1. Introducción

El estudio de los ciclos económicos es amplio a nivel mundial para comprender y analizar la dinámica económica de un país o región. En Estados Unidos, la Oficina Nacional de Investigación Económica (NBER³) se dedica a promover un mejor funcionamiento de la economía. Lo anterior, fechando el inicio y fin de recesiones y expansiones de la actividad económica, lo cual se realiza a través de un Comité de Fechas de Ciclos Económicos creado en 1978 y que se ha reconocido como el árbitro oficial de ciclos económicos en los Estados Unidos. Para el caso de México, existe la publicación del Sistema de Indicadores Compuestos: Coincidente y Adelantado (SICCA), por parte del Instituto Nacional de Estadística y Geografía (INEGI), el cual es un indicador que permite conocer oportunamente el desempeño de la actividad económica en México. Este sistema incorpora información de diversas variables clave que permiten anticipar la posible trayectoria de la economía nacional. De acuerdo con Heath (²⁰¹¹) el SICCA es un mapeo fiel de los ciclos económicos de México.

Con relación a los ciclos financieros, de acuerdo con Grinderslev et al. (²⁰¹⁷), éstos han recibido mayor atención a partir de las crisis económicas originadas en los mercados financieros y su posterior efecto en la dinámica económica real. Lo anterior se confirma en el estudio realizado por Wong (²⁰¹⁶)⁴, sobre ciclos financieros obtenidos a partir de los mercados financieros, destacando que son el indicador dominante para detectar un ciclo económico, sin embargo, menciona que no es el único indicador, es importante complementarlo con el análisis de ciclos crediticios y tasas de interés, que son variables financieras que tienen gran impacto en la economía de un país.

En el sector bancario, los ciclos económicos y financieros han sido estudiados para la toma de decisiones que impactan directamente en la estabilidad del sistema financiero. En ese sentido, desde finales del siglo pasado, Hardy y Pazarbaᶊioğlu (¹⁹⁹⁸), examinaron los episodios de crisis y riesgo del sector bancario de distintos países. Sus resultados mostraron que existen diversas variables financieras y macroeconómicas que sirven como indicadores relevantes para explicar estos eventos.

Vásquez y Núñez (²⁰⁰⁹) estudiaron el impacto de crisis en instituciones bancarias mexicanas, en particular la crisis Subprime, tomando indicadores de riesgo como el Índice de Morosidad, la Estimación Preventiva de Riesgos Crediticios e Índice de Cobertura; analizaron sus tendencias con base a una lógica financiera, concluyendo la existencia de un deterioro de las principales métricas durante el periodo de crisis. Morales et al. (²⁰¹³), proponen un estudio del desempeño de la banca comercial en México, partiendo de variables del Estado de Resultados y del Balance General de las instituciones, en específico el Margen Financiero, la Cartera de Créditos Total, la Utilidad Neta, ROA⁵, ROE⁶ y el Índice de Capitalización entre otros; se analizaron sus tendencias a través del tiempo respecto a variables macroeconómicas del país, el resultado del estudio arrojó un desempeño positivo en general de la banca mexicana en el periodo del 2000 al 2011.

En un estudio reciente Mousavi et al. (²⁰²¹), identificaron los factores que afectan la calidad de variables macroeconómicas como las tasas de interés, inflación, tasa de desempleo y ciclos de negocio de los activos del sistema bancario iraní, este último como uno de los principales indicadores de la salud financiera bancaria, el periodo analizado fue 2001 a 2018. El estudio tomó en cuenta una muestra de 27 bancos de Irán, haciendo uso del Método Generalizado de Momentos (GMM⁷). Sus resultados muestran que los ciclos de negocio tienen una correlación negativa con la calidad de los activos en el sistema bancario iraní. También se concluye que las variables macroeconómicas y bancarias tienen una correlación significativa con la calidad de los activos de dicho sistema bancario.

Asimismo, el plan estratégico 2024 del Banco de España, Broto el al. (²⁰²¹) presentan una sección de indicadores para riesgos bancarios, para la detección temprana de posibles amenazas a la estabilidad financiera. Adicional al monitoreo de los principales indicadores conocidos, el Banco de España ha desarrollado un modelo para calcular la probabilidad de ocurrencia de una crisis bancaria; este modelo incorpora variables de las seis categorías definidas en el sistema internacional de calificación bancaria CAMELS⁸. El modelo calcula la probabilidad para que un banco entre en una situación de estrés en un horizonte de tiempo de dos años.

