Algunas investigaciones interesantes publicadas recientemente por el Banco de Pagos Internacionales (BPI) arrojan luz sobre el valor de los esfuerzos de transparencia y de la disponibilidad de datos. El documento de trabajo, titulado «Opacidad bancaria: pautas e implicaciones», analizó un rico conjunto de datos a nivel bancario sobre las exposiciones de los bancos de la UE a países y sectores individuales. Encontró que estos datos públicos publicados por la Autoridad Bancaria Europea (ABE) contenían información que no estaba previamente tasada por los mercados de acciones y CDS.
«Encontramos que los inversores no estaban completamente informados sobre las carteras de préstamos bancarios», afirman los autores. «Los precios de las acciones bancarias y los diferenciales de los CDS reaccionaron fuertemente a las publicaciones públicas de datos sobre las exposiciones de los bancos. El impacto de los nuevos datos fue mayor para las exposiciones soberanas de los bancos periféricos europeos y las exposiciones del sector privado de los bancos centrales europeos. Los bancos con riesgo de crédito subestimado tuvieron costos de financiamiento más bajos y pidieron prestado más. Si eran de la periferia europea, estos bancos también hacían préstamos más riesgosos y tenían mayores ganancias».
Esta es una visión muy práctica del poder de la transparencia para cambiar las percepciones y comportamientos de riesgo. Proporciona pruebas valiosas para demostrar que vale la pena proseguir los esfuerzos de transparencia de la ABE y las iniciativas similares.
Opacidad bancaria – patrones e implicaciones
Resumen
Centro de atención
¿Cuánto saben los inversores sobre la composición de las carteras de los bancos? ¿Qué partes de los balances de los bancos son menos conocidas por los inversores? ¿Cuál es el impacto de las publicaciones de datos públicos en los precios de las acciones bancarias y los diferenciales de los CDS? ¿Los bancos cuyo riesgo crediticio es subestimado por los mercados obtienen financiamiento más barato y hacen préstamos más riesgosos? Examinamos estas preguntas combinando una novedosa metodología de estudio de eventos con un rico conjunto de datos sobre las exposiciones de los bancos europeos.
Contribución
Calculamos una nueva medida del riesgo bancario utilizando un rico conjunto de datos sobre las exposiciones de los bancos a países y sectores individuales. Empleamos una metodología novedosa, que nos permite evaluar el impacto de las publicaciones de datos públicos en los precios de las acciones bancarias y los diferenciales de los CDS. Nuestro marco empírico nos permite identificar dos efectos de la nueva información: la reducción de la incertidumbre global y la actualización de las estimaciones de riesgo bancario de los inversores. También investigamos el impacto de la opacidad bancaria en la financiación, los préstamos y la rentabilidad de los bancos.
Resultados
Encontramos que los inversores no estaban completamente informados sobre las carteras de préstamos bancarios. Los precios de las acciones bancarias y los diferenciales de los CDS reaccionaron con fuerza a la publicación pública de datos sobre las exposiciones de los bancos. El impacto de los nuevos datos fue mayor para las exposiciones soberanas de los bancos periféricos europeos y las exposiciones del sector privado de los bancos centrales europeos. Los bancos con riesgo de crédito subestimado tuvieron costos de financiamiento más bajos y pidieron prestado más. Si eran de la periferia europea, tales bancos también hacían préstamos más riesgosos y tenían mayores ganancias.
Extracto
Investigamos los patrones y las implicaciones de la opacidad bancaria en Europa utilizando un rico conjunto de datos a nivel bancario. Empleando una novedosa metodología de estudio de eventos, documentamos que las publicaciones de datos públicos de la Autoridad Bancaria Europea (ABE) sobre las exposiciones de los bancos a países y sectores individuales contenían información que antes no estaba valorada por los mercados de acciones y CDS. Demostramos que el grado de opacidad bancaria varió considerablemente entre las nacionalidades bancarias y los sectores de contraparte: fue más alto para las exposiciones soberanas de los bancos periféricos europeos y las exposiciones del sector privado de los bancos centrales europeos. Además, documentamos que las subestimaciones del riesgo de crédito de los bancos por parte de los mercados se asociaron con menores costos de financiamiento y mayores préstamos al por mayor (para todos los bancos), así como con una mayor toma de riesgos y una mayor rentabilidad (para los bancos periféricos europeos).
Opacidad Bancaria – patrones e implicaciones
Extracto
Investigamos los patrones y las implicaciones de la opacidad bancaria en Europa utilizando un rico conjunto de datos a nivel bancario. Empleando una novedosa metodología de estudio de eventos, documentamos que las publicaciones de datos públicos de la Autoridad Bancaria Europea (ABE) sobre las exposiciones de los bancos a países y sectores individuales contenían información que antes no estaba valorada por los mercados de acciones y CDS. Demostramos que el grado de opacidad bancaria varió considerablemente entre las nacionalidades bancarias y los sectores de contraparte: fue más alto para las exposiciones soberanas de los bancos periféricos europeos y las exposiciones del sector privado de los bancos centrales europeos. Además, documentamos que las subestimaciones del riesgo de crédito de los bancos por parte de los mercados se asociaron con menores costos de financiamiento y mayores préstamos al por mayor (para todos los bancos), así como con una mayor toma de riesgos y una mayor rentabilidad (para los bancos periféricos europeos).
Keywords: bank opacity, asymmetric information, event study, credit risk, asset markets
∗Este trabajo fue apoyado por la Escuela de Graduados de Ciencias Económicas y Sociales de la Universidad de Mannheim financiada por la Fundación Alemana de Investigación (DFG). Las opiniones expresadas en este documento son las de los autores y no reflejan necesariamente las opiniones del Banco de Pagos Internacionales. Nos gustaría agradecer a Stijn Claessens, Bryan Hardy, Sascha Steffen, Andr’e Stenzel, Ernst-Ludwig von Thadden, Egon Zakrajˇsek y a los participantes en el Seminario Bancario de Bonn-Mannheim, la Universidad de Mannheim y el Banco de Pagos Internacionales por sus útiles comentarios y discusiones. Todos los errores restantes son nuestros.
1. Introducción
¿Qué tan bien se informa a los participantes en los mercados financieros sobre las exposiciones de los bancos y el riesgo de crédito asociado? ¿Qué tan grande es la asimetría informativa entre los externos del banco y los iniciados del banco? ¿Cómo afecta la opacidad bancaria al diferencial de CDS y a los precios de las acciones de los bancos? ¿Cuáles son las partes más opacas de los balances de los bancos? ¿Cuáles son las implicaciones de la opacidad bancaria para los costes de financiación, la asunción de riesgos y la rentabilidad de los bancos? Examinamos las preguntas anteriores combinando una novedosa metodología de estudio de eventos con un rico conjunto de datos que contiene información detallada sobre las distribuciones geográficas y sectoriales de las exposiciones de 130 bancos europeos entre 2012 y 2018.
Formulamos y examinamos tres conjuntos de hipótesis sobre las reacciones de los mercados financieros a la divulgación de nueva información sobre las exposiciones bancarias. En primer lugar, en presencia de información imperfecta, la publicación de nuevos datos sobre las exposiciones bancarias debería reducir la incertidumbre general, aumentando así los precios de las acciones de los bancos y disminuyendo sus diferenciales de CDS. En segundo lugar, si los mercados tampoco están perfectamente informados sobre los niveles de pérdida esperados de los bancos, la publicación pública de nueva información también debería tener un impacto direccional en los precios de los activos. Es decir, la nueva información que actualiza los priores de los participantes del mercado hacia niveles más altos (más bajos) de riesgo bancario debería hacer que los precios de las acciones bajen (suban) y los diferenciales de los CDS suban (bajen). En tercer lugar, el impacto direccional anterior de la nueva información debería ser mayor para los diferenciales de CDS que para los precios de las acciones. Intuitivamente, una mayor toma de riesgos tiende a ir de la mano con mayores rendimientos esperados. En el caso de los precios de las acciones, estos dos efectos tienden a compensarse entre sí. Por el contrario, en el caso de los diferenciales CDS, el segundo efecto es prácticamente inexistente, ya que los mayores rendimientos esperados afectan a los créditos de deuda solo en la medida en que reducen la probabilidad de que el banco se vuelva insolvente.
