

Cartera Crediticia Neta US$ 10,119,833.89

Activos Totales 14,597,941.34
Depsitos Totales 9,805,242.09
Patrimonio 2,004,005.59
Utilidades Finales 184,414.61

3
-----------------------------------------------------------------------------------------------------------------
Coeficiente Patrimonial Sistema 16.60 %
Requerimiento del Sistema 12.00

La informacin financiera de los bancos del sistema se presenta a continuacin,

siendo el Banco Agrcola, el ms destacado del pas por sus rentabilidades, gestin
de los riesgos de crdito, capitalizacin y el mayor tamao:

En la actualidad se presentan 30 indicadores los cuales se dividen en las siguientes

categoras:

1. Indicadores Legales
2. Rentabilidad y Gestin
3. Calidad de los Activos
4. Financiamiento y Liquidez

La definicin de todos los indicadores se puede encontrar en la pgina web de la

Superentenda Financiera de El Salvador. A continuacin se presentan los
indicadores financieros para demostrar las diferencias que existen entre los bancos
del sistema.

4
 La definicin de algunos de los indicadores financieros los podemos encontrar en el
siguiente cuadro:

Fuente: Sitio Web SSF, donde pueden encontrar todas las definiciones de los indicadores
financieros empleados para el anlisis del sistema nacional.

III. Seleccin de Variables Independientes: Aplicacin de

Componentes Principales (PCA)
Una de las tareas importantes en la Minera de Datos es construir modelos que
tengan el nmero de variables idneas o ms crticas. A esto se le llama buscar la
dimensionalidad de la informacin oportuna para poder analizar mejor el caso y
reducir el nmero de operaciones o tiempo de respuesta de los algoritmos a emplear
en las computadoras.

Los beneficios y caractersticas de los Componentes Principales PCA, se

presentan a continuacin:

Meta: Reducir el nmero de variables independientes o dimensin de la

informacin: # de Registros (filas) x # de Variables Independientes (columnas)

La Idea: Remover informacin redundante entre las variables independientes

(X1,.. XN). (Informacin se mide a travs de las suma de las varianzas de
las variables)

Producto Final: Menor nmero de variables que contienen o caracterizan la

informacin. Las variables eliminadas han sido redundantes y las variaciones
las explican las que quedan al final.

5
El Modelo de Componentes Principales PCA es el siguiente:

Se introducen al algoritmo las variables:

X1, X2, X3, Xp, Valores originales p variables.

El algoritmo calcula los valores:

Z1, Z2, Z3, Zp, Promedio ponderado de las variables originales

Todos los pares de las variables Z tienen una correlacin de 0

El algoritmo ordena las Zs por la varianza o autovalores, listando desde la varianza

ms alta hasta la ms pequea.

Modelo PCA de 2 Variables - Sin Normalizacin es el siguiente:

La frmula es la siguiente:

Zi = ai,1 * (X1 X1promedio) + ai,2 *(X2 - X2 promedio) + ai,p * (Xp - Xp promedio)

Dnde:

Zi = PCA i

a = carga o pesos

Xi = datos originales

Si llevase normalizacin habra que dividir entre Sigma i.

Usualmente la primeras Variables Z son las que contienen la mayor parte de la

informacin y las dems son eliminadas para no ser variables redundantes.

Cmo funcionan los Componentes Principales (PCA)?

Crean nuevas variables que son combinaciones lineales de las variables originales
(ellas son promedios ponderados de las variables originales).

Estas combinaciones lineales no son correlacionadas (no tienen informacin

conjunta), y el menor nmero de variables independientes contienen lo importante de
la informacin.

Las nuevas variables son llamadas Componentes Principales PCA.

6
 A continuacin les presentamos la matrz con toda la informacin de los indicadores
por Banco. La dimensin original de la matriz es de 12 bancos comerciales x 24
indicadores financieros. Se presenta a continuacin las primeras filas y columnas
parciales hasta la # 9 dado que son # 24 de la matriz inicial.

Es de notar que la unidad de todos los indicadores son porcentajes, con lo cual no se hace
necesario estandarizar dado que todo est en la misma unidad.