En el mismo sentido, Chen y Svirydzenka (²⁰²¹), estudian si los puntos de giro máximo y mínimo en variables financieras (ciclos financieros) pueden ser considerados como indicadores anticipados de crisis bancarias, haciendo uso de una base de datos de 59 economías avanzadas y emergentes. Sus resultados muestran que el riesgo financiero puede ser detectado en tiempo real, en particular conociendo el precio de las acciones y la brecha de producción, ya que son los mejores indicadores en economías avanzadas, mientras que en las economías emergentes corresponde al precio de las acciones, precio de propiedades y la brecha de crédito. Sus resultados muestran que, como indicadores adelantados de crisis bancarias, las variables financieras ofrecen fuertes predicciones, a menudo a la par y en muchos casos mejor que el de las variables del sector real. Lo anterior se complementa con el estudio de Román, Hernández y Rodríguez (²⁰¹⁹), en el que concluyen que los ciclos financieros obtenidos a partir de los principales índices accionarios de Estados Unidos y México anticipan al menos cuatro meses a los ciclos económicos en ambos países.

Respecto a la regulación bancaria, Basilea define lineamientos principalmente para la gestión de la solvencia y liquidez, posterior a la crisis del 2008 con Basilea III cobraron mayor relevancia las pruebas de tensión bancaria, como lo mencionan Lemus y Nuñez (²⁰²⁰). Los modelos o cálculos propuestos por Basilea se enfocan en tres direcciones: primero, Riesgo de Crédito, se propone utilizar Modelos Internos (IRB⁹) y Modelos Internos Avanzados (A-IRB) (^{Pushpkant y Masuma, 2017}), con los que cada banco cumple con el cálculo de reservas y requerimiento de capital; segundo, Riesgo de Mercado, con modelos como VaR¹⁰ y VaR ajustado; finalmente, Riesgo de Liquidez, con cálculos como el Ratio de Cobertura de Liquidez (LCR¹¹) y el Coeficiente de Financiamiento Estable Neto (NFSR¹²) (^{King y Tabert, 2011}). Así mismo, existen pruebas de estrés como el VaR estresado, la Evaluación de la Adecuación del Capital Interno (ICAAP¹³) o el Proceso de Evaluación de Capital por parte del Regulador (SREP¹⁴). En general, los modelos propuestos en Basilea, se centran en el cálculo específico de los niveles de capital o liquidez requerida, de manera periódica o en situaciones de estrés y tipos de riesgo específicos, sin constituir un indicador del estado de la banca desde una perspectiva multidimensional.

Es de subrayar la relevancia de construir índices compuestos para el estudio de los ciclos económicos, por ejemplo, instituciones como “The Conference Board¹⁵” (TCB), calcula indicadores compuestos coincidentes y adelantados para temas de economía, finanzas, ciencias sociales, entre otros, para diferentes países; la OCDE¹⁶, por otra parte, determina los Indicadores Lideres Compuestos (CLI¹⁷), para cada país miembro; el INEGI¹⁸ tiene el Sistema de Indicadores Compuestos: Coincidente y Adelantado (SICCA), para calcular los indicadores coincidentes y adelantados de la economía nacional; cada una de estas entidades utilizan metodologías diferentes para la construcción de sus índices compuestos.

Después de la crisis Subprime, surge el interés en el desarrollo de índices compuestos alternativos para comprender el comportamiento de fenómenos multidimensionales. En particular, entre las más populares están el Benefit of the Doubt (BoD) y el Análisis de Componentes Principales (ACP). Giambona y Vassallo (²⁰¹³), utilizan BoD para construir el CFDI¹⁹ como alternativa al FDI²⁰ del Fondo Económico Mundial, su índice permitió clasificar a cada país, con base a factores que requieren alguna intervención o corrección para elevar su nivel de desarrollo financiero. Pereira, et. al (²⁰²²), para mostrar la exclusión social de seis ciudades en Brasil construyen indicadores compuestos creados con BoD y ACP; proponen mejoras para ambos procedimientos, así también reportan evidencias que confirman que el ACP es superior al BoD, para construir indicadores compuestos.

