Crisis bancarias en Europa. Un análisis con indicadores de solidez financiera

Facultad de Ciencias Económicas y Empresariales Máster en Consultoría Económica y Análisis Aplicado CRISIS BANCARIAS EN EUROPA. UN ANÁLISIS CON INDICADORES DE SOLIDEZ FINANCIERA Trabajo Fin de Máster presentado para optar al Título de Máster en Consultoría Económica y Análisis Aplicado por Carmen Escudero Pérez, siendo la tutora del mismo Dolores José Gómez Gutiérrez. Vº. Bº. Del Tutor: Dolores José Gómez Domínguez Alumno: Carmen Escudero Pérez. D. Bº. Tutor Alumno Sevilla, 3 de Noviembre de 2017 MÁSTER EN CONSULTORÍA ECONÓMICA Y ANÁLISIS APLICADO FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES TRABAJO FIN DE MASTER CURSO ACADÉMICO [2016-2017] TÍTULO: CRISIS BANCARIAS EN EUROPA. UN ANÁLISIS CON INDICADORES DE SOLIDEZ FINANCIERA. AUTOR: CARMEN ESCUDERO PÉREZ TUTOR: DOLORES JOSÉ GÓMEZ DOMÍNGUEZ. LÍNEA DE INVESTIGACIÓN: MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA Y LA EMPRESA. ÍNDICE 1. INTRODUCCIÓN ........................................................................................................................... 1 2. CRISIS BANCARIA ........................................................................................................................... 2 2.1. Definición y clasificación de crisis financieras. ........................................................................... 2 2.2. Identificación de crisis bancaria. ................................................................................................... 4 3. CRISIS BANCARIA EN EUROPA .................................................................................................... 4 3.1. Origenes de la crisis ...................................................................................................................... 4 3.2. Respuestas políticas a las crisis..................................................................................................... 9 3.3. Reforma financiera – Saneamiento financiero ............................................................................ 10 4. SISTEMAS DE ALARMA TEMPRANA Y REVISIÓN DE LITERATURA................................. 12 4.1. Sistemas de alarma temprana ...................................................................................................... 12 Análisis discriminante .................................................................................................................... 16 Regresión logística ......................................................................................................................... 17 Inteligencia artificial ...................................................................................................................... 18 4.2. Revisión de literatura .................................................................................................................. 21 5. ANÁLISIS EXPLICATIVO DE CRISIS BANCARIAS EN EUROPA ........................................... 29 5.1. Descripción de la muestra y las variables ................................................................................... 29 5.2. Análisis descriptivo de las variables de solidez financiera ......................................................... 33 5.3. Resultados del análisis multivariante .......................................................................................... 36 6. CONCLUSIONES ............................................................................................................................. 39 7. BIBLIOGRAFÍA ............................................................................................................................... 41 1 1. INTRODUCCIÓN En el periodo comprendido entre 1970 y 2011, Laeven y Valencia (2013) fechan en total 147 episodios de crisis bancaria en el mundo. Poghosyan y Cihák (2009) señalan, que en el periodo 19972008, de los 28 actuales países miembros de la Unión Europea se han producido episodios de crisis de bancos en 25 de ellos. Estas crisis, aunque distantes en el tiempo, y a pesar de presentarse en contextos monetarios y entornos en materia de regulación diferentes, presentan algunos rasgos comunes. La existencia de esos patrones comunes en el desarrollo de crisis bancarias es importante, porque permite extraer un conjunto de variables sobre las que estrechar la vigilancia y ha propiciado una importante literatura en los denominados sistemas de alerta. Los denominados modelos de alerta temprana para predecir el fracaso empresarial en general tienen su origen en los trabajos de Beaver (1968) y Altman (1968). El trabajo de Tascón y Castaño (2012) presenta una revisión de los modelos de predicción del fracaso empresarial. La primera aplicación al sistema bancario se debe a Meyer y Pifer (1970) mediante la utilización de un modelo de regresión lineal. A este trabajo le seguirá el de Sinkey (1975) con un estudio sobre bancos problemáticos (con tendencia al fracaso) para el sistema bancario estadounidense utilizando análisis discriminante. Martín (1977) aplica la regresión logística con similar finalidad para los bancos bajo supervisión de la Reserva Federal. Tras estos trabajos iniciales son numerosos los realizados en esta línea y aplicados a distintos episodios de fracaso bancario. Betz et. al. (2013) elaboran recientemente un trabajo para las crisis de bancos acaecidas en Europa en el periodo comprendido entre el primer trimestre del 2000 y el segundo de 2013. En la década de los 90 y debido a la proliferación de crisis bancaria que afectan no de manera aislada sino a buena parte del sistema bancario de un país o a un número importante de entidades bancarias, surge un nuevo cuerpo de literatura que trata el pronóstico y predicción de crisis bancarias a nivel de sistema bancario. En esta literatura, los indicadores que predominan son variables que reflejan el entorno económico y empresarial en el que los bancos desarrollan sus actividades y variables del sistema financiero a nivel agregado. En esta segunda línea destacan los trabajos de Kaminsky y Reinhart (1999) y Demirguç-Kunt y Detragiache (1997). En principio, debido a los problemas de inestabilidad financiera y bancaria, el Fondo Monetario Internacional (FMI 2006) desarrolla una guía para que los países recopilen de forma 2 armonizada, un conjunto de indicadores de solidez financiera con el objetivo de ayudar a detectar inestabilidades en los sistemas financieros y bancarios. Estos indicadores junto a otros indicadores de entorno económico son utilizados por Cihác y Schaeck (2007) para probar si éstos anticipan mejor las posibles crisis bancarias. El objetivo de este trabajo es comprobar si variables que han sido explicativas en trabajos previos de crisis