Probamos las hipótesis anteriores empleando nuestra novedosa metodología de estudio de eventos para examinar las reacciones de los precios de las acciones bancarias y los diferenciales de CDS a seis publicaciones de datos públicos sobre las exposiciones de los bancos, realizadas por la Autoridad Bancaria Europea (EBA) entre 2014 y 2018. A diferencia de las metodologías estándar de estudio de eventos, estimamos no solo el impacto independiente del evento examinado (es decir, la divulgación de información) en sí, sino también el impacto de los cambios escalonados por eventos en una variable económicamente significativa (las pérdidas esperadas estimadas por los bancos).
Construimos una variable de pérdida esperada estimada a nivel bancario (que mide el riesgo de crédito inherente a la cartera de un banco) combinando datos sobre la distribución geográfica y sectorial de las exposiciones de los bancos con datos sobre el riesgo de crédito de los prestatarios. Obtenemos datos sobre las exposiciones de los bancos a países y sectores individuales de las bases de datos de pruebas de resistencia y ejercicios de transparencia de la Autoridad Bancaria Europea (ABE). Llenamos los vacíos en los datos de la EBA con datos de las Estadísticas Bancarias Consolidadas del BIS (CBS). Estimamos el riesgo de crédito de sectores individuales en cada país utilizando diferenciales CDS (cuando estén disponibles) o el diferencial entre las tasas de préstamos bancarios y las tasas libres de riesgo correspondientes.
El impacto de las publicaciones de información en los diferenciales de los CDS y los precios de las acciones está impulsado enteramente por el componente de exposición de la medida de pérdida esperada y no por su componente de riesgo de crédito. Los participantes del mercado tienen información en tiempo real sobre (los niveles generales/medios de) los diferenciales de crédito de los prestatarios de los bancos. Por lo tanto, los cambios en los niveles de riesgo (implícitos en el diferencial) de los prestatarios bancarios deben incorporarse continuamente en las estimaciones de los participantes en el mercado de las pérdidas esperadas de los bancos. Por el contrario, la nueva información pública sobre las exposiciones de los bancos llega (con un retraso sustancial) solo a las fechas de nuestros eventos. Esto nos permite aislar limpiamente el componente del cambio en la estimación de pérdida esperada que se debe a cambios en la composición de la cartera.
Encontramos pruebas sólidas en apoyo de todas las hipótesis anteriores. En primer lugar, la publicación pública de cualquier nueva información sobre las exposiciones de los bancos redujo significativamente los diferenciales de los CDS y aumentó los precios de las acciones, destacando la importancia del canal de reducción de la incertidumbre. En segundo lugar, la información que revela que las pérdidas esperadas de los bancos fueron más altas (más bajas) de lo estimado anteriormente, aumentaron significativamente (disminuyeron) los diferenciales de CDS y disminuyeron (aumentaron) los precios de las acciones. Esto demuestra claramente que los mercados corrigen sus creencias previas sobre los niveles de riesgo después de la publicación de nueva información, lo que es evidencia de la existencia de opacidad bancaria. Finalmente, las reacciones de los diferenciales de CDS a la nueva información fueron mayores que las de los precios de las acciones, en línea con nuestra última hipótesis.
Después de establecer la existencia de la opacidad bancaria, profundizamos en sus patrones a través de las nacionalidades bancarias, los sectores prestatarios y los períodos de tiempo. En primer lugar, mostramos que la reacción de los mercados de activos fue mucho más fuerte para las actualizaciones informativas sobre las exposiciones del sector soberano que para las exposiciones al sector bancario o al sector privado no bancario. En segundo lugar, las publicaciones de información pública afectaron significativamente a los diferenciales de los CDS y a los precios de las acciones de los bancos tanto del núcleo europeo como de la periferia europea. En tercer lugar, el efecto de la nueva información fue más fuerte para las exposiciones soberanas de los bancos periféricos y las exposiciones del sector privado de los bancos centrales. Cuarto, si bien el efecto de reducción de la incertidumbre está presente en toda nuestra muestra, el efecto direccional de la nueva información solo es significativo en la primera mitad de nuestra muestra.
El conjunto anterior de resultados tiene varias implicaciones importantes. En primer lugar, destacan la importancia del nexo banco-soberano inmediatamente después de la crisis de la deuda soberana europea, especialmente en la periferia europea (Acharya et al. [2014]). En segundo lugar, los mercados también encontraron valor en la información sobre las exposiciones no bancarias del sector privado de los bancos principales, muchos de los cuales tienen carteras de préstamos repartidas en varios países (véase Aldasoro et al. Por último, pero no por ello menos importante, la mayor importancia de los resultados en la primera mitad de nuestra muestra sugiere que la capacidad de los participantes en el mercado para recopilar información sobre las exposiciones de los bancos mejoró con el tiempo.
En la parte final de nuestro análisis, investigamos las consecuencias de la opacidad bancaria. Primero documentamos que las desviaciones del riesgo de crédito real de los bancos de las estimaciones basadas en información pública de su riesgo de crédito no se reflejaron en las tasas de financiamiento mayorista de los bancos. Esto implica que los FMM no tenían información superior a la de otros acreedores bancarios. Al mismo tiempo, también encontramos que los bancos cuyo riesgo de crédito fue subestimado por los mercados (es decir, los bancos que enfrentaron condiciones de financiamiento favorables) obtuvieron mayores volúmenes de financiamiento mayorista. Utilizamos un enfoque de tipo Khwaja y Mian [2008] al controlar los efectos fijos del Fondo × Time para filtrar los efectos de la oferta de FMM, lo que nos permite concluir que los mayores volúmenes de financiación al por mayor fueron un resultado impulsado por la demanda. Por lo tanto, parece que los bancos que eran conscientes de sus condiciones de financiación (des)favorables, exigieron más (menos) financiación mayorista.
Además, también investigamos si la opacidad bancaria afecta la composición y el rendimiento de los activos de los bancos. La primera parte del análisis se centra en los préstamos sindicados al sector privado no bancario, tomados de la base de datos Dealscan. Si bien no hubo efectos significativos en los préstamos bancarios al sector privado no bancario para la muestra completa, encontramos que los bancos periféricos cuyo riesgo de crédito fue subestimado por los mercados que participaron en préstamos más riesgosos. Una vez más, aislamos el lado bancario del mercado, en este caso su oferta de préstamos, controlando los efectos fijos de Borrower × Time. Además, constatamos que, si bien la opacidad de los bancos no tuvo ningún efecto en los volúmenes de préstamos, se vinculó a mayores tenencias de títulos de deuda por parte de los bancos principales. Por lo tanto, la financiación mayorista adicional que obtuvieron los bancos con riesgo de crédito subestimado fue utilizada de manera muy diferente por los bancos centrales y periféricos, mientras que los primeros la estacionaron en títulos de deuda, los segundos la utilizaron para buscar rendimiento. Por último, pero no menos importante, documentamos que los préstamos riesgosos de los bancos periféricos se tradujeron en mayores márgenes de interés netos, mientras que la inversión en títulos de deuda de los bancos centrales no lo hizo.
Literatura relacionada. Nuestra conclusión sobre la opacidad bancaria general y direccional se suma a la línea de literatura que trata de la opacidad bancaria y los efectos disciplinadores del mercado de la divulgación de información, en particular a través de ejercicios de pruebas de resistencia.