El ACP, es reconocido como un método riguroso para analizar el papel de cada variable en un sistema. En particular, este se ha utilizado como marco teórico en estudios acerca la rentabilidad de instituciones bancarias, por ejemplo, Ismail et al. (²⁰¹⁸) trataron de identificar las variables que más contribuyen a la rentabilidad en dieciséis bancos de Malasia, con un modelo que utilizó tanto variables endógenas como exógenas; encontrando que el tamaño del banco y el Producto Interno Bruto son las variables que mayor contribuyen al ROE de las instituciones estudiadas.

Así también, para la predicción de quiebra bancaria el ACP ha sido utilizado, Ravi y Pramodh (²⁰⁰⁷) propusieron una red neuronal denominada PCNN²¹, para predecir la quiebra bancaria en instituciones turcas y españolas; el ACP fue integrado a las capas de la red para reducir el número de variables. Más adelante Ravisankar y Ravi (²⁰⁰⁹) propusieron el modelo KPCNN²², el cual es una versión no lineal del modelo anterior, estos autores concluyen que su red supera los resultados obtenidos por Ravi y Pramodh (²⁰⁰⁷).

Por otro lado, el ACP se ha empleado para temas de evaluación del riesgo crediticio. En particular, Feng et al. (²⁰⁰⁹) propusieron valorar la exposición al riesgo de crédito por medio de un modelo compuesto por SVM²³ y ACP, utilizando información de 37 variables asociadas a 140 empresas, el ACP se utilizó para reducir el número de variables del modelo, para posteriormente realizar la clasificación de cada empresa por medio del SVM, los resultados reportados permitieron identificar los deudores buenos de aquellos considerados como malos. Fang et al. (²⁰¹⁷), utilizando el ACP proponen un nuevo sistema de clasificación de riesgo sistémico para el sector bancario chino, utilizan cinco de las clasificaciones más populares empleadas como medida de riesgo sistémico²⁴ (LVG, VaR, ∆CoVaR, SRISK y beta × size), el ACP es utilizado para obtener una medida del riesgo sistémico con base a la combinación lineal de las cinco medidas anteriores, lo cual ofrece una clasificación confiable en comparación con la que ofrecen los métodos utilizados de manera independiente, cada método sugiere diferente clasificación de riesgo sistémico para un mismo banco.

Con respecto al uso del ACP en estudios relacionados al comportamiento de bancos durante periodos de crisis, está el trabajo de Badarau y Levieuge (²⁰¹⁰), en él se estudia el impacto de crisis financieras recientes en la actividad económica para países europeos; se analiza el comportamiento de los canales de capital de bancos de la región, vía diferentes indicadores clave y el uso de ACP; el ACP permitió comparar el rendimiento de estos canales a priori y a posteriori al periodo de crisis.

En resumen, debido a la importancia que las instituciones bancarias tienen en el desempeño tanto del sistema financiero como económico de un país, se han realizado diversos estudios para monitorear su fortaleza en tiempo real; en estos estudios se ha utilizado información de sus estados financieros y de variables económicas y financieras clave. Así también, el uso del ACP ha mostrado ser una herramienta matemática eficaz para manejar modelos multivariables en temas de monitoreo del comportamiento de bancos.

Se propone construir un índice acerca de los ciclos financieros del sector bancario mexicano, usando métricas de desempeño bancarias del G7²⁵ vía el ACP. Las métricas se calculan con información de estados financieros y otras variables clave. Se compara este indicador con los ciclos económicos y financieros nacionales, el SICCA y el Índice de Precios y Cotizaciones (IPC); así también se analiza el comportamiento de las métricas usadas en el modelo ACP, antes y después de la crisis financiera Subprime²⁶ y crisis sanitaria COVID 19²⁷, para observar la actuación del sector (en particular sus fases de deterioro) y su relación con los ciclos del índice propuesto.

El trabajo se justifica, primero, no existe a nivel nacional un indicador acerca los ciclos del sector bancos, que permita evaluar su salud financiera en tiempo real; y segundo, el análisis del comportamiento de métricas clave antes y después de crisis es un tema no estudiado en México para bancos.

El trabajo presenta las siguientes limitaciones; se analizan únicamente los bancos que componen el G7, el periodo de tiempo seleccionado solo abarca dos crisis, y se utilizan exclusivamente variables de estados financieros e indicadores bancarios clave, no se incluyen variables exógenas de tipo económicas o financieras.

