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

Technische Samenvatting: Niet-lineaire effecten van rentetarieven op het kredietrisico bij Peruaanse microfinancieringsinstellingen

Probleemstelling
Microfinancieringsinstellingen (MFI's) in opkomende economieën opereren onder omstandigheden van asymmetrische informatie, waarbij leners vaak beperkte financiële transparantie en een instabiele terugbetalingscapaciteit hebben. Hoewel instellingen rentetarieven moeten vaststellen om operationele kosten en verwacht risico te dekken, kunnen excessief hoge rentes leiden tot adverse selectie (ongunstige selectie) en moreel gevaar (moral hazard). Volgens de theorieën van Stiglitz en Weiss (1981) kunnen hogere rentetarieven de samenstelling van de lenerpool veranderen, door risicovollere individuen aan te trekken of risicovoller gedrag na de kredietverlening te stimuleren, wat de portefeuillekwaliteit verslechtert. Ondanks de uitgebreide literatuur die de link legt tussen kredietrisico en macro-economische en bankspecifieke factoren, blijft er een gat in het begrip of er een specifieke "optimale" rentedrempel bestaat in microfinanciering, waarna hogere rentes het risico niet langer compenseren maar juist het kredietrisico verhogen. Deze studie adresseert dit gat door het niet-lineaire verband tussen rentetarieven en kredietrisico te onderzoeken binnen Peruaanse gemeentelijke spaar- en kredietbanken (Cajas Municipales) tijdens de periode 2021–2025.

Methodologie
De studie maakt gebruik van een kwantitatief, verklarend onderzoeksontwerp met behulp van een gebalanceerde paneldataset bestaande uit tien Peruaanse gemeentelijke spaar- en kredietbanken over vijf jaar (2021–2025), wat resulteert in 50 jaarlijkse observaties. De gegevens zijn afkomstig van de Superintendencia de Banca, Seguros y Entidades de Pensiones (SBS) voor financiële indicatoren en de Centrale Bank van Peru (BCRP) voor macro-economische gegevens.

De kern van de econometrische specificatie is een fixed-effects panelmodel, ontworpen om ongeobserveerde institutionele heterogeniteit te controleren (bijv. interne screeningbeleid, regionale dekking). De afhankelijke variabele, Kredietrisico ($RC_{it}$), wordt gemeten als de ratio van achterstallige leningen ten opzichte van directe leningen. De primaire verklarende variabele is het Rentetarief ($r_{it}$), gedefinieerd als het jaarlijkse effectieve nominale rentetarief toegepast op microkrediet. Om te testen op niet-lineariteit bevat het model een kwadratische term ($r_{it}^2$).

De geschatte vergelijking is:
$$RC_{it} = \beta_0 + \beta_1 r_{it} + \beta_2 r_{it}^2 + \beta_3 gmf_{it} + \beta_4 csa_{it} + \beta_5 y_t + \beta_6 Dm_{it} + \mu_i + u_{it}$$

Waarbij:

• $gmf_{it}$: Operationele efficiëntie (Operationele kosten / Financiële marge).
• $csa_{it}$: Kredietintensiteit (Directe leningen / Totale activa).
• $y_t$: BBP-groei (macro-economische controle).
• $Dm_{it}$: Dummy-variabelen voor uitschieters.
• $\mu_i$: Instellingsspecifieke fixed effects.

De studie maakt gebruik van diagnostische toetsen, waaronder de Jarque–Bera-toets voor residunormale verdeling, de CD-toets van Pesaran voor dwarsdoorsneden-afhankelijkheid en de Durbin–Watson-statistiek voor autocorrelatie. Het optimale rentetarief ($r^*$) wordt afgeleid door het marginale effect van het rentetarief op het kredietrisico gelijk te stellen aan nul ($\partial RC / \partial r = 0$). Om de statistische onzekerheid van deze drempel te beoordelen, is een cluster-bootstrap-procedure (10.000 replicaties) uitgevoerd op het niveau van de instelling.

Belangrijkste Resultaten

1. Niet-lineair verband: De schatting bevestigt een statistisch significante U-vormige relatie tussen rentetarieven en kredietrisico. De lineaire coëfficiënt voor het rentetarief is negatief ($\beta_1 = -0,4497$), terwijl de kwadratische coëfficiënt positief en significant is ($\beta_2 = 0,0077$, $p=0,024$). Dit geeft aan dat het kredietrisico aanvankelijk afneemt naarmate de rentes stijgen (mogelijk ter compensatie van risico), maar uiteindelijk toeneemt zodra een specifieke drempel wordt overschreden.
2. Optimaal Rentetarief: Het berekende optimale rentetarief is 29,21% effectieve jaarlijkse rente. Het 95% bootstrap betrouwbaarheidsinterval voor deze drempel varieert van 24,51% tot 36,53%.
3. Controle-variabelen:
   • Operationele Efficiëntie ($gmf_{it}$): Positief geassocieerd met kredietrisico ($\beta = 0,0581$), wat suggereert dat hogere operationele kosten relatief aan de marges correleren met de verslechtering van de portefeuille.
   • Kredietintensiteit ($csa_{it}$): Negatief geassocieerd met kredietrisico ($\beta = -0,0900$).
   • Economische Groei ($y_t$): Negatief geassocieerd met kredietrisico ($\beta = -0,0798$), wat bevestigt dat gunstige macro-economische omstandigheden de terugbetalingscapaciteit verbeteren.
4. Economische Simulatie: Een scenarioanalyse toont de economische omvang van het overschrijden van de optimale drempel. Het verhogen van het rentetarief van de optimale 29,21% naar 45,00% (bij gelijkblijvende overige variabelen) verhoogt het geschatte kredietrisico van 4,98% naar 6,90%, een stijging van 1,92 procentpunt.

Belangrijkste Bijdragen en Betekenis
De primaire bijdrage van deze studie is de empirische identificatie van een niet-lineaire, U-vormige relatie tussen rentetarieven en kredietrisico in de Peruaanse microfinancieringssector. Door het kader van asymmetrische informatie van Stiglitz en Weiss (1981 te integreren met paneldata-bewijs, toont het artikel aan dat rentetarieven niet slechts een prijsmechanisme zijn, maar een determinant van de portefeuillekwaliteit.

De studie stelt dat er een prudentiële limiet is aan kredietbeprijzing. Terwijl rentes onder de optimale drempel instellingen kunnen helpen om kosten en risico's te dekken, falen rentes die significant boven dit niveau liggen (bijv. 45%) om het risico te compenseren en verslechteren ze in plaats daarvan actief de portefeuillekwaliteit door de kans op wanbetaling te vergroten. Dit resultaat levert bewijs voor kredietbeprijzing, risicobeheer en prudentieel toezicht, en suggereert dat MFI's agressieve prijsbeleid moeten vermijden die de geschatte drempel overschrijdt, vooral wanneer zij leners bedienen met beperkte financiële informatie en een hoge kwetsbaarheid.

Beperkingen
De auteurs erkennen dat de analyse is gebaseerd op jaarlijkse gegevens voor een specifieke set van tien instellingen over een periode van vijf jaar. Zij suggereren dat toekomstig onderzoek kan profiteren van gegevens met een hogere frequentie (maandelijks of kwartaalcijfers), dynamische schattingsmethoden (zoals GMM) om potentiële endogeniteit aan te pakken, en vergelijkende studies over andere Latijns-Amerikaanse microfinancieringssystemen om te bepalen of de geschatte drempels specifiek zijn voor de Peruaanse markt of breder toepasbaar zijn.