bancarias, lo son en el análisis de las recientes crisis acontecidas en la Unión Europea. El proyecto se estructura de la siguiente forma. Además de esta introducción, en el apartado siguiente expondremos el concepto de crisis bancaria como uno de los tipos de crisis financiera. El apartado tres lo dedicamos al análisis de la crisis bancaria en Europa, reflejando las políticas llevadas a cabo para su resolución y las condiciones en las que está el sistema financiero. En el cuarto apartado, ya que nos apoyaremos en la literatura previa en Sistema de Alarma Temprana, definiremos que es un SAT, cuáles son las fases que deben seguirse en su diseño y las técnicas cuantitativas utilizadas en su elaboración. En el apartado cinco, utilizando la metodología de los sistemas de alarma, presentamos un análisis de los factores explicativos de las crisis bancarias ocurridas en la Unión Europea con posterioridad al inicio de la crisis financiera internacional. Además de variables de entorno económico, consideramos en nuestra aplicación indicadores de solidez financiera del conjunto de las entidades de depósito. El apartado comienza con la selección de la muestra y de las variables. Tras el análisis descriptivo de las variables explicativas de solidez financiera en el entorno de la crisis, realizamos un análisis conjunto con todas las variables utilizando el análisis logit. Cerramos este trabajo aportando unas breves conclusiones. 2. CRISIS BANCARIA 2.1. Definición y clasificación de crisis financieras. En primer lugar, puesto que la crisis bancaria constituye uno de los tipos de crisis financiera que relacionamos a continuación, parece conveniente dar respuesta a la siguiente pregunta ¿Qué es una crisis financiera? Para Martin-Aceña et al. (2013, p.18), “una crisis financiera puede ser explicada como un desorden en el sistema financiero que impide que éste cumpla de forma adecuada sus funciones, como 3 proporcionar los medios de pago necesarios en la economía o llevar a cabo procesos de intermediación financiera. Cuando estas funciones se ven alteradas, se produce un mal funcionamiento que ocasiona una contracción de la actividad económica.”. En definitiva, las crisis son el resultado de acumular riesgos ligados a las características intrínsecas del sistema financiero. Como se ha mencionado anteriormente, existen diferentes tipos de crisis financieras, cada cual con su propio origen y unos rasgos característicos particulares. Los tipos de crisis financieras son:  Bancaria  Tipo de cambio  Bursátil  De deuda En la mayoría de ocasiones, no se produce sólo un tipo de crisis, sino que suelen coincidir en el tiempo. Desde el primer momento en el que se origina una crisis, se produce un círculo vicioso que provoca que los diferentes tipos estallen. Cuando aparecen dos tipos de crisis a la vez se habla de crisis gemelas, son comunes la combinación de cambiaria y bancaria, bancaria y de deuda, cambiaria y de deuda. La simultaneidad de más de un tipo de crisis hace más costosa la recuperación, en términos de PIB y en tiempo. Esto es recogido en los trabajos de Reinhart y Rogoff (2013) y Laeven y Valencia (2012) En lo que respecta al concepto de crisis bancaria, podríamos decir que es la situación que se produce, cuando las entidades bancarias sufren dificultades que les impiden llevar a cabo su labor de intermediación financiera. Las dificultades pueden estar motivadas por falta de liquidez o problemas de solvencia. La duda sobre la solvencia de un banco, aunque sea infundada puede ocasionar problemas de liquidez, lo cual produce una retirada masiva de depósitos y la necesidad de que las autoridades monetarias intervengan inyectando liquidez. Los factores que provocan las crisis bancarias son diversos, Amieva y Urriza (2000) citan entre éstos: problemas internos de algún banco en cuestión, factores macroeconómicos, una situación de pánico que provoque la retirada de fondos, una regulación y supervisión deficientes, otorgamiento excesivo de crédito a un sector o partes relacionadas. Las crisis bancarias, sobre todo cuando alcanza gran dimensión, suele transmitirse al sector real y afectar negativamente a la actividad económica. Cómo explica Martin-Aceña et al. (2013), la mayoría 4 de las crisis financieras internacionales de mayor gravedad han sido crisis bancarias. Según los datos de Laeven y Valencia (2013), treinta de los 147 episodios fechados se producen en el siglo XXI. En lo que respecta a darle solución a esta crisis, las autoridades tienen diferentes métodos, como por ejemplo conceder créditos de emergencia a los bancos con mayores dificultades, permitir que las entidades no cumplan ciertos requisitos anteriormente regulados o intervenir directamente en los bancos que más problemas presenten. El coste y tiempo de resolución dependerá en parte del tiempo que se tarde en tomar las medidas. 2.2. Identificación de crisis bancaria. Dentro de los diferentes tipos de crisis financieras, la dificultad para identificar una crisis bancaria reside en sus límites, es decir, detectar su comienzo y su final. Por lo general, los investigadores fechan este tipo de crisis usando un enfoque cualitativo a partir de una combinación de eventos, ya sean cierres forzosos de entidades bancarias, fusiones o adquisiciones por parte del gobierno de muchas instituciones financieras, etc. Otra forma de medida es a través de los costes fiscales asociados a la resolución de estos episodios. El problema de fechar el fin de una crisis bancaria se debe a que sus efectos pueden persistir durante bastante tiempo. El estudio de Reinhart y Rogoff (2009) data el inicio de una crisis bancaria por dos eventos. Por un lado, la existencia de problemas masivos bancarios que conducen al cierre, a la fusión o adquisición inducida por parte del sector público de una o más instituciones financieras. Por otro lado, si no hay problemas masivos, comprueban el cierre, fusión, adquisición o ayuda pública a gran escala de una institución financiera importante. Los inconvenientes que presenta este enfoque son entre otros, la probabilidad de datar una crisis demasiado tarde o temprano y no da información alguna sobre la finalización de los episodios. Otros trabajos que datan episodios de crisis bancarias son los de Kaminsky y Reinhart (1999), Demirguç-kunt y Detragiache (1998), Leaven y Valencia (2013). 