El principal resultado fue el índice acerca del desempeño del sector bancario mexicano CP1G7 (Componente Principal 1 del G7), utilizando información de los estados financieros del grupo. Se mostró que el índice propuesto CP1G7, al ser comparado sus ciclos versus los del IPC y el SICCA, es un indicador adecuado para medir el estado (recesión o expansión) que guarda el sistema bancario mexicano. Así también, por medio del ACP el análisis de la dinámica de los puntajes en periodos antes, durante y después de las crisis Subprime y COVID 19, permitió identificar las variables que más impactan en cada periodo, así como la dirección que tuvieron, lo cual es útil como complemento para análisis financieros o de riesgos.

En conclusión, tanto el índice CP1G7 como el análisis de la dinámica de los puntajes, son herramientas útiles para la detección temprana de posibles amenazas en la estabilidad financiera.

El trabajo se divide en cuatro secciones; en la segunda, Datos, se describe el origen de la información, el periodo de tiempo estudiado así como las variables utilizadas; la tercera sección, Metodología, se refiere a la descripción del ACP junto con el cálculo de las métricas utilizadas para el análisis, también se presenta del filtro de Hodrick y Prescott (HP) utilizado para comparar los ciclos del índice propuesto vs los financieros y económicos nacionales; en la cuarta sección, Modelo propuesto y resultados, se describen los pasos realizados para obtener el índice propuesto, el análisis tanto de los componentes principales como el estudio del comportamiento de la métricas antes y después de las crisis Subprime y COVID 19; finalmente en la sección, Conclusiones se comentan los principales hallazgos.

2. Datos

Se utilizan datos que provienen de los Estados Financieros mensuales reportados por las Instituciones de Banca Múltiple a la Comisión Nacional Bancaria y de Valores (CNBV), además de ratios calculados por el regulador como el ROA, ROE, Índice de Morosidad entre otros; durante el periodo de enero de 2002 hasta diciembre de 2021, periodo que abarca las crisis Subprime de 2007 y COVID-19 de 2020. Del universo de instituciones bancarias nacionales se eligió trabajar con el grupo del G7 (conformada por Citibanamex, Banorte, BBVA, HSBC, Inbursa, Santander y Scotiabank).

Se seleccionaron 29 variables, las cuales se describen de manera breve en la Tabla 2 del Anexo 1.

Adicional a los datos de las instituciones bancarias, se utilizaron las series de tiempo del Índice de Precios y Cotizaciones (IPC) y del Sistema de Indicadores Compuestos: Coincidente y Adelantado (SICCA), para confrontar los ciclos del indicador propuesto con los ciclos económicos y financieros nacionales.

El Índice de Precios y Cotizaciones (IPC) es el principal índice bursátil en México, su muestra concentra las 35 principales empresas listadas en la Bolsa Mexicana de Valores (BMV). En la Figura 1, se grafica la serie del IPC de enero de 2002 a diciembre de 2021.

Fuente: Elaboración propia con datos de Yahoo Finance.

Figura 1 Serie del IPC de enero de 2002 a diciembre de 2021.  

El Sistema de Indicadores Compuestos: Coincidente y Adelantado (SICCA) de acuerdo con la definición del INEGI (²⁰¹⁰) es un indicador que permite conocer oportunamente la actividad económica en México. Este sistema incorpora información de diversos mercados del país que permiten anticipar la posible trayectoria de la economía nacional (^{INEGI, 2010}). En este trabajo se utiliza el indicador coincidente del SICCA.

De acuerdo con el INEGI, el indicador coincidente del SICCA se define de la siguiente manera:

El indicador coincidente es un índice que incluye series económicas con información sobre el mercado de bienes y servicios y sobre el mercado laboral. En particular dicho indicador incorpora el Producto Interno Bruto Mensual, al Índice de Volumen Físico de la Actividad Industrial, el Número de Asegurados Permanentes del Instituto Mexicano del Seguro Social (IMSS), el Índice de Ventas al por menor en Establecimientos Comerciales y la Tasa de Ocupación Parcial y Desocupación. (^{INEGI, 2010, p. 4}).

Fuente: Elaboración propia con datos del INEGI.

Figura 2 Índice coincidente del SICCA de enero de 2002 a diciembre de 2021.  

3. Metodología

En esta sección se presenta el cálculo de las métricas utilizadas, el análisis de los componentes principales y la definición del filtro HP.

