Affiliation:
1. Universidad Nacional Autónoma de México, México
Abstract
Se propone construir un índice acerca de los ciclos financieros del sector bancario en México, usando métricas de desempeño del G7 y el ACP. Se compara este indicador con los ciclos económicos y financieros nacionales, así también se analiza el comportamiento de las métricas antes, durante y después de la crisis financiera Subprime y la crisis sanitaria COVID19. Se encontró que el Componente Principal 1 del G7 (CP1G7) es un indicador adecuado para medir el estado (recesión o expansión) que guarda el sistema bancario mexicano, así también, el ACP permitió identificar las variables que más impactan en cada periodo. No existe a nivel nacional un indicador acerca de los ciclos del sector bancario, ni un análisis de las métricas en periodos de crisis. El modelo no incluye variables exógenas (económicas o financieras). En conclusión, tanto el índice CP1G7 como el análisis de la dinámica de las métricas bancarias, son herramientas útiles para la detección temprana de posibles amenazas para la estabilidad financiera.
Publisher
Instituto Mexicano de Ejecutivos de Finanzas, A.C. (IMEF)
Subject
Economics, Econometrics and Finance (miscellaneous),Finance
Reference28 articles.
1. [1] Badarau, F., Levieuge G. (2010). Assessing the Potential Strength of a Bank Capital Channel in Europe: A Principal Component Analysis. Recuperado de. https://hal.archives-ouvertes.fr/hal-00641983v2
2. [2] Broto, C., Alonso, J., Cáceres, G., et al. (2021). How Do Central Banks Identify Risks? A Survey of Indicators. Banco de España Occasional Paper No. 2125. http://dx.org/10.2139/ssrn.3934181
3. [3] Chen, S., Svirydzenka, K. (2021). Financial Cycles – Early Warning Indicators of Banking Crises?. IMF Working Paper No. 21/116, pp. 1-79. https://doi.org/10.5089/9781513582306.001
4. [4] Fang, L., Xiao, B., Yu, H., You, Q. (2017). A stable systemic risk ranking in China’s banking sector: Based on principal component analysis. Physica A: Statistical Mechanics and its Applications,Volumen 492, pp. 1997-2009. https://doi.org/10.1016/j.physa.2017.11.115
5. [5] Feng, W., Zhao, Y., Deng, J. (2009). Application of SVM Based on Principal Component Analysis to Credit Risk Assessment in Commercial Banks. WRI Global Congress on Intelligent Systems, Volumen 4, pp. 49-52. https://doi.org/10.1109/GCIS.2009.46