3. CRISIS BANCARIA EN EUROPA 3.1. Origenes de la crisis Es un hecho evidente que la crisis financiera mundial ha afectado profundamente a Europa. Las condiciones financieras favorables anteriores a la crisis permitieron que la deuda se acumulara en varios sectores de la economía. El sector bancario desempeñó un papel crucial al proveer dicha financiación en toda la Unión Europea. El sistema financiero sufrió una crisis de liquidez sin 11 En el caso de Italia, recientemente se hizo pública la necesidad de liquidación de las entidades Popolare di Vicenza y Veneto Banca, absorbidas por Intensa Sanpaolo por valor de un euro, una vez declaradas inviables por el Banco Central Europeo. A este mismo precio el banco Santander adquirió el Banco Popular en España en junio de este año, tras ser la primera intervención que llevó a cabo el Mecanismo Único de Resolución Europeo a un banco sistémico. Recuperar la confianza sería esencial para disminuir las divergencias existentes entre países en los costes del crédito bancario. Al ofrecer a los mercados una imagen más transparente y análoga de los balances bancarios, se podría reducir la fragmentación financiera y mejorar el mecanismo de transmisión monetaria. En resumen, los costes de la resolución de la crisis bancaria en Europa contabilizados hasta ahora, han sido cuantiosos. Para hacernos una idea de ello, el siguiente cuadro recoge un resumen de las ayudas de diferentes índoles que ha ido otorgando la UE desde 2008 a los países afectados por la crisis bancaria, para promover la recuperación. Se han agrupado en función de las formas de asistencia: Mediante la inyección de capital, la recuperación de activos dañados, los avales sobre pasivos y otro tipo de medidas. A su vez, se han diferenciado las aprobadas en un principio con respecto a las utilizadas finalmente. Según los datos facilitados por la Dirección General de Competencia de la Comisión Europea, el capital disponible para ayudas era de 800 mil millones de euros para recapitalización, 600 mil millones para salvar los activos dañados, 3.3 billones de euros en forma de garantías, además de 230 mil millones para otros tipos de medidas. Cuadro 1: Ayudas al Sector financiero aprobadas por la Comisión Europea 2008-2015 12 Fuente: Dirección General de Competencia de la Comisión Europea. Elaboración propia Como se aprecia en el cuadro 1, las cifras inicialmente propuestas fueron muy superiores al coste efectivo real, ya que las ayudas no fueron utilizadas en su totalidad. Se han recogido los países de la UE donde de una u otra forma han necesitados ayudas públicas y además han tenido un fuerte impacto, por esta misma razón no se han incluido Bulgaria, Croacia, Estonia, Eslovaquia, Finlandia, Malta, Polonia, República Checa y Rumanía. Si nos centramos en el impacto que han tenido estas ayudas, España no es el país con peores datos, el total de ayudas que han recibido los bancos españoles ha sido de 186.100 millones de euros (en su mayoría provienen de inyección de capital y de ayudas para asimilar los activos dañados). Este puesto lo encabeza Irlanda, ya que como hemos mencionado anteriormente ha sido uno de los países de la UE que más se ha visto afectado por la crisis bancaria y ha recibido una inyección de 350 mil millones de euros, seguido de Reino Unido (332 mil millones) y Alemania (283 mil millones). 4. SISTEMAS DE ALARMA TEMPRANA Y REVISIÓN DE LITERATURA 4.1. Sistemas de alarma temprana Anticiparse en la medida de lo posible al fenómeno de las crisis bancarias es objetivo, desde hace décadas, de investigadores, gestores bancarios y reguladores y supervisores. Con este fin, comienza a desarrollarse un cuerpo de literatura en indicadores de vulnerabilidad y en sistemas de alarma temprana. mm de euros PIB Inyección de capital Activos dañados Avales sobre pasivos Otras medidas 2015 Aprobadas total Utilizadas Aprobadas total Utilizadas Aprobadas máximo Utilizadas Aprobadas máximo Utilizadas Bélgica 410,4 23,3 20,8 28,2 21,8 265,8 46,8 20,5 0,0 Dinamarca 271,8 14,6 10,8 2,3 0,3 580,0 145,0 4,9 2,0 Alemania 3032,8 114,6 64,2 82,8 80,0 447,8 135,0 9,5 4,7 Irlanda 255,8 91,6 62,8 57,2 2,6 376,0 284,3 40,7 0,9 España 1075,6 173,4 61,9 139,9 32,9 200,0 72,0 30,0 19,3 Grecia 175,7 59,6 46,6 0,0 0,0 93,0 62,3 8,0 6,9 Francia 2181,1 29,2 25,0 4,7 1,2 319,8 92,7 8,7 0,0 Italia 1642,4 25,8 11,8 0,4 0,0 80,0 85,7 0,0 0,0 Chipre 17,6 3,5 3,5 0,0 0,0 6,0 2,8 0,0 0,0 Letonia 24,3 0,8 0,5 0,5 0,4 5,1 0,5 2,1 1,0 Lituania 37,3 0,8 0,3 0,6 0,0 0,3 0,0 0,0 0,0 Luxemburgo 51,2 2,5 2,6 0,0 0,0 4,5 3,8 0,3 0,1 Hungría 109,7 1,1 0,2 0,1 0,1 5,4 0,0 3,9 2,5 Países Bajos 676,5 39,8 23,0 30,6 5,0 200,0 40,9 52,9 30,4 Austria 339,9 40,1 11,8 0,6 0,5 75,0 19,3 0,0 0,0 Portugal 179,5 34,8 15,3 4,4 3,1 28,2 16,6 6,1 3,8 Eslovenia 38,6 4,5 3,6 3,7 0,3 12,0 2,2 0,0 0,0 Suecia 446,9 5,0 0,8 0,0 0,0 156,0 19,9 0,5 0,0 13 Los indicadores de vulnerabilidad pueden ser de naturaleza microprudencial o macroprudencial (Evans et. al. 2000, Slack, 2003). Entre los primeros indicadores, tanto a nivel agregado como a nivel de institución bancaria, están los de adecuación de capital y solvencia, calidad del activo, calidad de gestión, rentabilidad, liquidez y sensibilidad al riesgo de mercado (CAMELS por sus siglas en inglés). Entre los indicadores macroprudenciales estarían fundamentalmente los de crecimiento económico, balanza de pagos, inflación, tasas de interés, evolución del crédito interno y precio de los activos. Estos indicadores, individualmente considerados, pueden actuar como sistema de alarma, si su análisis concluye diferencias de comportamiento reseñables entre sus valores en tiempo normal y en tiempo de crisis. Sin embargo, la información puede mejorarse cuando se combinan varios de estos indicadores. Un sistema de alarma puede definirse (Gramlich et. al., 2010) como un mecanismo que, apoyándose en la información proporcionada por las crisis pasadas y en la teoría económica sobre las crisis, conduce a una serie de variables que pueden actuar de alerta de crisis en el futuro, sobre una base sistemática. En cuanto a la diferenciación según el alcance de la predicción, existen dos tipos de sistemas de alerta:  Para crisis bancaria del sistema bancario de un país, crisis sistémica (se consideran un conjunto de países que constituyen la muestra, entre los que hay representación de los que han experimentado crisis bancaria y los que no).  Para crisis de instituciones bancarias individuales. En este caso se cuenta con una muestra bancos fracasados y bancos saneados y se utilizan habitualmente indicadores tipo CAMEL (Capital Adecuacy, Asset qualitiy, Management, Earnings and Liquidity), elaborados a partir de los balances y las cuentas de pérdidas y ganancias. Tanto para un análisis individual como para un análisis global, a la hora de elaborar un sistema de alerta temprana hay considerar como mínimo cuatro aspectos no exentos de controversia a la hora de efectuar el análisis que trataremos a continuación. 