Desde una perspectiva teórica, Goldstein et al. y Goldstein y Leitner [2018] pasan por varios canales de impacto potencial de divulgación de información de los resultados de las pruebas de resistencia. Los autores concluyen que los efectos para las instituciones individuales pueden ser heterogéneos. Agregamos más evidencia de que la divulgación de información puede tener efectos positivos o negativos para cada banco, dependiendo de si el mercado estaba sobreestimando previamente o subestimando el riesgo de crédito de ese banco. Empíricamente, Flannery et al. [2017] y Morgan et al. [2014] muestran que existen reacciones significativas del mercado a las divulgaciones de información relacionadas con las pruebas de resistencia bancarias en los Estados Unidos. Si bien nuestros resultados están cualitativamente en línea con los de ellos, nuestra metodología difiere al vincular directamente el contenido informativo específico del banco de la publicación con el tamaño y la dirección del rendimiento del precio del activo. Para Europa, Sahin y De Haan [2016] documentan poca reacción del mercado a los resultados de las pruebas de resistencia publicadas en 2014, mientras que Petrella y Resti [2013] se centran en los resultados de las pruebas de resistencia publicadas en 2011 y muestran fuertes reacciones del mercado. En espíritu y metodología, Petrella y Resti [2013] son los más cercanos a nuestro estudio. Examinamos las publicaciones de datos de la ABE más estructuralmente que estos autores en dos aspectos. Primero, investigamos las seis publicaciones de datos que tuvieron lugar entre 2014 y 2018 (en lugar de una sola) para identificar patrones más sistemáticos y estadísticamente robustos. En segundo lugar, nuestra metodología va un paso más allá en la identificación del valor informativo (específico del banco) de cada publicación de datos. En lugar de simplemente identificar una reacción a noticias positivas o negativas, vinculamos la reacción del mercado a los cambios en la composición de la cartera de cada banco.
Estudios teóricos como Heider, Hoerova y Holthausen [2015] han puesto de relieve el impacto adverso de la información asimétrica sobre el riesgo de crédito en los costes de liquidez de los bancos (es decir, los costes de financiación). Agregamos una evidencia empírica a estos análisis, lo que sugiere que la información asimétrica afecta negativamente los costos de financiamiento de los bancos si su exposición al riesgo de crédito es sobreestimada por los mercados. Es importante destacar que también documentamos que una subestimación del riesgo de crédito resulta en menores costos de financiamiento para esos bancos. La evidencia de tal efecto de dos caras es una novedad en la literatura empírica y se vincula con las consideraciones teóricas de Goldstein et al. [2014], quienes conjeturaron la variación en los efectos específicos del banco de la opacidad.
Por último, vinculamos el nivel de opacidad bancaria y las distorsiones de los costes de financiación asociados a las decisiones de asignación de activos de los bancos. Las decisiones de préstamo de los bancos (elección de activos) están estrechamente vinculadas a su combinación de financiación (composición y coste de los pasivos), de modo que reducirán los activos (ponderados por riesgo) o buscarán rendimiento si el capital es escaso (Acharya et al. [2021], Jim ́enez et al. [2017]; otros) o si los costes de financiación de la deuda son altos (Heider et al. [2019]).2 Documentamos que los bancos que obtienen financiación adicional debido a una subestimación de su riesgo de crédito buscan rendimiento en el mercado de préstamos (si son de la periferia europea) o aumentar sus tenencias de títulos de deuda (si son del núcleo europeo). Esto sugiere que, dependiendo de la salud de los bancos, utilizan sus fondos para apostar por la resurrección o para aumentar sus tenencias de activos líquidos y de bajo riesgo.
Datos
Variables clave – definiciones y fuentes
El principal elemento básico de nuestro análisis es la medida que utilizamos para cuantificar el riesgo de crédito en las exposiciones de los bancos a sectores individuales en cada país:
Utilizamos la medida de pérdida esperada granular (sector de endeudamiento/específico de cada país) anterior para construir la siguiente medida de pérdida esperada agregada (a nivel bancario):
Si los participantes en el mercado se basan en datos publicados públicamente para obtener información sobre las exposiciones de los bancos a sectores y países individuales, sus estimaciones de las pérdidas esperadas de cada banco (específicas de cada país o sector) pueden expresarse como:
Donde t ∗ indica la fecha más reciente para la que existe información disponible públicamente sobre el EAD. La Tabla 1 enumera cada t ∗ fecha en nuestra muestra, junto con las fechas de publicación de datos correspondientes (T).
A su vez, las estimaciones de los participantes en el mercado de las pérdidas esperadas agregadas (a nivel bancario) están dadas por:
Además, también definimos una variable que captura la brecha entre las pérdidas reales esperadas.
La principal fuente para construir la variable EAD son los datos de los ejercicios de transparencia y las pruebas de resistencia de la Autoridad Bancaria Europea (ABE).
Estos datos de la ABE contienen información sobre las exposiciones al riesgo de crédito de cada banco, desglosada por país y sector de la contraparte. La ABE divulga las exposiciones de cada banco a los diez países a los que está más expuesto y las divide en varias categorías de contrapartes sectoriales. Las principales categorías sectoriales en las que nos centramos en este estudio son «Gobierno General» (que llamamos Sector Soberano), «Instituciones» (que denominamos Sector Bancario), «Empresas» y «Retail» (que combinamos en el Sector Privado No Bancario (NBPS)). Complementamos los datos de la ABE con información obtenida de las Estadísticas Bancarias Consolidadas (CBS) del Banco de Pagos Internacionales (BPI). Más concretamente, utilizamos el CBS del BIS para imputar los puntos de datos que no son reportados por la EBA (es decir, los datos sobre las exposiciones de cada banco a prestatarios de países que están fuera de la respectiva lista de los 10 principales cubiertos por la EBA). Para una descripción más detallada de esta imputación, véase el apéndice A.1.
Construimos las series de datos de spreads combinando información de varias fuentes diferentes, dependiendo del sector. Para el sector soberano, utilizamos diferenciales de CDS soberanos a 5 años de Markit. Para el sector bancario, seguimos a Avdjiev et al. [2019] y utilizamos un promedio ponderado por activos de los diferenciales de CDS a 5 años (obtenidos de Markit) de los bancos más grandes con sede en el respectivo país prestatario.5 La literatura ha demostrado que los movimientos en los diferenciales de CDS reflejan principalmente variaciones en la percepción de los mercados sobre el riesgo de incumplimiento de la entidad subyacente (ver Longstaff, Mithal y Neis, 2005). Finalmente, construimos los diferenciales para el sector privado no bancario como la diferencia entre las tasas de endeudamiento de los prestatarios privados no financieros (corporaciones no financieras y hogares) en cada país (obtenidas de diversas fuentes, incluidos el BCE, la Fed y otros bancos centrales) y el rendimiento del bono del gobierno alemán a 10 años (como un proxy de la «tasa libre de riesgo» en la zona del euro).
Además, obtenemos datos a nivel bancario sobre variables como activos totales, ratio de capital Tier 1, margen de intereses netos, reservas de pérdidas crediticias y otras de SNL Financial. Recopilamos datos sobre los diferenciales de CDS bancarios de Markit y sobre los precios de las acciones bancarias de Eikon de Thomson Reuters. Recuperamos datos sobre la financiación de los bancos europeos de los FMM estadounidenses de iMoney. Obtenemos datos de préstamos sindicados de Dealscan y los comparamos con la información del balance del prestatario de la base de datos Amadeus de Bureau van Dijk.
Resumen de Datos
La Tabla 2 presenta estadísticas descriptivas de las principales variables utilizadas en nuestro análisis empírico. La variable de pérdida esperada (como acción de capital Tier 1) tiene un promedio de 29%, una mediana de 28% y una desviación estándar de 11%. Las estadísticas resumidas clave para la variable de pérdida esperada estimada están muy cerca de sus contrapartes para la variable de pérdida esperada. Como consecuencia, el promedio y la media de la variable que captura la brecha entre las dos medidas de pérdida esperada son muy cercanas a 0. Sin embargo, la desviación estándar (4%), así como los valores mínimos (-11%) y máximos (14%) de la variable de brecha de pérdida esperada indican claramente un grado considerable de variación en esa variable. Explotamos esto en nuestro análisis empírico presentado en la Sección 4.
La Tabla 2 también resume los principales parámetros distributivos para las variables de control a nivel bancario empleadas en nuestro estudio. El banco promedio de nuestra muestra es relativamente grande y está bien capitalizado, con un índice de capitalización tier 1 del 15%. Existe una considerable heterogeneidad entre los bancos en lo que respecta a sus reservas (que van del 0% al 17% de los préstamos) y los activos líquidos (que van del 5 al 78% de los activos). Los diferenciales de CDS de los bancos oscilan entre casi cero y poco menos de 730 puntos básicos, con un promedio de 148 y una mediana de 107 puntos básicos.
