Tasa de Morosidad Agregada

La tasa de morosidad agregada es el ratio de los créditos morosos entre el total de créditos concedidos por las entidades de crédito.

Las previsiones se actualizan una vez al mes, en coincidencia con la publicación por parte del Banco de España de los datos sobre morosidad (normalmente entre el día 16 y 18 de cada mes). La última actualización de las previsiones ha tenido lugar el

En la tabla siguiente se resumen las ultimas dos actualizaciones de las previsiones así como el ultimo dato sobre morosidad agregada publicado por el Banco de España. Las flechas en la segunda fila indican si el dato es mayor o menor que en la anterior previsión. Una flecha roja hacía arriba indica una tasa de morosidad agregada más alta, una flecha verde hacia abajo indica una tasa de morosidad agregada mas baja.

Ultimas previsiones tasa de morosidad agregada

Previsiones julio 2014

El gráfico interactivo más abajo permite revisar el historial de las tasas de morosidad agregada desde noviembre de 2010 y de las previsiones de la misma realizada en el Observatorio de Morosidad.

Historial de tasas de morosidad agregadas y previsiones del Observatorio de Morosidad

Previsiones

Previsión anterior
Siguiente previsión

Notas:

Sareb 1: Diciembre de 2012: Transferencias a la Sareb de activos de las cuatro entidades nacionalizadas (BFA - Bankia, Catalunya Banc, NCG Banco - Banco Gallego y Banco de Valencia). Para mayores detalles: Sareb

Sareb 2: Febrero de 2013: Transferencias a la Sareb de activos de las entidades en proceso de reestructuración o resolución según lo previsto en la Ley 9/2012 (Banco Mare Nostrum, CEISS, Caja3 y Liberbank). Para mayores detalles: Sareb

Reclasificación riesgos: Enero de 2014: Cambio en los criterios para asignar riesgo "normal", no dudoso, a los créditos refinanciados tras la reforma de la Ley Concursal. Para mayor información ver la nota informativa del Banco de España

Resumen de la metodología

El enfoque que utilizamos para construir predicciones de la tasa de morosidad consiste en realizar predicciones del numerador y del denominador por separado y luego calcular su ratio.

Para las predicciones del numerador, primero se modela una relación de equilibrio a largo plazo (cointegración) entre la variable dependiente – la variable a predecir – y un connjunto de variables explicativas (deudores a la vista, paro registrado y euribor a 1 año). Luego, se usa dicha relación de equilibrio, retardos de la variable dependiente y otras variables que capturan su comportamiento a corto plazo (retardos de la primera diferencia de la propia variable dependiente, el principal medio de los nuevos préstamos hipotecarios, la inflación anual, el índice de confianza de los consumidores, los deudores a la vista, el importe de los efectos de comercio impagados, el valor de los inmuebles propiedad de las entidades de crédito ) para predecir los valores futuros de la variable dependiente (los créditos morosos).

Las predicciones del denominador se realizan mediante un modelo SARIMA (Seasonal ARIMA) aditivo. A dicho modelo se le añaden una serie de variables predeterminadas que son son retardos (de la primera diferencia) del paro registrado, el euribor a 1 año, el indicador de sentimiento económico, el índice de producción industrial, el número de matriculaciones de vehículos, el importe de los efectos de comercio impagados, el valor de los inmuebles propiedad de las entidades de crédito, el índice general de la Bolsa de Madrid.

La evolución de la morosidad responde tanto a factores económicos como a intervenciones de naturaleza política o regulatoria. Por ejemplo, los traspasos de los activos inmobiliarios de las entidades nacionalizadas a Sareb en diciembre de 2012 y en febrero de 2013 provocaron una caída tanto en la cantidad de créditos concedidos a familias y empresas, como en el saldo total de préstamos dudosos. Como consecuencia, la tasa de morosidad registró descensos notables en los meses de diciembre de 2012 (de un 11,38% en noviembre a un 10,43% en diciembre) y de febrero de 2013 (de un 10,78% en enero a un 10,40% en febrero). Asimismo, en enero de 2014 cambiaron los criterios para asignar riesgo "normal", no dudoso, a los créditos refinanciados tras la reforma de la Ley Concursal, lo que provocó también un ligero descenso en la tasa de morosidad.

Para tener en cuenta los efectos de este tipo de eventos de naturaleza política o regulatoria, aplicamos unas transformaciones lineales a las series históricas de crédito y crédito moroso, que el modelo utiliza en su componente autorregresiva. Para más detalles sobre estas transformaciones, véase el apartado 1.c de la Nota metodológica del Observatorio de Morosidad. La idea que subyace a este mecanismo de corrección es la de realizar un “back-of-the-envelope calculation” de los cambios determinados por las intervenciones de naturaleza política o regulatoria en los conjuntos de activos y transformar las series históricas para que las predicciones futuras tengan en cuenta estos cambios.

Nota metodológica del Observatorio de Morosidad


FEDEA | Fundación de Estudios de Economía Aplicada
C/ Jorge Juan, 46 - 28001
Madrid. Spain

TEL. +34 91 435 90 20
FAX. +34 91 577 95 75

Morosidad agregada Morosidad total sectores productivos Histórico