1. Definir qué es una crisis, en función de ésta definición se identifican los episodios pasados de crisis ya sea de un banco individual o del sistema bancario de un país. 14 Si hablamos de crisis de un banco individual, a las entidades rara vez se las deja quebrar, suelen ser ayudadas y devueltas al mercado, perdiendo los gestores principales el control de la entidad o no, por lo que la intervención suele ser una definición valida de fracaso. 2. Elegir las variables explicativas que se consideran relevantes para anticipar la crisis. Para esto, es necesario basarse en dos hipótesis, por un lado la relación de causalidad entre la crisis y los factores que conducen a ella, y por otro, si estos factores pueden identificarse con anterioridad. Determinar el conjunto de variables va a depender del estudio de episodios de crisis y de la teoría económica. Entre los grupos de variables las habrá más o menos específicas del sector bancario y que recojan los riesgos de la actividad, además de variables macroeconómicas (ya que la actividad bancaria está influenciada por el ciclo económico). A la hora de elegir variables hay que tener en cuenta:  Al existir relaciones entre las distintas entidades bancarias, sería aconsejable, si es posible, alguna variable que mida la posibilidad de contagio.  Los aspectos macroeconómicos que afectan a los riesgos de interés, liquidez, crédito y mercado.  El grado de liberalización e innovación que presente el sistema financiero.  El riesgo moral. La selección de variables explicativas estará condicionada por la disponibilidad o no de información. 3. Seleccionar y definir un método. Para la elección hay que considerar qué salida se quiere obtener del modelo y cuáles serán los usuarios, esto puede determinar su grado de complejidad. Hay que tener en cuenta el horizonte de anticipación, para elegir modelos a corto o largo plazo, ya que en función de éste se puede optar por un método u otro. A la hora de plantear un modelo en el que se consideran varias variables se han utilizado diversas metodologías estadísticas y matemáticas, Tascón y Castaño (2010) realizan una revisión de las técnicas utilizadas para el fracaso empresarial en general y Demyanyk y Hasan (2010), para el fracaso bancario y las crisis financieras que se sintetizan en el siguiente cuadro. 15 Cuadro 2: Métodos utilizados para la construcción de un SAT: METODOLOGÍAS 1. Análisis univariante 2. Análisis discriminante 3. Regresión logística  Logit  Probit 4. Inteligencia artificial a) Redes neuronales-mapas autoorganizativos. b) Algoritmo de particiones recursivas c) Técnicas de escalamiento multidimensionales d) Otros métodos de inteligencia artificial 5. Análisis envolvente de datos (DEA) 6. Otros métodos  AHP, IEWS, Z-score, O-score. Fuente: Elaboración propia 4. Bondad del modelo. Sin obviar las medidas estadísticas de ajustes para aquellas técnicas en las que sea pertinente, una vez obtenido el modelo se comprueba si se comporta bien para un conjunto de bancos distinto de aquel que sirve para su elaboración. Estableciéndose, tanto para la muestra que sirve para elaborar el modelo, como para la muestra de validación, los porcentajes de clasificación correcta. 16 Análisis discriminante Es una técnica estadística multivariante aplicada a la clasificación de un objeto, a partir de la información disponible, en uno de varios grupos definidos a priori. En el caso que nos ocupa, sería la clasificación de un sistema bancario o banco en uno de dos grupos definidos a priori, sistemas bancarios en crisis o bancos fracasados Bf y sistemas en no crisis Bs, a partir de la información recogida en unas variables, por lo general ratios financieros de las categorías CAMEL. La crisis o el fracaso se modeliza mediante una función en la que el suceso (crisis o fracaso) depende de una serie de variables independientes xi i= 1, 2,…, n. Z = F(x1, x2,…, xn) F (x1, x2,…, xn) = α0 + α1 x1 + α2 x2 +…+ αn xn Donde xi son variables independientes y Z es la variable dependiente (ratio global). Para estimar esta función (partiendo de una muestra) se pueden utilizar distintos métodos de estimación siendo el más utilizado el de máxima verosimilitud. El sistema bancario o banco se clasifica en uno u otro grupo (bancos fracasados o no crisis) basándose en su puntuación discriminante, para la cual se establece una puntuación de corte. Hay una serie de premisas necesarias para que el modelo sea óptimo:  Las variables independientes deben distribuirse con normalidad multivariante.  Las matrices de varianzas-covarianzas son iguales tanto para los grupos de bancos fallidos como para los no fallidos (Homoscedastidad).  El tamaño muestral es representativo.  Las probabilidades de fallo y los costes de clasificar mal deben estar especificados. Se pueden hacer dos enfoques del análisis discriminante, un análisis canónico basado en técnicas de correlación canónica y otro que utiliza ecuaciones de regresión lineal múltiple llamado análisis de Fisher. El análisis discriminante es uno de los más utilizados pero muestra ciertas limitaciones, la principal crítica hacia la aplicación de esta técnica en la elaboración de sistemas de alarma preventiva es la dificultad de verificar todas las hipótesis, en mayor medida la de normalidad multivariante. 17 Regresión logística Hay dos enfoques de regresión logística, los análisis logit y probit, ambos análisis son métodos estadísticos multivariantes que se utilizan para predecir la solvencia empresarial, en nuestro caso, bancaria. Se basan en estimar la probabilidad de pertenencia a un conjunto antes determinado, en este caso la probabilidad de pertenecer a entidades fracasadas o sanas. En su aplicación a la crisis bancaria o al fracaso bancario individual, se supone que la crisis de una entidad o de un sistema bancario está asociada a un índice de crisis continuo, estocástico y no observable Q*, de tal manera que cuando supera un valor concreto llamado punto crítico Q0, se produce la crisis. Este punto crítico va a depender de manera lineal de un conjunto de indicadores que son observables x1, x2,…, xn y de una variable aleatoria u. De manera modelizada queda: Así si Q0 > Q* se producirá una quiebra en la entidad. Si la función de distribución elegida para la variable “u” es la función de distribución de la ley de probabilidad logística estándar, el modelo concreto es el conocido como modelo logístico o logit, que analíticamente se representa como: El logit es un análisis de regresión en el cual la variable independiente toma valores en un intervalo [0,1], e indica la probabilidad de pertenecer al grupo de sistemas bancarios en no crisis (bancos sanos) o al grupo de sistemas bancarios en crisis (bancos con resultados de fracaso). Con este análisis se intenta explicar y predecir una variable dependiente cualitativa a partir de una o varias variables independientes ya sean cualitativas o cuantitativas. El análisis logit ha sido una de las técnicas más