4. Modelo propuesto y resultados

Se propone construir un índice en tiempo real acerca del comportamiento del sector bancario en México, utilizando información de los estados financieros de la agrupación G7 (conformada por Citibanamex, Banorte, BBVA, HSBC, Inbursa, Santander y Scotiabank), la cual representa aproximadamente el 78% del volumen de activos totales de la banca múltiple mexicana, se utiliza el ACP para construir el índice como la combinación lineal de las métricas acerca el desempeño del G7. Se comparan los ciclos del índice obtenido versus los financieros y económicos (IPC y SICCA, respectivamente) ²⁸. También se analiza el comportamiento de las métricas que utiliza el índice a priori y a posteriori a las crisis Subprime y COVID-19.

4.2. Conformidad y sincronía

Se analiza tanto la conformidad como la sincronía entre los componentes CP1G7, CP2G7 versus los ciclos financiero y económicos nacionales, de manera descriptiva.

Fuente: Elaboración propia con series históricas de la CNBV e INEGI.

Figura 3 Comparativa entre Componentes Principales y puntos de giro del SICCA.  

En la Figura 3, se grafican las series originales de los dos primeros Componentes Principales del G7 (CP1G7 y CP2G7), los cuales acumulan más del 70% de la varianza de las 24 variables, junto con las fechas de inicio y terminación de las crisis Subprime y COVID-19, franjas en blanco. Se observa una baja conformidad entre el CP1G7 y el CP2G7. Por otro lado, existe una alta sincronía entre el CP1G7 versus los puntos de giro del SICCA; se aprecia como durante la crisis Subprime, que inicia en abril de 2008, inicia al mismo tiempo en el CP1G7 como en la economía mexicana. En el mismo sentido, para su recuperación en febrero de 2009, el CP1G7 adelantó su recuperación en tres meses versus la economía mexicana. Algo similar sucedió para la crisis de la pandemia del COVID-19 (enero 2020 a abril 2020), el CPIG7 presenta una sincronía coincidente en el inicio de la crisis en enero de 2020 y su fin en abril de 2020.

Por otro lado, el CP2G7, presenta una baja conformidad con respecto a la economía mexicana. Lo anterior puede observase en el comportamiento de los picos y valles para la crisis de la pandemia del COVID-19. Mientras la economía mexicana se ve afectada por una caída, el CP2G7 presenta una expansión. Por lo anterior se concluye que son series opuestas a los ciclos de negocio. Con relación a la crisis Subprime, del 2008, el CP2G7 presenta una sincronía retrasada de un mes respecto a la economía mexicana, para el inicio y fin de la crisis.

Fuente: Elaboración propia con series históricas de la CNBV, INEGI y Yahoo Finance.

Figura 4 Comparativa entre el IPC, el Indicador propuesto y puntos de giro del SICCA.  

En la figura 4, están las series originales del CP1G7 y del IPC, junto con las fechadas de los puntos de giro del SICCA. Se observa una alta sincronía entre el CP1G7 y el IPC, así también con los puntos de giro del SICCA, para todos los picos y valles del SICCA, que corresponden con las crisis Subprime, del 2008 y la crisis de la pandemia del COVID-19. En el mismo sentido, se percibe una alta conformidad en las series del CP1G7, IPC y SICCA (expansiones y recesiones que se corresponden en momentos similares), sugiere que este primer componente podría utilizarse como un indicador coincidente respecto a la economía mexicana y con una sincronía casi coincidente con el IPC.

En la Figura 5, están tanto los ciclos del CP1G7 como los del IPC, junto con el fechado de los puntos de giro del SICCA. Se identifica una alta sincronía entre el ciclo del CP1G7 versus los puntos de giro del SICCA. Las fechas de inicio y fin de las crisis Subprime, del 2008 y de la pandemia del COVID-19, se corresponden. Es decir, los ciclos bancarios recienten las recesiones casi al mismo tiempo que la economía nacional, al igual que sus expansiones.

Por su parte, el ciclo del CP1G7 versus el IPC presenta una sincronía retrasada, por poco tiempo, pues el IPC anticipa con pocos meses al CPIG7. Con lo anterior se concluye que el ciclo financiero obtenido a partir de los mercados financieros es un indicador adelantado a las recesiones bancarias y de la economía.

Fuente: Elaboración propia con series históricas de la CNBV, INEGI y Yahoo Finance.