La tarea ser seleccionar el nmero de indicadores financieros que expliquen las diferencias
que existen entre los 12 bancos del sistema financiero de El Salvador. Para eso, se usar la
primera tcnica estadstica multivariante que son los Componentes Principales PCA. Los
resultados que obtendremos al aplicar este algoritmo de PCA, ser el determinar el nmero de
variables que expliquen la diferencia del desempeo de los 12 bancos. Los resultados del PCA
los presentamos a continuacin:

7
Bsicamente, lo que nos indican los Componentes Principales PCA es que con los 4 factores
que hemos nombrado en la tabla anterior: 1) Rentabilidad & Gestin; 2) Calidad de los Activos;
3) Indicador Legal & Rentabilidad y Gestin: y 4) Calidad de los Activos; podemos explicar la
diferencia del desempeo entre los 12 bancos. Hubiramos podido extender ms columnas o
factores hasta llegar al autovalor o varianza arriba de 1 (columna 6). Sin embargo, el nivel del
85.54% de varianza acumulada es una cifra idnea para analizar el desempeo diferente entre
los bancos. Por consiguiente, las variables independientes que debemos emplear ya no son los
24 indicadores, sino solamente los que hemos sombreado con el color amarillo, que son 7
indicadores. Los valores sombreados son los pesos de la ecuacin de los Componentes
Principales PCA. Las variables por factor o columna se seleccionan tomando el mximo valor
absoluto y luego se le da lectura a qu variable corresponde. Las variables a tomar en el
anlisis de los indicadores financieros son las siguientes:

En resumen, estaremos empleando solamente las 7 variables independientes ms

importantes para hacer una segmentacin, agrupacin o anlisis de clster bancarios.
Es importante tambin mencionar que si hiciramos modelos de Scoring o de
clasificacin de categoras, estas 7 variables podran predecir en qu categora estara
cada uno de los bancos del sistema salvadoreo.

El anlisis de Componentes Principales PCA se fortalece o brinda grandes frutos cuando se

tienen muchas variables que son dependientes entre las otras o tienen altos niveles de
correlacin entre ellas. Lo que se evita al hacer el Analisis de Componentes Principales (PCA)
antes de aplicar otras tcnicas estadsticas multivariantes es tener variables redundantes o
irrelevantes en los trabajos de minera de datos.

IV . Clasificaciones de Riesgos de Emisor

A continuacin presentamos las diferentes categoras de riesgos que tuvieron los bancos
comerciales en El Salvador al 31 de diciembre de 2014:

8
Es importante mencionar que en el establecimiento de la categora de riesgos de un banco en
el pas, se toman en cuenta mtricas del CAMEL y lo que algunas clasificadoras como
FitchRatings le llaman Soporte de su Accionista. Es decir si el banco experimenta dificultadas
financieras, su accionista que es un banco internacional de primera lnea, le dara soporte
financiero. Si no se tomara en cuenta el Soporte de su Accionista, en algunos casos el rating
fuera diferente. En el Anlisis de Conglomerados Jerrquicos no se ha tomado en cuenta el
Soporte de su Accionista, sino solamente las mtricas numricas. Esto hace interesante el
estudio de qu pasara si solo empleamos las mtricas numricas o cuantitativas y nos
olvidamos de las cualitativas como es el caso del Soporte de su Accionista?

V . Anlisis de Conglomerado Jerrquico

Como se seal en el literal nmero 1, lo que se presenta en este documento es una
alternativa para poder realizar anlisis multivariantes cuando existan en bancos o empresas
muchas variables cuantitativas. Tal es el caso cuando se aplica el mtodo CAMEL O CAMELS,
que tiene muchas variables para determinar la categora que se le debe de asignar a cada uno
de los bancos del sistema financiero.

En el Anlisis de Conglomerados Jerrquicos que se realizar a continuacin, se buscar

encontrar segmentos o clster que presenten las siguientes caractersticas: 1) que los
miembros del segmento o clster tengan distancias cercanas o que tengan caractersticas
parecidas, y 2) que exista una separacin o diferencia entre los clsters o segmentos. Si se
logran estos dos objetivos, se ha potencializado la tcnica.

El motor de clculo del Clster Jerarquico emplea la Distancia Euclidiana bsica y tiene
muchos mtodos de agrupacin tales como el vecino cercano, lejano, mtodo Ward, etc.

9
Es muy popular el uso del Clster Jerrquico dado que produce un Dendograma. Este
Dendograma muestra la formacin de los segmentos o clsters y sus niveles de distancias. Si
deseamos pocos clsters o segmentos, las distancias sern mayores que si empleamos ms
clsters o segmentos. Es importante mencionar que cuando se trabaja a escala grande, se
hace imperante aplicar primero los Componentes Principales PCA para poder reducir la
dimensin de las matrices de distancias. Es as como se ha hecho el procedimiento en este
trabajo.