utilizadas en los modelos que tratan de buscar factores explicativos de las crisis bancarias y en la elaboración de sistemas de alarma. Una variante es la de Jones y Hensher (2004) que introducen el logit híbrido para el pronóstico del fracaso de empresas. Los autores señalan, que mediante la introducción de un conjunto de parámetros adicionales 18 para conseguir la heterogeneidad de una empresa en el tiempo y respecto a otras empresas, se aumenta la información y se mejora la capacidad explicativa y predictiva del análisis logístico clásico. En los modelos probit por su parte, se utiliza una distribución normal acumulativa en vez de una distribución logística. La técnica de regresión logística, en general cumple objetivos parecidos a los del análisis discriminante, pero presenta la ventaja de ser más flexible que éste, porque posibilita trabajar con muestras no proporcionales, además su lista de premisas es menos estricta (no es necesario que las variables se distribuyan con normalidad multivariante, ni que las matrices sean iguales). Siguiendo con la comparación entre la regresión logística y el análisis discriminante, ambas metodologías presentan limitaciones en común, como la necesidad de que ambos grupos sean discretos y no se solapen (algo difícil de cumplir) y la especificación de fallos y costes. En general los modelos de análisis logístico con muy sensibles a la multicolinealidad, a los valores extremos y a la falta de datos. Inteligencia artificial La inteligencia artificial consiste en elaborar programas de ordenador capaces de generar conocimiento mediante el análisis de datos, utilizando después esta información para deducir nuevos datos. De todas las técnicas que se utilizan en inteligencia artificial, en este trabajo se destacarán las redes neuronales y las técnicas de escalamiento multidimensional. Redes neuronales Es un modelo estadístico no lineal utilizado para clasificar y predecir datos y variables. El sistema neuronal artificial intenta imitar la estructura del sistema nervioso de los organismos biológicos bajo la convicción de que dicho sistema es efectivo y eficiente, en cierto modo se puede decir que las redes neuronales artificiales son una simplificación de las redes neuronales biológicas. Las redes neuronales actúan de dos maneras diferentes, mediante el aprendizaje y el recuerdo. Se viene utilizando desde mediados de los años ochenta, y es aplicable a muchos ámbitos. En lo que respecta a la economía, la información económica reúne buenas condiciones para aplicar el modelo. Los estados contables de los bancos suelen tener muchos fallos que dificultan el tratamiento mediante métodos estadísticos lineales, en cambio con el sistema de redes neuronales se pueden tratar dichos errores ya que tiene la capacidad de filtrar los fallos y dar con un resultado certero. Las primeras aplicaciones al fracaso bancario se deben a Tam y Kiang (1992). 19 Una red neuronal tiene un número de unidades de procesamiento interconectadas entre sí a las que se les denomina neuronas. Cada unidad es un elemento de computación, que transforma en su interior las señales que recibe de entrada en una sola señal de salida. Las entradas proceden del exterior o de otras neuronas y las señales de salida se transmiten hacia otras neuronas o hacia el exterior. La relación entre neuronas está regulada por pesos sinápticos. Las organizaciones más usadas son el perceptrón multicapa y de aprendizaje con retropropagación. La red neuronal de percepción multicapa consiste en capas de neuronas que procesan y transportan la información de la entrada a la salida. Todas las neuronas de la primera capa reciben los datos, los ponderan y pasan el resultado a todas las neuronas de la capa siguiente. Las capas situadas entre la entrada y la salida son capas ocultas. Cada neurona recibe una señal de entrada Xj. Con operaciones de suma y producto, la información total que recibe la neurona da lugar a una función de entrada: Wij es el peso de conexión de entrada de información. Para que la neurona genere salida a la información que recibe se produce una “función de activación”, aplicada a la entrada Ii. Consiste en conectar la entrada con un “umbral de activación”, según la relación que exista, la neurona se activará o no. Una vez definido el comportamiento de sus procesadores hay que explicar la interconexión que hay entre ellos. Las neuronas están organizadas en tres niveles (de entrada, oculta y de salida). Existe una capa de entrada que recibe la información del entorno, una capa de salida que emite información al entorno y las capas ocultas. El número de neuronas y capas va a depender del número de variables y el tipo de análisis que se haga. En lo que respecta a la arquitectura de las redes neuronales, el flujo de información es importante, se pueden diferenciar dos tipos, la red donde la información va hacia adelante (feedforward) y la que la información va hacia atrás. Una característica fundamental de las redes neuronales es la capacidad de aprendizaje, este permite modificar la estructura de la red adaptándose hasta conseguir un algoritmo de ejecución apropiado. El proceso de aprendizaje es un procedimiento repetitivo. Hay tres tipos de aprendizaje: 20  Aprendizaje supervisado: un par formado por una entrada y una salida esperada, donde es necesario que haya un supervisor que valore cómo es de buena la salida.  Aprendizaje no supervisado: formado por los elementos de entrada, sin salida esperada.  Aprendizaje auto-organizado: mezcla de los dos anteriores. La mayor ventaja que presenta el modelo de redes neuronales es su capacidad de adaptación a cambios que se producen en la realidad que analizan. En cambio, presenta limitaciones como el tiempo que necesita para desarrollar la aplicación del modelo y la compleja capacidad explicativa que presenta, ya que los coeficientes de las variables son complicados de interpretar. Al igual que el resto de métodos, se puede predecir si habrá o no fracaso, pero no deja calcular la cuantía exacta de probabilidad de dicho fracaso. El modelo neuronal artificial aplicado al estudio del fracaso empresarial es el de mapas autoorganizados. Utiliza el aprendizaje no supervisado, es decir, el modelo aprende por sí mismo a partir del material suministrado. Con esta técnica se ve gráficamente la información del riesgo de quiebra. Este modelo presenta dos capas de neuronas, la primera recoge y canaliza la información y está conectada con la segunda a través de pesos sinápticos. La primera capa debe tener tantas neuronas como variables se vayan a estudiar. La segunda capa está encargada de proyectar de manera no lineal el espacio multidimensional de entrada manteniendo las características esenciales de los datos. En esta segunda capa el número de neuronas debe ser mayor cuanto mayor sea la complejidad del problema. Técnicas de escalamiento multidimensional Como recoge Linares (2001) “el escalamiento multidimensional son un conjunto de técnicas que buscan la representación de datos a través de la construcción de una configuración de puntos cuando se conoce cierta información sobre similitudes entre objetos”. Es un método de interpretación intuitiva. Con estas técnicas se obtienen unas representaciones gráficas muy útiles, ya que muestran las relaciones entre bancos sanos y fracasados y cómo evolucionan en el tiempo. Para desarrollar un análisis de escala multidimensional existen dos requisitos: 1) partir de un conjunto de números que expresan la mayoría de las combinaciones de pares de proximidades dentro de un conjunto de objetos y 2) es necesario un algoritmo implementado computacionalmente para poder llevar adelante el análisis. 