Figura 5 Comparativa entre ciclos el IPC, ciclos del Indicador propuesto y puntos de giro del SICCA.  

Fuente: Elaboración propia con series históricas de la CNBV, INEGI y Yahoo Finance.

Figura 6 Comparativa ciclos del IPC, ciclos de los CP1 de los cuatro principales bancos de México y puntos de giro del SICCA.  

En la Figura 6 se presentan los ciclos del CP1 para los cuatro bancos principales de G7 (BBVA, Santander, Citibanamex y Banorte) versus los ciclos del IPC, así como los puntos de giro del SICCA.

El CP1de BBVA, presenta una mayor sincronía con el IPC y con la dinámica de la economía nacional representada a través del SICCA. Durante la crisis Subprime del 2008 y para la crisis del COVID en 2020, tanto las recesiones como las expansiones son prácticamente coincidentes entre el CP1 BBVA y el SICCA, mientras el ciclo del IPC anticipa a ambos con al menos dos meses.

El CP1 para Santander y Banorte presentan una sincronía retrasada versus el IPC y los puntos de giro del SICCA, con al menos un mes. Es decir, mientras el indicador de la economía mexicana y el IPC ya mostraron sus efectos en las recesiones, el CP1 para Santander y Banorte aún continuaba al alza.

Finalmente, el CP1 del Citibanamex, es el que menor sincronía presenta con los ciclos del IPC y la dinámica nacional. Puede observarse como existe una expansión para el ciclo del CP1 de Citibanamex, durante la crisis Subprime del 2008, mientras hay una recesión en la economía mexicana a través del SICCA, y del IPC. Un caso similar se presenta para la crisis del COVID-19 en 2020. Mientras la economía mexicana y el IPC presentan una recesión, en el CP1 de Citibanamex hay una expansión. Lo anterior sugiere que las líneas de negocio de este banco pudieran no estar relacionadas con la trayectoria de la economía mexicana, sino más en inversiones y activos en el exterior, como lo sugiere su estrategia comercial, con la venta de este grupo financiero²⁹.

4.1.3 Comportamiento de métricas antes y después de periodos crisis

Se analiza el impacto de las crisis financieras en el comportamiento de las métricas utilizadas en el ACP para el G7, en la figura 7, están los eigenvectores de cada métrica, en el espacio CP1 vs CP2. A cada cuadrante se le asignó una categoría, con base a las métricas contenidas.

Cuadrante I, Indicadores de Rentabilidad y Cobertura, en este cuadrante están las métricas ROA, ROE, Resultados Operacionales, Resultados antes de Impuestos, las cuales miden la rentabilidad de la banca, igualmente la variable de Estimaciones Preventivas para Riesgos Crediticios la cual indica el nivel de provisiones para hacer frente a las pérdidas por impago de los clientes.

Cuadrante II, Indicadores de Caja y Cobertura, en este cuadrante se ubican las métricas de Disponibilidades e Índice de Cobertura como las más representativas.

Cuadrante III, Indicadores de Morosidad, compuesto por las métricas Cartera Vencida e Índice de Morosidad, también está presente la variable Depósitos a Plazo.

Cuadrante IV, Variables de Balance, contiene variables de activos y pasivos, como la Cartera Vigente, Depósitos Totales, Depósitos a la Vista, Obligaciones Subordinadas y Activos Productivos.

Fuente: Elaboración propia con series históricas de la CNBV.

Figura 7 Distribución de variables en el espacio formado por los Componentes Principales Uno vs Dos (CP1 vs CP2) para el G7.  

Una vez ubicadas las métricas en el espacio CP1 vs CP2, se procedió al análisis de la dinámica de los puntajes en el mismo espacio, a través del tiempo. Para realizar este estudio, primero, se dividió el conjunto de datos en periodos de tiempo, antes de cada crisis, durante y posterior a ella. En total se fraccionó la muestra en cinco periodos, como se muestra en la Tabla 2, con un color asignado para cada periodo, el cual se utilizó tanto para señalar cada puntaje dentro del periodo como la flecha que indica la dirección de su movimiento.

Tabla 2 Fechas de agrupación de los puntos y color asignado. 

Periodo - Rango de fechas	Color
enero 2002 - noviembre 2007	Azul
diciembre 2007 - junio 2009	Magenta (Crisis Subprime)
julio 2009 - diciembre 2019	Verde
enero 2020 - mayo 2020	Rojo (Crisis COVID-19)
junio 2020 - diciembre 2021	Azul turquesa

Fuente: Elaboración propia.