A continuación, profundizamos un nivel en la distribución de las pérdidas esperadas de los bancos examinando la evolución de sus principales componentes sectoriales (promediados en nuestra muestra de bancos) a lo largo del tiempo (Figura 1a, panel de la izquierda).7 Las cuotas sectoriales agregadas son relativamente estables a lo largo del tiempo. La mayor parte del riesgo de crédito de los bancos se debió a sus exposiciones al sector NBP, cuyas acciones oscilaron entre el 59% y el 83%. Las respectivas cuotas de exposiciones interbancarias (entre el 11% y el 23%) y de exposiciones soberanas (entre el 3% y el 18%) fueron considerablemente menores.
A su vez, el panel derecho de la Figura 1b descompone la brecha de pérdida esperada (EL Gapi,t) en sus componentes sectoriales. Si bien el sector NBP todavía representa la mayor parte de la varianza de la variable de brecha de pérdida esperada, su importancia relativa es considerablemente menor que en la descomposición del nivel de pérdida esperada.8 La contribución del sector NBP a la variación en la brecha de pérdida esperada oscila entre el 29% y el 66%. Las acciones correspondientes para el sector bancario son 19%-41%, y 8%-41% para el sector soberano. Por lo tanto, a pesar de que las exposiciones al sector NBP representan la mayoría de las pérdidas esperadas en nuestra muestra, la brecha de pérdida esperada se distribuye de manera mucho más uniforme entre los sectores. Aprovechamos esta característica de los datos en el análisis empírico que presentamos en la Sección 3.
El impacto de la divulgación de información pública
Un modelo teórico ilustrativo
Antes de profundizar en nuestros ejercicios empíricos, proponemos un modelo teórico ilustrativo simple con el fin de fijar ideas sobre el impacto esperado de las divulgaciones de información pública (en presencia de opacidad bancaria) en los precios de los precios de las acciones de los bancos y los diferenciales de CDS.
Considere un banco que está financiado por un continuo de inversores de deuda y capital con aversión al riesgo. La compra de una unidad de los créditos de deuda del banco arroja la siguiente estructura de pago: si el banco incumple, el inversor recibe 0; si el banco no incumple, el inversor recibe 1 + rf. Suponiendo que el banco incumpla con probabilidad P D, el pago bruto esperado es igual a (1 − P D) (1 + rf). Sin pérdida de generalidad, supongamos rf = 0. Si bien la probabilidad de incumplimiento (P D) del banco no se conoce públicamente (debido a la opacidad del banco), los inversores tienen información (incompleta) al respecto. Su creencia previa sobre P D tiene una distribución normal con P D media y desviación estándar σ.
Deje que la utilidad de un inversor de la recompensa p1 y el precio p0 esté dada por:
El precio de equilibrio de los créditos de deuda de un banco en t = 0 es p0 = (1 − P D) − λ 2 σ 2. 9 Este precio de equilibrio del crédito de deuda contiene tres componentes: i) el precio de un activo libre de riesgo en un mundo de información perfecto (1), ii) el descuento por riesgo de impago (−P D), que compensa a los inversores por el hecho de que sus créditos sobre el banco no están libres de riesgo y iii) el descuento por incertidumbre (− λ 2 σ 2), que compensa a los inversores por el hecho de que la probabilidad de impago no se conoce con certeza (es decir, por el hecho de que no hay información perfecta).
La ecuación para el precio de un crédito genera dos predicciones comprobables sobre cómo la divulgación de nueva información sobre las exposiciones de un banco debería afectar el precio de los créditos de deuda en ese banco. En primer lugar, cualquier nueva información sobre las exposiciones de un banco reducirá la incertidumbre de los inversores, aumentando así el precio de los créditos de deuda del banco. En segundo lugar, la información que actualiza la creencia de los inversores hacia un P D más alto (más bajo) disminuirá (aumentará) el precio de los créditos de deuda en el banco.
Mientras tanto, podemos definir los pagos de un reclamo de capital en el banco como 0 si el banco incumple y (1 + rf) (1 + P D) si el banco no incumple. El término adicional en el pago de la reclamación de capital en el estado no incumplidor del mundo en relación con el pago de la reclamación de deuda respectiva refleja el potencial alcista para los inversores de capital asociado con el rendimiento adicional, que se supone que es proporcional al riesgo de incumplimiento del banco. El beneficio bruto esperado entonces es igual a (1 − P D2) (1 + rf) el enganche se traduce en un precio de equilibrio de p0 = (1−P D2) − λ 2 σ 2. 10 Al igual que en el caso del precio del crédito de deuda, el precio de equilibrio del crédito de capital contiene tres componentes: i) el precio de un activo libre de riesgo en un mundo de información perfecto (1), ii) el descuento por riesgo de impago (−P D2) y iii) el descuento por incertidumbre (− λ 2 σ 2).
Análogamente a la expresión para el precio del reclamo de deuda, la ecuación del precio de la renta variable genera dos predicciones comprobables. En primer lugar, cualquier nueva información sobre las exposiciones de un banco aumentará el precio de las acciones del banco reduciendo la incertidumbre de los inversores. En segundo lugar, la información que actualiza la creencia de los inversores hacia un P D más alto (más bajo) disminuirá (aumentará) el precio de las acciones del banco.
En conjunto, las expresiones anteriores para los precios de equilibrio de los créditos de deuda y capital sobre el banco también implican que la sensibilidad a la nueva información sobre la probabilidad de incumplimiento, medida como | ∂p ∂P D |, debería ser más bajo para los precios de las acciones que para los créditos de deuda, ya que P D < 0,5 en prácticamente todos los casos (plausibles). Intuitivamente, la nueva información que revela que la cartera de un banco es más riesgosa de lo que los inversores creían anteriormente tendría dos efectos. Primero, aumentaría la probabilidad de incumplimiento del banco, lo que empujaría a la baja los precios de su deuda y acciones. En segundo lugar, el rendimiento promedio de la cartera general del banco aumentaría (como compensación por el mayor riesgo que el banco ha asumido), lo que a su vez aumentaría las ganancias esperadas del banco en los estados «no incumplidores» del mundo. Si bien este segundo efecto tendría un impacto positivo en el precio de las acciones del banco, su impacto en el precio de los créditos de deuda sería insignificante siempre que la capitalización del banco esté lo suficientemente por encima del límite de incumplimiento (ya que las noticias positivas sobre la rentabilidad afectan a los créditos de deuda solo en la medida en que reducen la probabilidad de que el banco se vuelva insolvente). Por lo tanto, el impacto global de la divulgación de información en los precios de la deuda (que normalmente sólo estaría influenciado por el primer efecto) debería ser mayor que el efecto respectivo en los precios de las acciones (cuando el segundo efecto compensaría al menos parcialmente el primer efecto).
Al interpretar el diferencial CDS como la cuña (es decir, la tasa de descuento) entre el precio del activo libre de riesgo y el precio del crédito de deuda de riesgo (1 − p0) en nuestro modelo ilustrativo, podemos formalizar las predicciones del modelo anterior como las siguientes hipótesis comprobables:
Hipótesis 1a: La publicación de nueva información sobre las exposiciones de un banco reduce su diferencial de CDS.
Hipótesis 1b: La publicación de nueva información sobre las exposiciones de un banco aumenta el precio de sus acciones.
Hipótesis 2a: La publicación de nueva información que revela que el nivel general de riesgo de crédito en la cartera de un banco es más alto (más bajo) de lo que aumenta (disminuye) previamente estimado su diferencial de CDS.
Hipótesis 2b: La publicación de nueva información que revela que el nivel general de riesgo de crédito en la cartera de un banco es más alto (más bajo) que las disminuciones (aumentos) estimadas anteriormente de su precio de las acciones.