27 los de no crisis, y consideran que esto puede generar sesgos en las estimaciones. Proponen realizar la estimación utilizando la metodología Relogit (rare event logit) introducida por King y Zeng (2001). Para los autores la ventaja de esta estimación se pone de manifiesto al analizar el modelo de Demirgüç-Kunt y Detragiache (1998), ya que aunque obtienen mismos resultados de significatividad de las variables, tienen mejores resultados en la clasificación. Con el modelo logit se predicen correctamente entre el 40-70% de las crisis mientras que usando el relogit la probabilidad incremente entre el 65-85% de predicciones correctas. En el siguiente cuadro a modo de resumen se recogen las variables utilizadas y las que han resultado significativas en los estudios anteriormente explicados. Como se puede apreciar, muchos de los autores coinciden en cuanto a variables significativas. Dentro de las variables macroeconómicas, las que son comunes para la mayoría de los estudios son el crecimiento del PIB, la inflación, el tipo de interés real, cambio en términos de intercambio, el crédito del sector doméstico, el ratio de M2 reservas, el crecimiento del crédito, el PIB per cápita y obligaciones extranjeras sobre PIB. En lo que respecta a las variables institucionales, las más significativas en común han sido el índice de ley y orden y los depósitos de seguro. 28 Cuadro 3: Revisión bibliográfica Fuente: Elaboración propia Kaminsky y Reinhart (1996) DemirgüçKunt y Detragiache (1997) DemirgüçKunt y Detragiache (1998) Eichengreen y Rose (1998) Hardy y Pazarbasioglu (1998) Kaminsky y Reinhart (1999) Cihàk y Schaeck (2007) Duttagupta y Cashin (2008) Sun 2010 Costa y Thegeya (2013) Gómez y Vázquez 2013 De Fátima et al (2015) GDP growth ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ Macro Variables Real interest rates ▪ ▪ ▪ ▪ ▪ ▪ ▪ Inflation ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ Change in terms of trade ▪ ▪ ▪ ▪ M2/reserves ▪ ▪ ▪ ▪ ▪ Credit growth ▪ ▪ ▪ ▪ Domestic credit to the private sector/GDP ▪ ▪ ▪ ▪ ▪ capital inflows ▪ Real exchange rate ▪ Import growth ▪ Budget surplus ▪ GDP/capita ▪ ▪ ▪ ▪ Deposits at banks/GDP ▪ Gross foreign liabilities/GDP ▪ ▪ ▪ Industry concentration ▪ Law and order´index ▪ ▪ ▪ Institutional variables Deposit insurance dummy ▪ ▪ ▪ Central bank independence Liberalisation ▪ Institutional environment ▪ 29 5. ANÁLISIS EXPLICATIVO DE CRISIS BANCARIAS EN EUROPA Como se ha mencionado anteriormente, las economías de la Unión Europea, han experimentado problemas bancarios de mayor o menor envergadura a raíz de la crisis financiera internacional. En un primer momento parecía que el problema se debía a que las entidades afectadas estaban expuestas al mercado subprime americano y, por tanto, se pensó que saneando esos activos de los balances de los bancos afectados se acabaría con el problema y los sistemas bancarios de la UE gozarían de relativa salud. Con posterioridad, los problemas bancarios en algunos países miembros, como España e Irlanda, mostraron que las crisis de los bancos en algunos casos se debían a debilidades internas agravadas por la situación internacional. En este apartado, se realiza un estudio multivariante de factores explicativos de crisis bancarias recientemente acontecidas en la Unión Europea mediante el uso del método logit. 5.1. Descripción de la muestra y las variables La muestra que se utiliza en el estudio se ha elaborado a partir de Laeven y Valencia (2013). Estos autores fechan el inicio de crisis bancaria y crisis bancarias sistémicas en el periodo 2007-2011. Es decir, recoge los sucesos ocurridos con posterioridad a la crisis financiera internacional. Cuadro 4: Países de la muestra e inicio de crisis País Inicio de crisis País Inicio de crisis Alemania 2008 Austria 2008 Bélgica 2008 Bulgaria Chipre 2011 Croacia Dinamarca 2008 Eslovaquia Eslovenia 2008 España 2008 Estonia Finlandia Francia 2008 Grecia 2008 Hungría 2008 Irlanda 2008 Italia 2008 Letonia 2008 Lituania Luxemburgo 2008 30 Malta Países Bajos 2008 Polonia 2011 Portugal 2008 República Checa Rumanía Suecia 2008 Fuente: elaboración propia a partir de Laeven y Valencia (2013) Para Laeven y Valencia (2013), una crisis bancaria es un evento que cumple con dos condiciones:  Que existan signos significativos de problemas financieros en el sistema (situaciones de pánico bancario, liquidaciones bancarias, entre otros).  Que sea necesaria una intervención a través de políticas bancarias significativas en respuesta a pérdidas en el sistema bancario. Para los autores, el primer año en el que coincidan los dos criterios, es el año en el que se produce la crisis sistémica, y resaltan que las políticas de intervención son significativas, si al menos, tres de las siguientes medidas se han utilizado: - Apoyo amplio de liquidez - Costes brutos de restructuración del sistema sean de al menos el 3% de PIB - Nacionalizaciones bancarias significativas - Garantías significativas - Compras de activos significativos - Congelación de depósitos Si sólo se utilizan dos de las medidas anteriores, la crisis la catalogan como localizada (o de menor envergadura), sin embargo, si al menos utilizan tres, la catalogan cómo sistémica. También de forma recurrente, se han producido problemas bancarios una vez cerradas las fechas de Laeven en Italia y Portugal como se referenció anteriormente. Si bien en los trabajos comentados anteriormente, la mayoría de crisis analizadas se producían en economías emergentes y en desarrollo en el siglo XX, la mayoría de las crisis financieras recientes han afectado a las economías avanzadas de Europa. Por todo ello, en este apartado vamos a tratar de identificar a partir de una muestra de 27 países pertenecientes a la Unión Europea, si determinadas variables que han resultado significativas en trabajos previos son útiles también en la aplicación de estas crisis y podrían ser indicadores de alerta temprana para los sistemas bancarios europeos. 