VI. Desarrollo del Clster Bancario al 31 de diciembre de 2014

Para generar un Dendograma con la informacin bancaria al 31 de diciembre de 2014,
utilizamos el software XL Miner. Seleccionamos la tcnica del Clster Jerrquico, distancia
Euclidiana y la agrupacin Vecino Lejano. El Dendograma que obtenemos es el siguiente, la
coordinada Y es distancia y coordenada X los bancos analizados:

Las referencias por banco son las siguientes: Agrcola (1), CITI (2), DAVIVIENDA (3),
HIPOTECARIO (4), BFA (5), GT (6), PROMERICA (7), SCOTIA (8), BAC (9), AZTECA (10),
INDUSTRIAL (11) y PROCEDITO (12).

Los clsters ms representativos son los que se obtienen luego de trazar la lnea horizontal
negra. Esto se debe a que son bien exactos dado que podemos ver en el eje de la coordenada
Y que son los que tienen menos distancia. El nmero de clusters de determina por la
interseccin de la lnea horizontal negra con el Dendograma. El nmero de clusters o
segmentos son siete.

Las conclusiones que podemos sacar del Dendograma son las siguientes:

10
Empleando la menor distancia, es decir haciendo que la segmentacin sea ms perfecta o con
menos nivel de diferencia, podemos concluir lo siguiente:

1. Las caractersticas del Banco Agrcola (1), el primer banco del pas, son nicas.
2. Las caractersticas de los Bancos Davivienda (3) y Scotiabank (8) son muy parecidas.
En efecto, la categora de riesgos de emisor de Banco Davivienda y Scotiabank son
EAA+ y EAAA respectivamente.
3. Las caractersticas de los Bancos Hipotecario (4) y Banco Promerica (7) son parecidas y
ambos bancos tienen categoras de emisor de EA+ y EA respectivamente.
4. Los Bancos Industrial, Procredit y Fomento Agropecuario se encuentran en los mismos
segmentos y sus categoras de emisor son respectivamente EA+, EAAA y EBBB.
5. A menor nivel de distancia, podemos ver Banco Amrica Central (9), CITI Bank (2),
Banco GT (6) y el Banco Azteca (10) tienen sus caractersticas muy nicas o propias.

Si se desea realizar una segmentacin o clsteres ms generales, se puede clasificar el

sistema financiero de El Salvador en tres segmentos, los cuales detallamos a continuacin:

1. El primer segmento seria constituido por el Banco Agrcola (1) que tiene sus propias
caractersticas.
2. El segundo segmento lo formaran los siguientes bancos: CITI (2), DAVIVIENDA (3),
SCOTIABANK (8) y Banco de Amrica Central (9).
3. El tercer segmento estara formado por los Bancos: Hipotecario, Promerica,
Fomento Agropecuario, Industrial, Procredit, GT y Azteca.

Esta segmentacin sera orientada a los tamaos o nivel de activos y patrimonio de los bancos.

La segmentacin que ms nos interesa para aspectos financieros es la ms especfica o sea la

definida por la lnea negra y el Dendograma. A continuacin haremos un anlisis de los
diferentes segmentos o clsters encontrados con la tcnica estadstica multivariantes de
Analisis de Conglomerados Jerrquicos. El nmero de clster es de 7 y los resultados del
software XL Miner son los siguientes:

11
Para poder analizar los segmentos o clsters hemos empleado las tablas dinmicas de MS
Excel, en la cual se presentan los siguientes promedios de las 7 variables crticas por clster:

Empleando la tabla de indicadores financieros bancarios, sacamos las siguientes conclusiones

por clster o segmento:

Las conclusiones que resultan del cuadro anterior son las siguientes:

1. Lo que distingue el liderazgo del Banco Agrcola es la excelente gestin en la Calidad

de Activos y su Alta Suficiencia de Capital Social principalemente, este es el clster
nmero 1.

2. Los clster 4 y 6 es donde se clasifican los bancos que tienen altos niveles de
Rentabilidad y Gestin sin embargo la Gestin de la Calidad de sus Activos e
Indicadores Legales no son tan altos como los del Banco Agrcola del clster nmero 1.

12
 En estos dos clsters o segmentos estn los Bancos de Amrica Central (Clster 6) y
Banco Promerica e Hipotecario (Cluster 4).

3. El clster 7 del Banco Azteca lo que tiene limitado es el Indicador Legal.

4. Los dems clster son bancos que estn en transicin para mejorar su desempeo
como los de los clusters arriba analizados.

5. Las calificaciones de emisores de los clsters que estn formados por ms de un banco
son muy parecidas. Tales son los casos de Banco Hipotecario y Banco Promerica que
tienen EA+ y EA respectivamente, como la del Banco Davivienda y Scotiabank que son
EAA+ y EAAA. Finalmente, los Bancos GT e Industrial tienen tambin las clasificaciones
de emisores EA+ y EA respectivamente. Recordemos que la tcnica de clster
solamente toma en cuenta variables numricas y no as lo que se denomina Soporte de
Su Accionista por FitchRatings.