Hipótesis 2c: La publicación de nueva información que revela que el nivel general de riesgo de crédito en la cartera de un banco es más alto (más bajo) que los aumentos (disminuciones) estimados anteriormente el diferencial de CDS del banco en más de lo que disminuye (aumenta) el precio de las acciones del banco.
A continuación, probamos las hipótesis anteriores examinando el impacto de la divulgación de datos públicos sobre las exposiciones de los bancos en sus diferenciales de CDS y precios de las acciones.
3.2 Marco Empírico
En esta sección, presentamos la configuración empírica que utilizamos para investigar el impacto de las publicaciones de datos públicos por parte de la Autoridad Bancaria Europea (ABE) sobre las exposiciones de los bancos en sus diferenciales de CDS y precios de acciones. Si, de hecho, los mercados no están perfectamente informados sobre las exposiciones de los bancos (σ > 0 y/o P D 6 = P D en el modelo anterior), la divulgación de la información detallada por parte de la ABE debería conducir a una actualización de los priores de los participantes en el mercado sobre las pérdidas esperadas de los bancos y, en consecuencia, a una revaloración de los diferenciales de CDS y los precios de las acciones de los bancos.
∆APi,T+l captura la tasa de crecimiento del diferencial CDS o el precio de la renta variable en la ventana de eventos (l+s día hábil) (entre t-s y t+l) que rodea la publicación de datos. En nuestros ejercicios empíricos de referencia, establecemos s = 1 y l = 3, de modo que capturamos los rendimientos de los activos entre el precio de cierre en el día hábil inmediatamente anterior al día de la publicación de datos (t-1) y el precio de cierre cuatro días hábiles después de la publicación de datos (t + 3). Hemos seleccionado esta ventana de 5 días hábiles (1 semana) como nuestro punto de referencia porque creemos que logra el equilibrio óptimo entre ser inclusivo y ser objetivo. Por un lado, es lo suficientemente largo como para capturar todos los movimientos en los precios de los activos inducidos por la publicación de datos (incluso si el mercado tarda unos días en digerir la información recién publicada). Por otro lado, nuestra ventana de eventos de referencia es lo suficientemente corta como para no verse afectada significativamente por ningún otro evento importante o comunicados informativos públicos. Nuestros principales resultados son robustos para variar la ventana de la muestra entre 3 y 10 días.
Un α negativo (positivo) estaría en línea con las Hipótesis 1a y 2a (de la Sección 2.1), según las cuales los diferenciales de los CDS (precios de las acciones) deberían bajar (subir) en respuesta a la llegada de nueva información sobre las exposiciones de los bancos, ya que reduciría la incertidumbre sobre sus pérdidas esperadas y sus PD. Este coeficiente de término constante es la contraparte del principal objeto de interés en un estudio de eventos típico.
El aspecto novedoso que introducimos en la metodología de estudio de eventos está relacionado con el coeficiente (β) en el plazo de pérdida esperada. Un β positivo (negativo) en las regresiones para los diferenciales de CDS (precios de las acciones) estaría en línea con las hipótesis 2a y 2b, que postulan que la nueva información que implica que las pérdidas esperadas de un banco (y, por lo tanto, su riesgo de crédito) son más altas que las estimaciones del mercado conducirían a un aumento en el diferencial de CDS del banco y una disminución en su precio de acciones. Finalmente, de acuerdo con la Hipótesis 2c, la magnitud absoluta de β debería ser mayor para los diferenciales de CDS que para los precios de las acciones (ya que la reacción a la nueva información debería ser mayor para los diferenciales de CDS que para los precios de las acciones).
En un entorno de estudio de eventos estándar, se define un retorno «normal» (típicamente derivado de un modelo CAPM) para clasificar los retornos durante la ventana de eventos como «anormales» si se desvían de esos retornos «normales» (por ejemplo, Campbell et al. [1998])). La anormalidad del retorno se puede atribuir al evento. Este enfoque no es óptimo en el contexto de nuestro análisis por dos razones. En primer lugar, la divulgación de datos de la ABE son eventos con implicaciones sistémicas porque revelan información de importancia crítica sobre un gran conjunto de bancos, que representan la mayoría de los activos del sistema bancario europeo. Como consecuencia, el rendimiento en todo el mercado provocado por tal evento no es en sí mismo «normal». En segundo lugar, la β de la Ecuación 10, un objeto crucial para probar las hipótesis 2a, 2b y 2c en nuestro estudio, podría correlacionarse con el capm-β, induciendo así un sesgo de estimación cuando se utiliza el ajuste CAPM de los rendimientos. Un mayor β en la ecuación 10 indica una mayor opacidad, ya que los mercados están reaccionando con más fuerza a la nueva información. Al mismo tiempo, los precios de los activos de un banco opaco podrían seguir más de cerca el rendimiento del mercado (es decir, exhibir un capm-β más alto) porque (por definición) los mercados tienen menos información específica del banco en la que basar sus precios. En tal caso, los dos βs estarían correlacionados positivamente y la estimación estaría sesgada. Por lo tanto, para evitar los problemas anteriores, no incluimos un ajuste CAPM en nuestra metodología de estudio de eventos de referencia.
Resultados de referencia
En el cuadro 3 se resumen los resultados de referencia de nuestros resultados de referencia sobre el impacto de la divulgación pública en los diferenciales de los CDS (columnas 1 a 3) y los precios de las acciones (columnas 4 a 6). Se estimaron tres especificaciones de regresión para cada uno de los dos instrumentos: sin FE (columnas 1 y 4), con FE de banco (columnas 2 y 5) y con FE de tiempo y banco (3 y 6). Los resultados de las regresiones basales están totalmente en línea con las hipótesis presentadas en la sección 3.1.
Sobre la base de los escenarios 1a y 1b, el Tribunal encontró pruebas de que la publicación de cualquier nueva información sobre las exposiciones de los bancos (independientemente de cómo se compare con las expectativas anteriores de los participantes en el mercado) disminuye la incertidumbre sobre las pérdidas esperadas de los bancos y las probabilidades de incumplimiento, reduciendo así los diferenciales de CD y aumentando los precios de las acciones. En las especificaciones sin FE (columnas 1 y 4, respectivamente) y con FE bancaria (columnas 2 y 5, respectivamente), los términos constantes tienen los signos esperados (negativo para los diferenciales de CDS y positivo para los precios de las acciones) y fuertemente estadísticamente significativos. Como era de esperar, los términos constantes no son significativos en las especificaciones que incluyen los EF de tiempo (columnas 3 y 6, respectivamente), ya que el impacto común de las publicaciones informativas en cada uno de los períodos respectivos examinados es absorbido por los EF de tiempo.
Además, nuestros resultados de referencia también sugieren que las revisiones al alza de las pérdidas esperadas estimadas por los bancos, desencadenadas por la información publicada recientemente sobre las exposiciones bancarias, están asociadas con aumentos en los diferenciales de CDS y disminuciones en los precios de las acciones. Esto está totalmente en línea con las hipótesis 2a y 2b. En todas las especificaciones, los coeficientes estimados sobre el plazo de pérdida esperada son fuertemente estadísticamente significativos con los signos esperados (positivo para los diferenciales de CDS y negativo para los precios de las acciones).
Además, nuestros resultados de referencia también sugieren que las revisiones al alza de las pérdidas esperadas estimadas por los bancos, desencadenadas por la información recientemente publicada sobre las exposiciones de los bancos, están asociadas con aumentos en los diferenciales de CDS y disminuciones en los precios de las acciones. Esto está totalmente en línea con las hipótesis 2a y 2b. En todas las especificaciones, los coeficientes estimados sobre el plazo de pérdida esperada son fuertemente estadísticamente significativos con los signos esperados (positivo para los diferenciales de CDS y negativo para los precios de las acciones).