31 Para ello, definimos la variable dependiente crisis, que es una variable binaria (dummy) que tomará el valor 0 cuando no exista crisis y 1 cuando sí exista. Además, consideramos un conjunto de variables independientes, utilizando como referencia los trabajos que hemos comentado en el apartado 4 y fundamentalmente el de Cihàk y Schaeck (2010). Las variables utilizadas para explicar las crisis bancarias son inicialmente las trece que recogemos en el siguiente cuadro, agrupadas en cuatro categorías: Cuadro 5: Resumen de variables dependientes Variables Macroeconómicas y financieras de entorno Saldo presupuestario La base de datos consultada ha sido: Databank (Banco Mundial) Crédito interno / PIB Crecimiento del PIB Inflación Tipo interés real Variables Indicadores de solidez financiera básicos de Instituciones de depósito Ratio de capital La base de datos consultada ha sido: FMI Préstamos fallidos/total de préstamos Ratio de capital regulatorio = cap.regulatorio/activos ponderados por riesgo Fallidos netos= préstamos fallidos netos/capital Rentabilidad del capital=Bºneto/capital Indicadores de solidez financiera recomendados sector de empresas no financieras Deuda total/Capital La base de datos consultada ha sido: FMI Rentabilidad del capital Variable de Calidad Institucional Crecimiento del PIB pc La base de datos consultada: Databank (Banco Mundial) Fuente: Elaboración propia Pese a que el ratio del agregado monetario (M2) sobre reservas ha resultado significativo en estudios previos y es utilizado por Cihak y Shaeck (2010), no se ha incluido por problemas en su cómputo, ya que al tratar de construirlo a partir de los datos de los Estadísticos Financieros Internacionales del FMI se encontraron dificultades metodológicas, ya que para los países de la 32 Eurozona, los depósitos en otros países del área no son computados, como en la muestra hay países de la eurozona y otros que no, el indicador medía cosas distintas. En lo que respecta al primer grupo de variables consideradas, tratan de capturar el entorno económico en el que los bancos desarrollan su actividad. Así bajas tasas de crecimiento pueden afectar a la calidad crediticia de los prestatarios y afectar a los balances bancarios. Un razonamiento similar podría hacerse con relación a entornos económicos caracterizados por altas tasas de inflación y altas tasas de interés real. Con relación a la variable saldo presupuestario, la presencia de superávit refuerza la solvencia de los estados si tienen que acudir en ayuda de sus bancos y, por tanto, aumenta la credibilidad en el sistema. Finalmente, altas tasas de crédito sobre PIB o altas tasas de crecimiento del crédito, pueden indicar la existencia de burbujas de crédito y de precios de los activos y, por tanto, hacer a los sistemas bancarios más vulnerables. Con relación a los indicadores de solidez financiera básicos de las entidades de depósitos, los mayores ratios de capital hacen más fuertes a los sistemas bancarios frente a perturbaciones adversas. Un crecimiento en los indicadores de préstamos fallidos, en cambio, indica una caída en la calidad de los activos bancarios y un aumento de la vulnerabilidad. No obstante, estos indicadores que son indicativos de pérdidas en la cartera de activos, y que por tanto podrían conducir a las entidades bancarias a la crisis por falta de pagos de los prestatarios, en la práctica resultan de poca utilidad, ya que el reconocimiento del volumen de fallidos se retrasa todo lo posible en el tiempo, a través en muchos casos de operaciones de refinanciación. En cuanto al ratio de rentabilidad, un sistema bancario rentable en principio presenta una mayor resistencia a la crisis. Los indicadores relativos al sector de empresas no financieras reflejan que un mayor apalancamiento del sector empresarial, sobre todo si la deuda es bancaria, hacen más vulnerable al sistema bancario, ante perturbaciones adversas que incidan en dicho sector. Por otro lado, un sector empresarial más rentable, se encuentra a una posición más fuerte para la devolución de sus deudas. La última variable considerada es recogida por algunos autores cómo Demirgüç-Kunt. y Detragiache (1998) como una variable de calidad institucional. Un incremento del PIB per cápita refleja un entorno institucional más fuerte, en el que es menos probable que las dificultades del sector bancario resulten en una crisis sistémica. 33 5.2. Análisis descriptivo de las variables de solidez financiera Antes de plantear el estudio multivariante considerando el conjunto de variables, vamos a analizar la evolución de éstas en el entorno de la crisis. Para ello, se han calculado las medias de cada variable para las observaciones en crisis, en el año en que esta se fecha, en los dos periodos antes y los cuatro posteriores. Este análisis sólo se ha realizado para los indicadores de solidez financiera básicos de las entidades de depósitos y los dos indicadores de solidez financiera recomendados del sector empresarial no bancario. Con relación a los indicadores de capital, se observa un crecimiento de los mismos en el periodo previo y también en el posterior al incio de la crisis suavizándose al final. Su comportamiento, puede ser indicativo de que en periodos de dificultades financieras las entidades refuerzan su posición de capital. Hay que tener en cuenta que en el entorno de las crisis europeas, las inyecciones de capital fueron una de las primeras medidas adoptadas para reforzar el sistema bancario. Los indicadores de fallidos se elevan en el año de precrisis, pero en mayor medida, en los años posteriores, poniendo de manifiesto que el reconocimiento del impago de los préstamos se dilata en el tiempo como señalabamos anteriormente. El ratio de rentabilidad del capital de las entidades de depósito, muestran una caída desde el año previo al fechado de las crisis que continúa hasta el primer año posterior al fechado, comenzando en ese punto una leve recuperación. 