Nonlinear effects of lending rates on credit risk in microfinance institutions: evidence from Peruvian municipal savings and credit banks

Sintesi Tecnica: Effetti Non Lineari dei Tassi di Prestito sul Rischio di Credito nelle Istituzioni di Microfinanza Peruviane

Problematica
Le istituzioni di microfinanza (MFI) nelle economie emergenti operano in condizioni di asimmetria informativa, dove i mutuatari possiedono spesso una limitata trasparenza finanziaria e capacità di rimborso instabili. Sebbene le istituzioni debbano fissare i tassi di prestito per coprire i costi operativi e il rischio atteso, tassi eccessivamente elevati possono innescare selezione avversa e azzardo morale. Secondo le teorie di Stiglitz e Weiss (1981), tassi di interesse più elevati possono alterare la composizione del pool di mutuatari, attirando individui più rischiosi o incoraggiando comportamenti più rischiosi post-erogazione, deteriorando così la qualità del portafoglio. Nonostante la vasta letteratura che collega il rischio di credito a fattori macroeconomici e specifici delle banche, rimane una lacuna nella comprensione se esista una specifica soglia di "tasso ottimale" di prestito nel microcredito, oltre la quale tassi più elevati cessano di compensare il rischio e invece aumentano il rischio di credito. Questo studio affronta tale lacuna esaminando la relazione non lineare tra i tassi di prestito e il rischio di credito all'interno delle Banche di Risparmio e Credito Municipali peruviane durante il periodo 2021–2025.

Metodologia
Lo studio impiega un disegno di ricerca quantitativo ed esplicativo utilizzando un dataset panel bilanciato composto da dieci Banche di Risparmio e Credito Municipali peruviane nell'arco di cinque anni (2021–2025), che risulta in 50 osservazioni annuali. I dati sono stati estratti dalla Superintendencia de Banca, Seguros y Administradoras Privadas de Fondos de Pensiones (SBS) per gli indicatori finanziari e dal Banco Central de Reserva del Perú (BCRP) per i dati macroeconomici.

La specifica econometrica centrale è un modello panel a effetti fissi progettato per controllare l'eterogeneità istituzionale non osservata (ad esempio, politiche interne di screening o copertura regionale). La variabile dipendente, il Rischio di Credito ($RC_{it}$), è misurata come il rapporto tra prestiti scaduti e prestiti diretti. La principale variabile esplicativa è il Tasso di Prestito ($r_{it}$), definito come il tasso di interesse nominale effettivo annuo applicato al microcredito. Per testare la non linearità, il modello include un termine quadratico ($r_{it}^2$).

L'equazione stimata è:
$$RC_{it} = \beta_0 + \beta_1 r_{it} + \beta_2 r_{it}^2 + \beta_3 gmf_{it} + \beta_4 csa_{it} + \beta_5 y_t + \beta_6 Dm_{it} + \mu_i + u_{it}$$

Dove:

• $gmf_{it}$: Efficienza operativa (Spese operative / Margine finanziario).
• $csa_{it}$: Intensità del credito (Prestiti diretti / Totale attività).
• $y_t$: Crescita del PIL (controllo macroeconomico).
• $Dm_{it}$: Variabili dummy per osservazioni outlier.
• $\mu_i$: Effetti fissi specifici dell'istituzione.

Lo studio utilizza test diagnostici inclusi il test di Jarque–Bera per la normalità dei residui, il test CD di Pesaran per la dipendenza trasversale e la statistica Durbin–Watson per l'autocorrelazione. Il tasso di prestito ottimale ($r^*$) è derivato ponendo a zero l'effetto marginale del tasso di prestito sul rischio di credito ($\partial RC / \partial r = 0$). Per valutare l'incertezza statistica di questa soglia, è stata eseguita una procedura di bootstrap cluster (10.000 repliche) a livello di istituzione.

Risultati Chiave

1. Relazione Non Lineare: La stima conferma una relazione a forma di U statisticamente significativa tra i tassi di prestito e il rischio di credito. Il coefficiente lineare per il tasso di prestito è negativo ($\beta_1 = -0,4497$), mentre il coefficiente quadratico è positivo e significativo ($\beta_2 = 0,0077$, $p=0,024$). Ciò indica che il rischio di credito diminuisce inizialmente all'aumentare dei tassi (potenzialmente compensando il rischio), ma aumenta infine una volta superata una specifica soglia.
2. Tasso di Prestito Ottimale: Il tasso di prestito ottimale calcolato è del 29,21% annuo effettivo. L'intervallo di confidenza bootstrap al 95% per questa soglia varia dal 24,51% al 36,53%.
3. Variabili di Controllo:
   • Efficienza Operativa ($gmf_{it}$): Associata positivamente al rischio di credito ($\beta = 0,0581$), suggerendo che costi operativi più elevati rispetto ai margini correlano con il deterioramento del portafoglio.
   • Intensità del Credito ($csa_{it}$): Associata negativamente al rischio di credito ($\beta = -0,0900$).
   • Crescita Economica ($y_t$): Associata negativamente al rischio di credito ($\beta = -0,0798$), confermando che condizioni macroeconomiche favorevoli migliorano la capacità di rimborso.
4. Simulazione Economica: Un'analisi di scenario dimostra l'entità economica del superamento della soglia ottimale. Aumentare il tasso di prestito dal valore ottimale del 29,21% al 45,00% (mantenendo costanti le altre variabili) eleva il rischio di credito stimato dal 4,98% al 6,90%, un incremento di 1,92 punti percentuali.

Contributi Principali e Significato
Il contributo primario di questo studio è l'identificazione empirica di una relazione non lineare a forma di U tra i tassi di prestito e il rischio di credito nel settore della microfinanza peruviana. Integrando il quadro dell'asimmetria informativa di Stiglitz e Weiss (1981) con l'evidenza dei dati panel, il documento dimostra che i tassi di prestito funzionano non solo come meccanismo di prezzo, ma come determinante della qualità del portafoglio.

Lo studio sostiene che esiste un limite prudenziale alla determinazione dei prezzi del credito. Mentre i tassi al di sotto della soglia ottimale possono aiutare le istituzioni a coprire i costi e il rischio, i tassi significativamente superiori a questo livello (ad esempio, il 45%) non riescono a compensare il rischio e, al contrario, deteriorano attivamente la qualità del portafoglio aumentando la probabilità di insolvenza. Questo risultato fornisce prove per la determinazione dei prezzi del credito, la gestione del rischio e la supervisione prudenziale, suggerendo che le MFI dovrebbero evitare politiche di pricing aggressive che eccedano la soglia stimata, in particolare quando servono mutuatari con informazioni finanziarie limitate e alta vulnerabilità.

Limitazioni
Gli autori riconoscono che l'analisi si basa su dati annuali per un set specifico di dieci istituzioni nell'arco di un periodo di cinque anni. Suggeriscono che le ricerche future potrebbero beneficiare di dati a frequenza più elevata (mensili o trimestrali), approcci di stima dinamica (come il GMM) per affrontare la potenziale endogeneità e studi comparativi tra altri sistemi di microfinanza dell'America Latina per determinare se le soglie stimate siano specifiche del mercato peruviano o applicabili più ampiamente.