El siguiente cuadro contiene los clsters que hemos obtenido con la tcnica de estadsticas
multivariantes y hemos incluido los indicadores financieros que se emplean para la valoracin
de bancos.

En el cuadro anterior que ha sido elaborado con algunos de los indicadores financieros que
publica la Superintendencia Financiera de El Salvador, podemos apreciar que los Clusters 1, 4
y 6 contiene los mejores bancos del pas que son Banco Agrcola (EAAA), Banco Amrica
Central (EAAA), Banco Promerica (EA) y Banco Hipotecario (EA+).

13
Puede apreciarse con el presente trabajo lo valioso que es la Minera de Datos o las Tcnicas
Estadsticas Multivariantes en el campo financiero, principalmente cuando se tienen muchos
indicadores. Se hace necesario emplear otras tcnicas como las empleadas en este escrito,
para que validen las tcnicas financieras bsicas y tradicionales que se usan da a dia en los
bancos, empresas y superintendencias. Los beneficios obtenidos con esta tcnica son:

1. Realizar un back-testing de la clasificacin que se realiza con los mtodos tradicionales

como el CAMEL o CAMELS.

2. Clasificar los bancos bajo estndares puramente numricos, sin tomar en cuenta el
soporte del accionista.

3. Identificar bancos que tienen caractersticas nicas como tambin los bancos que son
homogneos.

4. La simplificacin de variables para la clasificacin de los bancos.

5. Fortalece el uso de muchos indicadores financieros para sacar conclusiones.

14
IX. Bibliografa

Wiston, Wayne L .Marketing Analytics: Data Driven Techniques with Microsoft Excel. Wiley

Uriel, Esequiel y Aldas Joaqun. Analisis Multivariante Aplicado. Thomson.

De la Garza Garca, Jorge; Morales Serrano, Blanca Nieves y Gonzlez Cavazos, Beatriz
Adriana : Analisis Estadstico Multivariante. Mc Graw Hill

Prez Lpez, Cesar; Santin Gonzlez, Daniel: Minera de Datos: Tcnicas y Herramientas.
Thomson.

15
VIII. Hoja de Vida
Luis Francisco Zaldvar, MSE
www.modelacionderiesgos.com
l.zaldivar@modelacionderiesgos.com

Graduado de Licenciatura en Administracin de Empresas con concentracin en Gerencia

Industrial de The University of Tennessee, Knoxville, Tennessee.

Posee Maestra en Ciencias Econmicas con concentracin en Finanzas y Estadstica Aplicada

de North Carolina State University, Raleigh, North Carolina.

Entrenado por Oracle Crystal Ball en Denver en Crystal Ball Introductorio y Avanzado,
Opciones Reales y Seis Sigma.

Presidente de Inversiones Carrousel, S.A. de C.V. fundada en 1992.

Facilitador y Consultor Certificado en Anlisis de Riesgos empleando Crystal Ball por Crystal
Ball Global Unit, Denver, Colorado.

Adems, es Facilitador y Consultor Certificado usando el software de riesgo ms avanzado

ModelRisk de Vose Software BVBA de Blgica.

Profesor de Simulacin Monte Carlo, Optimizacin, Valorizacin de Empresas, Minera de

Datos, Riesgos, Estrategias Financieras y M&A en los programas de maestra en Finanzas y
Administracin de Empresas de la Universidad Jos Simen Caas of El Salvador (UCA),
Universidad de El Salvador, y Universidad Rafael Landvar en Guatemala (URL), Universidad
Autnoma Gabriel Rene Moreno (UAGRM BUSINESS SCHOOL) en Santa Cruz, Bolivia
(UARGM).

Dirigi Bancos Comerciales por 8 aos y empresas de manufactura de exportacin por 16 aos
en El Salvador.

Particip en Juntas Directivas en empresas manufactureras de exportacin.

Conferencista en Simulacin, Pronsticos y Optimizacin Estocstica para Oracle USA en

Amrica Latina.

Consultor especializado en Finanzas, Inversiones, Anlisis de Riesgos y en Minera de Datos

en Amrica Latina.

Ha realizado entrenamientos en Anlisis de Riesgo con Crystal Ball aplicado a las siguientes
industrias durante los ltimos nueve aos: Petrleo, Gas, Minera, Banca Comercial y Central,
Educacin y en Empresas Corporativas. Los pases donde se han realizado los entrenamientos
son los siguientes: Mxico, Guatemala, El Salvador, Nicaragua, Costa Rica, Panam,
Repblica Dominicana, Colombia, Per, Chile, Bolivia , Paraguay y Venezuela.

16