34 Gráfica 1: Indicadores de solidez financiera básicos de Instituciones de depósito Fuente: Elaboración propia 35 En la gráfica 2 que se recoge a continuación, se presenta la evolución de los indicadores de solidez financiera para el sector de empresas no financieras. Estas variables no han sido incluidas en el análisis multivariante por falta de datos, ya que sólo disponemos de datos para 10 paises en el caso de la deuda total y 8 países en el de rentabilidad de capital del sector empresarial. En la gráfica la evolución de la media para las observaciones recogidas en crisis muestra que la deuda del sector empresarial se eleva en el año de crisis y disminuye en el año siguiente, mostrando un ciero desapalancamiento. En cuanto a la rentabilidad del capital decrece una vez iniciada la crisis. Gráfica 2: Indicadores de solidez financiera para el sector de empresas no financieras Fuente: Elaboración propia 36 5.3. Resultados del análisis multivariante En primer lugar, se ha realizado un análisis bivariante de cada variable independiente y la variable crisis, aplicando el análisis logit. Los resultados se recogen en el cuadro número 6. Cuadro 6: Análisis bivariante Variables Coeficientes Error Estándar ZEstadístico Probabilidad % Ratio de capital -0.411386*** 0.143313 -2.870534 0.0041 69.00 Préstamos fallidos/total -0.021886 0.051000 -0.429150 0.6678 92.28 capital regulatorio -0.335746*** 0.103105 -3.256349 0.0011 70.44 Fallidos netos 0.013117** 0.006078 2.158342 0.0309 86.21 Rentabilidad del capital -0.054182*** 0.014238 -3.805503 0.0001 84.54 Saldo presupuestario -0.330881*** 0.085495 -3.870169 0.0001 84.16 Crédito interno / PIB 0.008864** 0.003756 2.359941 0.0183 82.81 Crecimiento del PIB -0.308080*** 0.076077 -4.049593 0.0001 87.78 Crecimiento del PIB pc -0.308790*** 0.075598 -4.084622 0.0000 87.78 Inflación 0.007053 0.108754 0.064854 0.9483 93.21 Tipo interés real 0.008045 0.072664 1.107189 0.2682 88.69 Fuente: Elaboración propia *, **, *** indican niveles de significación del 10, 5 y 1 por ciento % clasificación correcta total El análisis bivariante revela que salvo las variables préstamos fallidos sobre el total, el tipo de interés real y la inflación, todas las demás resultan significativas y con el signo esperado en la explicación de las resientes crisis bancarias en europa. Los porcentajes de clasificación correcta total recogidas en el cuadro 6 revelan que de los indicadores de solidez financiera, el que mejor refleja la clasificación es el de préstamos fallidos netos, sin embargo, la clasificación correcta total de las observaciones en crisis, aunque no se han recogido en el cuadro, es muy baja, de sólo un 35.29%. El ratio de capital, sin embargo, aunque tiene 43 Gómez, D y Vázquez M.J. (2013): “Utilidad de la metodología de los conjuntos imprecisos (rough sets) en la elaboración de señales de alerta temprana de crisis financieras. Análisis Financiero, 123, pp. 76-87. Go.worldbank.org. (2017). Research - Episodes of Systemic and Borderline Financial Crises. [online] Available at: http://go.worldbank.org/5DYGICS7B0 [Accessed 21 Oct. 2017]. Hardy, D.C. y Pazarbasioglu, C. (1998). “Leading Indicators of Banking Crises: Was Asia Different?”. IMF Working Papers, 98/91. Honohan, P. (2000). “Banking System Failures in Developing and Transition Countries: Diagnosis and Prediction”. Economic Notes, 29(1), pp.83-109. Jahn, N. and Kick, T. (2012). “Early Warning Indicators for the German Banking System: A Macroprudential Analysis”. Deutsche Bank 27/2012. Jones, S.; Hensher, D.A. (2004): “Predicting Firm Financial Distress: A Mixed Logit Model”, The Accounting Review, 79(4), pp. 1011-1038. Jutasompakorn, P., Brooks, R., Brown, C. and Treepongkaruna, S. (2014). “Banking crises: Identifying dates and determinants”. Journal of International Financial Markets, Institutions and Money, 32, pp.150-166. Kaminsky, G. and Reinhart, C. (1996). “The Twin Crises: The Causes of Banking and Balance-of-Payments Problems”. International Finance Discussion Papers, Nº. 544. Kaminsky, G. and Reinhart, C. (1999). “The Twin Crises: The Causes of Banking and Balance-of-Payments Problems”. American Economic Review, 89(3), pp.473-500. Kindleberger, C. (2012). Manias, panicos y cracs: Historia de las Crisis Financieras. [Barcelona]: Editorial Ariel. King, G. and Zeng, L. (2001). “Logistic Regression in Rare Events Data”. Political Analysis, 9(2), págs.137-163. Laeven, L; Valencia, F. (2013): “Systemic Banking Crises Database” IMF Economic Review, 61 (2), pp. 225270. Laeven, L; Valencia, F. (2012): “Systemic Banking Crises Database: An Update” IMF Working Paper, Nº. 12/163. 44 Linares, G. (2001): “Escalamiento multidimensional: conceptos y enfoques”, Revista de investigación operacional, 22 (2), pp. 173-183. Malo de Molina, J.L. (2013): “La respuesta del Banco Central Europeo a la crisis”, Banco de España. Boletín económico, julio-agosto, pp. 115-124. Marichal, C. (2012). Nueva historia de las grandes crisis financieras. Una perspectiva global 1873-2008. [Barcelona]: Editorial Debate. Martin-Aceña, P.; Martínez-Ruiz, E.; Pons, M.A.; Betrán Pérez, C.; Comín Comín, F.; Cuevas Casaña, J.; Nogues-Marco, P. (2013): Las crisis financieras en la España contemporánea 1850-2012, Crítica, Barcelona. Martin, D. (1977): “Early Warning of Bank Failure: A Logit Regression Approach”, Journal of Banking and Finance, 1(3), pp. 249-276. Meyer, P.A.; Pifer, H.W. (1970): “Prediction of Bank Failures”, The Journal of Finance, 25(4), pp. 853-868. Millaruelo, A y del Río, A. (2017): “El coste de las intervenciones en el sector financiero desde 2008 en los países de la UE”. Banco de España. Boletín económico 2/2017. Molineux, P. (2009): “La crisis bancaria en el Reino Unido” Papeles de economía española, 122, pp. 113-123. Paltalidis, N., Gounopoulos, D., Kizys, R. and Koutelidakis, Y. (2015). “Transmission channels of systemic risk and contagion in the European financial network”. Journal of Banking & Finance, 61, pp.S36-S52. Pernías Solera, S. (2015): “Crónica de la crisis económica-financiera 2007-2013” Revista de Derecho de la Unión Europea, 28, pp. 25-28. Poghosyan. T; Cihák, M. (2009): “Distress in European Banks: An Analysis Base don a New Dataset”, IFM WP/09/9. Reinhart C. y Rogoff K. (2009): “Growth in time of debt”, American Economic Review: Papers and Proceedings , 100, págs. 573-578. Sinkey, J.F. (Jr.) (1975): “A multivariate Statistical Analysis of the Characteristics of Problem Banks”, The Jorunal of Finance, 30 (1), pp. 21-36. Slack, G. (2003): “Availability of Financial Soundness Indicators”, FMI WP/03/58, Washington. 45 Sun, T. (2010). “Identifying Vulnerabilities in Systemically Important Financial Institutions in a MacroFinancial Linkages Framework”. The Journal of Economic Asymmetries, 7(2), pp.77-103. Tam, K.Y.; Kiang, M.Y. (1992): “Managerial Applications of Neural Networks: The Case of Bank Failure Predictions”, Management Science, 38(7), pp. 926-947. Tascón M.T. y Castaño F.J. (2010): “Variables y modelos para la identificación y predicción del fracaso empresarial: Revisión de la investigación empírica reciente”. RC SAR, 15 (1), pp. 7-58. Vegara Figueras (2014): “Una panorámica de la Unión Bancaria”. Banco de España, Estabilidad Financiera, ISSN 1579-2498, nº 27, pp. 9-30. Verón, N (2010): “La crisis bancaria en Europa”, Anuario Internacional CIDOB, pp. 257-262. Yucel, Eray (2011): “A Review and Bibliography of Early Warning Models”. Central Bank of The Republic of Turkey. Nº. 32893.