Los resultados presentados en la Tabla 3 también proporcionan evidencia en apoyo de la Hipótesis 2c, según la cual las publicaciones públicas de información deberían tener un mayor impacto en los diferenciales de los CDS que en los precios de las acciones. El valor absoluto del coeficiente estimado en los términos de pérdida esperada es consistentemente mayor en las regresiones de diferenciales de CDS que en la regresión de precios de acciones respectiva (en todas las especificaciones que examinamos). Intuitivamente, en el caso de los precios de las acciones, el impacto negativo de las mayores pérdidas esperadas se compensa (al menos parcialmente) con el impacto positivo de los mayores rendimientos asociados con la inversión en activos de mayor riesgo. No existe tal efecto compensatorio en el caso de los diferenciales de CDS, ya que los tenedores de deuda de los bancos se benefician de noticias positivas sobre los beneficios de los bancos solo en la medida en que disminuyen la probabilidad de que el banco se vuelva insolvente.
Los efectos estimados de las publicaciones de información de la ABE no solo son estadísticamente, sino también económicamente significativos. Las estimaciones de referencia (en las columnas (1) y (4) de la Tabla 3) de los términos constantes implican una reducción del 5% en los diferenciales de CDS y un aumento del 2% en los precios de las acciones debido al efecto de reducción de la incertidumbre de la divulgación de datos públicos. Las estimaciones de los coeficientes de pendiente sugieren que un aumento de una desviación estándar (0,06) en las pérdidas esperadas estimadas de los bancos (∆ELdi,T) se asocia con un aumento del 3% en los diferenciales de CDS y una caída del 1,7% en los precios de las acciones. Estos números son considerables. Por ejemplo, un precio erróneo del 3% del diferencial CDS de Deutsche Bank implicaría una distorsión de aproximadamente 4,5 pb. Como Deutsche Bank tiene pasivos de aproximadamente 1,5 billones de euros, esto se traduciría en costes de financiación adicionales de 675 millones de euros.12 Además, dada una capitalización de mercado de 20.000 millones de euros para el mismo banco, la fijación errónea de precios de las acciones se traduciría en una distorsión de 340 millones de euros.
Patrones de opacidad bancaria
En esta subsección, profundizamos en nuestros resultados de referencia examinando hasta qué punto las reacciones del mercado a las publicaciones informativas difieren a lo largo de varias dimensiones. En primer lugar, dividimos ∆ELdi,t en sus tres principales subcomponentes sectoriales: soberano, bancario y no bancario. Esto nos permite cuantificar y comparar la fuerza relativa de las reacciones de los mercados ante la nueva información sobre las pérdidas esperadas de los bancos frente a los principales sectores a los que están expuestos.
Los resultados de este ejercicio se resumen en las tres primeras columnas de la Tabla 4. Revelan que los mercados (CDS y acciones) reaccionaron con mayor fuerza a la información recientemente publicada sobre las exposiciones soberanas de los bancos. Los coeficientes estimados sobre el componente soberano de la medida de pérdida esperada tienen los signos esperados, positivos para los diferenciales de los CDS (Panel A, columna 1) y negativos para los precios de las acciones (Panel B, columna 1), y son altamente significativos estadísticamente. Por el contrario, los coeficientes estimados sobre la nueva información para los componentes del banco y del sector privado no bancario de las pérdidas previstas del banco no son estadísticamente significativos tanto para los diferenciales de los CDS (Panel A, columnas 2 y 3, respectivamente) como para los precios de las acciones (Panel B, columnas 5 y 6, respectivamente).
A continuación, examinamos si la reacción de los mercados a la nueva información sobre las pérdidas esperadas de los bancos varió entre los bancos de la llamada parte «central» de Europa frente a los bancos de la llamada parte «periférica» de Europa. A los efectos de este ejercicio, definimos la «periferia» europea como formada por Hungría, Irlanda, Italia, Portugal y España.13 El resto de los países de nuestra muestra se clasifican como el «núcleo» europeo.
Las columnas 4 y 5 del cuadro 4 contienen los resultados de la división geográfica de los bancos de nuestra muestra (periferia europea vs. núcleo europeo). Todas nuestras principales hipótesis se mantienen para ambos conjuntos de bancos. La publicación de información pública sobre las exposiciones (independientemente de la dirección en la que tome las expectativas del mercado) disminuye los diferenciales de los CDS y aumenta los precios de las acciones para ambos grupos de bancos (en línea con las hipótesis 1a y 1b). La información recientemente publicada que aumenta las estimaciones de los participantes en el mercado sobre las pérdidas esperadas de los bancos, se asocia con aumentos en los diferenciales de CDS y disminuciones en los precios de las acciones tanto para los bancos centrales como para los periféricos (en línea con las hipótesis 2a y 2b). Además, el impacto en los diferenciales de los CDS es mayor que el impacto en los precios de las acciones para ambas submuestras (centrales y periféricas) de los bancos (en línea con la hipótesis 2c).
A continuación, examinamos hasta qué punto nuestros principales resultados varían con el tiempo. Es posible que el grado de información asimétrica fuera mayor durante las consecuencias inmediatas de la crisis de la deuda soberana europea. También es probable que a medida que el número de publicaciones de datos de la ABE siga creciendo, los participantes en el mercado aprendieran gradualmente más sobre los patrones de composición de la cartera de los bancos. Bischof y Daske [2013] sugirieron que después de que la EBA comenzó a publicar datos, los bancos también aumentaron sus divulgaciones voluntarias, acelerando aún más la capacidad de aprendizaje de los mercados. Todos esos efectos harían más probable que nuestros resultados principales fueran más fuertes en la parte inicial que en la parte tardía de nuestra muestra.
Para examinar la hipótesis anterior, reestimamos nuestras regresiones de referencia en una submuestra «temprana» (2013M12 a 2016M7) y una submuestra «tardía» (2016M12 a 2018M12). Los resultados de esos ejercicios se presentan en las columnas (6) y (7) de la Tabla 4. Los coeficientes sobre el término de pérdida esperada en la primera mitad («temprana») de la muestra son fuertemente estadísticamente significativos y están en línea con nuestros resultados de referencia presentados en la Tabla 3. Por el contrario, los coeficientes respectivos en la segunda mitad («tardía») de la muestra no son significativos.
A continuación, profundizamos en la comprensión de la importancia de las dimensiones anteriores examinando la combinación de las divisiones entre el sector de contraparte y la nacionalidad bancaria (Tabla 5). El diferencial de los CDS y los precios de las acciones de los bancos periféricos reaccionaron con fuerza a las actualizaciones sobre sus pérdidas esperadas frente al sector soberano, pero no frente a los otros dos sectores. Por el contrario, los bancos centrales exhiben casi el patrón opuesto exacto. Más concretamente, las actualizaciones sobre las pérdidas esperadas del sector soberano no tuvieron un impacto significativo en los precios de los activos de los bancos básicos. Por el contrario, los diferenciales de los CDS y los precios de las acciones de los bancos básicos reaccionaron significativamente a las actualizaciones sobre las pérdidas esperadas frente al sector privado no bancario. Además, los diferenciales de CDS de los bancos principales también se vieron significativamente afectados por las actualizaciones de las pérdidas esperadas en sus exposiciones interbancarias.
¿Por qué los mercados de activos fueron más sensibles a la nueva información sobre la exposición al riesgo soberano de los bancos periféricos y las exposiciones no bancarias del sector privado e interbancarios de los bancos centrales? El bucle banksovereign fue una preocupación importante en la periferia europea, especialmente en la primera parte de nuestra muestra (Acharya et al. [2014], Altavilla et al. [2017], Bocola [2016]; otros). Uno de sus principales canales pasó por las exposiciones de los bancos periféricos a sus soberanos nacionales. Por lo tanto, era natural que los CDS y los mercados de acciones fueran muy sensibles a cualquier información nueva sobre exactamente esas exposiciones. Si bien los bancos centrales también tenían exposiciones soberanas considerables, la mayoría de ellos eran a sus respectivos gobiernos nacionales, cuyo riesgo de incumplimiento era mucho menor que el de los gobiernos periféricos. En consecuencia, el impacto de las noticias sobre sus carteras soberanas en los diferenciales de los CDS y los precios de las acciones no fue tan grande como en el caso de los bancos periféricos. Mientras tanto, las exposiciones de los bancos centrales al sector privado no bancario y a otros bancos han sido tradicionalmente más complejas y se han extendido a un conjunto mucho más amplio de países e industrias que las de los bancos periféricos. Como resultado, el impacto marginal de la nueva información sobre esos conjuntos de exposiciones fue considerablemente mayor para los bancos centrales que para los bancos periféricos. Por último, el resultado de que la nueva información sobre las exposiciones interbancarias tuvo un impacto significativo en los diferenciales de los CDS de los bancos centrales, pero no en los precios de sus acciones, es coherente con la hipótesis 2c y con la intuición que la sustenta. En el caso de los precios de las acciones, el impacto negativo de un aumento en el riesgo de la cartera de préstamos de un banco en sus pérdidas esperadas tiende a ser (al menos parcialmente) compensado por el impacto positivo de los mayores rendimientos asociados con los préstamos más riesgosos. Por el contrario, en el caso de los diferenciales de CDS, el efecto de compensación de los rendimientos más altos tiende a ser insignificante, ya que las noticias positivas sobre la rentabilidad de un banco afectan a los diferenciales de CDS solo en la medida en que reducen la probabilidad de que el banco se vuelva insolvente.
Implicaciones de la opacidad bancaria
Impacto de la opacidad bancaria en la financiación bancaria
En esta sección, examinamos las implicaciones de la opacidad bancaria para las tasas de interés y los volúmenes de financiamiento bancario. Más concretamente, nos centramos en la financiación de los FMM estadounidenses, que son una fuente importante de financiación para los grandes bancos europeos (Ivashina et al. [2015]). Estas grandes entidades deberían tener más probabilidades de realizar un alto nivel de diligencia debida al prestar a los bancos (por ejemplo, recopilando información adicional sobre las exposiciones de los bancos y las pérdidas esperadas) que otros inversores menos sofisticados (por ejemplo, los depositantes minoristas). Por lo tanto, los FMM pueden cobrar a los bancos una tasa de financiación que tenga en cuenta los niveles reales de pérdida esperada de los bancos con mayor precisión que los diferenciales de los CDS o los precios de las acciones. Para examinar esta hipótesis, utilizamos la base de datos iMoney de las tenencias mensuales de FMM estadounidenses. La base de datos contiene información sobre las cantidades (volúmenes) y los precios (tipos de interés) de los préstamos de los FMM estadounidenses a los bancos de nuestra muestra. Agregamos estos datos a una frecuencia semestral. Desafortunadamente, estos datos solo están disponibles para cinco períodos de nuestra muestra (2012H2 a 2014H2).
Si los FMM dispusieran de más información sobre las carteras bancarias que otros participantes en el mercado, el coeficiente estimado (β) sobre la variable de brecha de pérdida esperada sería positivo. Intuitivamente, si un FMM tiene información adicional (no pública) de que la pérdida esperada de un banco determinado es mayor que la que se conoce públicamente (es decir, que EL Gapi, t−1 > 0), entonces le cobraría a ese banco una tasa de interés más alta que la implícita en su diferencial CDS. Por lo tanto, la tasa de financiación en el LHS de nuestra regresión debe asociarse positivamente a los niveles de EL Gapi, t−1 en el RHS después de controlar el nivel del diferencial real de CDS (y otras características a nivel de banco). Además, el Tribunal también investiga si los volúmenes de financiación del FMM se vieron afectados por la diferencia entre las pérdidas reales y las esperadas estimadas por el mercado, sustituyendo la variable de tipo de interés situada a la izquierda de la ecuación 11 por varias variables que capturan los volúmenes de financiación del FMM.
Si, como se documentó anteriormente, las tasas de financiamiento bancario no reflejan el verdadero riesgo en sus carteras, es razonable suponer que los bancos obtienen más o menos financiamiento dependiendo de si las condiciones que enfrentan son favorables o no. Los resultados reportados en las columnas (2) a (5) confirman esta hipótesis. Independientemente de la medida utilizada para cuantificar los importes de financiación, los bancos cuyas condiciones de financiación son favorables porque los mercados están subestimando sus pérdidas esperadas (es decir, EL Gapi,t > 0) obtienen significativamente más financiación del FMM. Las estimaciones no solo son estadísticamente significativas, sino también económicamente significativas. Por ejemplo, el coeficiente indicado en la columna (5) implica que por cada punto porcentual con el que el mercado está subestimando sus pérdidas esperadas, los bancos aumentan su financiación de FMM en un 0,5% de sus activos totales.
¿Están los resultados anteriores impulsados por factores de oferta (relacionados con los FMM de préstamos) o factores de demanda (relacionados con los bancos prestatarios)? Para investigar esta pregunta empíricamente, seguimos a Khwaja y Mian [2008] y reestimamos las especificaciones de la Ecuación 11 y 12 mientras incluimos (MMF) fund x Time fixed effects. Esto nos permite controlar el suministro de financiación por parte de los FMM, ya que muchos FMM prestan a varios bancos de nuestra muestra al mismo tiempo. Los resultados de estas especificaciones alternativas se presentan en el Cuadro 6 del Panel B. Los coeficientes de todas las columnas son muy cercanos (en términos de magnitud y significación) a sus homólogos del Cuadro A del cuadro 6. Esto sugiere que el resultado de equilibrio de una mayor afluencia de financiación del FMM está impulsado principalmente por factores de demanda.
Para comprender la intuición detrás del conjunto anterior de resultados, considere el siguiente ejemplo. Supongamos que hay dos bancos con valores de pérdida esperados idénticos: el Banco A, cuyas pérdidas esperadas son evaluadas con precisión por el mercado (es decir, EL Gapi,t = 0), y el Banco B, cuyas pérdidas esperadas son subestimadas por el mercado (es decir, EL Gapi,t > 0). De todos modos, la curva de demanda del Banco B sería a la derecha la curva de demanda del Banco B, ya que, para cualquier nivel de tasa de interés, sería óptimo que el Banco B pidiera prestado más para aprovechar los costos de financiamiento que son más favorables que los implícitos por el nivel real (a diferencia del estimado por el mercado) de sus pérdidas esperadas. Dado que, como se documenta en la columna 1) del cuadro 6, los tipos de interés de la financiación del FMM de los bancos no dependen de la diferencia entre las pérdidas reales y las esperadas estimadas por el mercado, los dos bancos se enfrentarían (de facto) a la misma curva de oferta. Como resultado, los dos bancos terminarían pagando la misma tasa de interés, mientras que el banco cuyas pérdidas esperadas son subestimadas por los mercados terminaría pidiendo prestado más de MMF.
A continuación, investigamos los efectos de la información asimétrica en la oferta de crédito bancario. Para ello, utilizamos datos de préstamos sindicados de la base de datos Dealscan.15 Construimos un conjunto de datos a nivel de préstamo haciendo coincidir primero los bancos con los prestatarios y luego haciendo coincidir a los prestatarios con la información de su balance (obtenida de la base de datos de Amadeus). Dado que muchas empresas piden prestado a más de un banco, podemos utilizar la estrategia de identificación de Khwaja y Mian [2008] para desenredar la oferta y la demanda de crédito:
Los resultados de la estimación de la Ecuación 13 se presentan en la columna (1a) del Panel A de la Tabla 7. No parece haber una relación estadísticamente significativa entre el nivel de opacidad bancaria y la decisión sobre la oferta de crédito. ¿Estamos sacando demasiada variación usando la rica estructura de efectos fijos? La columna (1b) trata de responder a esta pregunta reemplazando el prestatario x efectos fijos de tiempo con efectos fijos de prestatario y de tiempo separados. La estimación del coeficiente sobre la variable de brecha de pérdida esperada sigue siendo insignificante. Así, el nivel de opacidad bancaria no parece estar vinculado a la cantidad de préstamos que conceden al sector real.
Si bien la opacidad bancaria puede no estar vinculada a los volúmenes generales de préstamos bancarios, es posible que esté vinculada a la composición de los prestatarios. Para probar esta hipótesis, primero interactuamos EL Gapi, t−1 con una variable ficticia (High Riskj,2012) que indica una baja calificación crediticia (BB o peor) del prestatario respectivo en 2012. Utilizamos la calificación crediticia de 2012 para garantizar que no haya endogeneidad en la clasificación de riesgo del prestatario. Los resultados (presentados en la columna (2)) no revelan una relación significativa.
Dado que los préstamos a prestatarios de baja calificación generalmente se asocian con mayores cargos de capital regulatorio, los bancos podrían estar menos dispuestos a prestar a dichos prestatarios cuando buscan rendimiento. En su lugar, podrían tratar de prestar a los prestatarios de mayor rendimiento dentro de la misma categoría de calificación crediticia. Para medir esto, seguimos el enfoque de Acharya et al. [2021], y medimos la brecha entre la tasa de interés pagada por cada prestatario y la tasa de interés promedio pagada por otros prestatarios en la misma combinación industria-país que tienen la misma calificación crediticia. Una brecha positiva revela que un prestatario dado está dispuesto a pagar una tasa de interés más alta que sus pares con calificaciones idénticas. Esto puede indicar un riesgo subyacente que (todavía) no está capturado por la calificación crediticia y, por lo tanto, permite a los bancos buscar rendimiento sin tener que incurrir en mayores cargos de capital. El resultado para la interacción de esta variable de brecha de interés.
¿Estos resultados agregados enmascaran alguna heterogeneidad entre las nacionalidades bancarias? Como se documenta en Acharya et al. [2018] o De Marco [2019], los bancos de la periferia europea a menudo sufrían de bajos niveles de capital, altas cuotas de préstamos improductivos y baja rentabilidad en general. Por lo tanto, sus incentivos para buscar rendimiento fueron mucho más fuertes que los de sus pares de los principales países europeos. Los paneles B y C de la Tabla 7 informan los resultados obtenidos al reestimar el conjunto anterior de regresiones al dividir nuestra muestra de bancos en dos grupos de países: «núcleo» y «periferia» (como se definió en la sección anterior). El Panel B revela que los resultados de los bancos básicos no difieren cualitativamente de los estimados en la muestra completa. Sin embargo, los resultados para los bancos periféricos (que se muestran en el Panel C) son considerablemente diferentes. Los coeficientes estimados en los términos de interacción de la brecha de pérdida esperada con ambos, el maniquí de alto riesgo (en la columna (2)) y el maniquí de búsqueda de rendimiento (en la columna (3)) son estadísticamente significativos. Esto sugiere que los bancos periféricos cuyo riesgo de crédito fue subestimado por los mercados no solo recibieron más financiamiento mayorista, sino que también utilizaron ese financiamiento (al menos parcialmente) para perseguir el rendimiento al otorgar más préstamos de alto rendimiento a prestatarios más riesgosos.
Los resultados anteriores plantean naturalmente dos preguntas de seguimiento. En primer lugar, ¿la búsqueda de rendimiento de los bancos periféricos cuyas pérdidas esperadas fueron subestimadas por los mercados dio como resultado una mayor rentabilidad (al menos a corto plazo)? Si esos bancos recibieron financiación a tasas que eran más bajas que las implícitas en sus pérdidas esperadas (reales) (como se documenta en la Sección 4.1), pero tenían más probabilidades de prestar a prestatarios de mayor riesgo a tasas de interés (relativamente) más altas (como se documenta en la Tabla 7), entonces sus márgenes de interés netos deberían haber aumentado. En segundo lugar, si los bancos básicos cuyas pérdidas esperadas fueron subestimadas por los mercados no buscaban rendimientos (como lo implican los resultados del cuadro 7), ¿qué estaban haciendo con la financiación mayorista adicional que recibieron (documentada en la sección 4.1)?
Arrojamos luz sobre ambas preguntas estimando la siguiente especificación de regresión:
Estimamos las regresiones anteriores para valores de h entre uno y tres, analizando así las relaciones respectivas en un horizonte de un año y medio (ya que, como se mencionó anteriormente, los datos utilizados en estos ejercicios son semestrales). Los préstamos y los títulos de deuda constituyen casi todos los activos que devengan intereses de los bancos. Las regresiones (totales) de préstamos nos permiten probar la existencia de vínculos potenciales entre los volúmenes globales de préstamos de los bancos y la información asimétrica. Los títulos de deuda son el lugar de inversión alternativo natural para los bancos, si los ajustes del mercado de préstamos no se perciben como óptimos, por ejemplo, debido a condiciones de demanda desfavorables. Por último, el margen de interés neto captura la diferencia entre los intereses devengados y los intereses pagados y es una métrica central para la rentabilidad de los bancos.
En el cuadro 8 se resumen los resultados. El Panel A muestra primero los resultados para todos los bancos, antes de que el Panel B y C dividan la muestra a lo largo de la dimensión de nacionalidad del banco central/periférico (previamente definida). El Panel A documenta que los bancos cuyas pérdidas esperadas son subestimadas por los mercados tienden a tener márgenes de interés netos más altos (en todos los horizontes que examinamos) y mayores tenencias de tenencias de títulos de deuda (después de 1,5 años). La relación entre la opacidad bancaria y el crecimiento total de los préstamos no es estadísticamente significativa.
El Panel B revela que el aumento de los títulos de deuda es impulsado por los bancos centrales. Mientras tanto, los márgenes de interés netos de los bancos principales no están significativamente vinculados a sus niveles de opacidad. Por el contrario, el Panel C documenta que el aumento de los márgenes de interés netos en la muestra general es impulsado por los bancos periféricos. A su vez, la relación entre las tenencias de títulos de deuda de los bancos periféricos sus niveles de opacidad no son estadísticamente significativa.
En resumen, los resultados anteriores sugieren las siguientes respuestas a las dos preguntas que examinamos en este último conjunto de regresiones. En primer lugar, los bancos periféricos cuyas pérdidas esperadas fueron subestimadas por los mercados aumentaron su margen de interés neto mediante la búsqueda de rendimiento. En segundo lugar, los bancos principales cuyas pérdidas reales esperadas fueron mayores que las estimaciones de los mercados utilizaron la financiación mayorista adicional que obtuvieron para ampliar sus tenencias de títulos de deuda, pero no vieron un aumento en sus márgenes de interés netos.
Conclusión
El Tribunal examina los patrones y las implicaciones de la opacidad bancaria en Europa utilizando un conjunto de datos detallado a nivel bancario sobre la distribución geográfica y sectorial de las exposiciones de 130 bancos europeos entre 2012 y 2018. En primer lugar, documentamos que las publicaciones de información pública de la ABE tuvieron un impacto significativo en los diferenciales de los CDS y los precios de las acciones de los bancos, lo que implica que los participantes en el mercado estaban mal informados sobre los niveles de riesgo crediticio de los bancos. También mostramos que hubo una considerable heterogeneidad entre las nacionalidades bancarias y los sectores de contraparte: los mercados reaccionaron con mayor fuerza a la nueva información sobre las exposiciones del sector soberano de los bancos de la periferia europea y las exposiciones del sector privado no bancario de los bancos del núcleo europeo.
Además, mostramos que los bancos cuyo riesgo de crédito fue subestimado por los mercados se beneficiaron de tasas de financiamiento mayorista favorables y utilizaron esto para asegurar financiamiento adicional. Esta financiación adicional se invirtió en préstamos más riesgosos y de mayor rendimiento por parte de los bancos de la periferia europea y en títulos de deuda de los bancos del núcleo europeo. Si bien la estrategia anterior de los bancos periféricos aumentó sus márgenes de interés netos en el corto plazo, puede tener consecuencias adversas para la economía real a largo plazo, como teóricamente estipularon Martínez-Miera y Repullo.
Nuestro trabajo presenta varias direcciones posibles para futuras investigaciones. En primer lugar, sería importante examinar la generalidad de nuestros principales resultados investigando el grado en que también están presentes en otras regiones geográficas y períodos de tiempo. En segundo lugar, sería interesante utilizar la medida de opacidad bancaria direccional que introducimos en otros entornos empíricos y examinar sus vínculos con medidas más convencionales de opacidad bancaria e información asimétrica. Finalmente, sería intrigante aplicar la novedosa metodología de estudio de eventos que empleamos en este artículo para cuantificar el impacto de las publicaciones públicas de otros conjuntos de datos que contienen información sobre la distribución de las exposiciones bancarias.