En la figura 8, están tanto los puntajes como la dirección de su evolución a través del tiempo para cada periodo. El primer periodo es de enero 2002 a noviembre 2007 (azul), el primer puntaje corresponde a la fecha enero 2002 y el último a noviembre de 2007, la dirección de los puntajes en este periodo inicia en el cuadrante III, el Índice de Morosidad en su punto más elevado de todo el periodo de análisis, mientras la rentabilidad y el balance en un punto bajo respecto al horizonte total; durante el periodo la banca aumenta su rentabilidad y se direcciona al cuadrante I, disminuyendo la morosidad, mientras el balance no tiene mayor impacto para este periodo, este fue el escenario con mayor crecimiento de la rentabilidad.

Fuente: Elaboración propia con series históricas de la CNBV.

Figura 8 Distribución de observaciones y variables en los Componentes Principales para el G7.  

Durante la crisis Subprime, periodo de diciembre 2007 a junio 2009 (magenta), el comportamiento de la banca inicia en el cuadrante II y se desplaza hacía el cuadrante III, se ve aumentada la morosidad o Cartera Vencida, acompañado de una reducción en su rentabilidad, este comportamiento es opuesto al cuadrante IV, el comportamiento va en contra del Indicador de Balance, sin ser completamente opuesto.

Posterior a la crisis, periodo de julio del 2009 a diciembre de 2019 (verde), los puntajes inician en el cuadrante II y se mueven al Indicador de Balance, cuadrante IV, esto marca el posicionamiento de la banca, las instituciones aumentan tanto sus activos como pasivos, por medio de la colocación de créditos y captación de depósitos respectivamente, pasando por el cuadrante I, lo que muestra que el indicador de rentabilidad aumenta sin ser el mayor determinante del periodo, así mismo, el Indicador de Morosidad presenta un decrecimiento. Según las observaciones la banca se consolidó y aumentó su participación en México de manera sostenida.

Durante la crisis del COVID 19, periodo de enero 2020 a mayo 2020 (rojo), la banca se comporta similar a lo visto durante la crisis Subprime, este periodo inicia en el cuadrante IV dirigiéndose al Indicador de Morosidad, cuadrante III, aumenta la Cartera Vencida, acompañado de una disminución en la rentabilidad, comportamiento opuesto también al Indicador de Balance, esta vez con mayor impacto en la disminución de activos y pasivos. En particular, esta crisis no se aproximó tanto al cuadrante III como la Subprime.

El último tramo de tiempo inicia junio 2020 y va hasta diciembre de 2022 (azul turquesa), la banca se estabiliza, se desplaza hacía los cuadrantes IV y I, en dirección contraria a los cuadrantes II y III, por la posición de las últimas observaciones, se puede decir que la banca está queriendo volver a niveles pre pandemia, tanto en nivel de activos y pasivos como de rentabilidad, así mismo se observa la disminución del Índice de Morosidad, con una perspectiva de crecimiento en los siguientes meses.

5. Conclusiones

El uso de información de los Estados Financieros del G7 permitió construir un índice acerca del desempeño del sector bancario mexicano CP1G7. Se mostró que el índice propuesto CP1G7, al ser comparado sus ciclos versus los del IPC y el SICCA, es un indicador adecuado para medir el estado (recesión o expansión) que guarda el sistema bancario mexicano, o incluso, un banco en específico. En particular, el índice reveló estar altamente relacionado con la economía mexicana, al tener una sincronía casi coincidente con su principal indicador, el SICCA, así también, se advirtió que el IPC, ciclos financieros, adelanta tanto a los ciclos económicos como a los bancarios.

Adicionalmente, el análisis de la dinámica de los puntajes en periodos antes, durante y después de las crisis Subprime y COVID 19, permitió identificar las variables que más impactan en cada periodo (estado del sector), así como la dirección que tuvieron, lo cual es útil como complemento para análisis financieros o de riesgos. En particular, el comportamiento de la banca en los periodos previos, durante y posteriores a las crisis se vio determinado en su mayoría por aumentos y disminuciones en variables específicas. Por ejemplo, tanto previo como posterior a las crisis, la banca tiende a aumentar su rentabilidad además de consolidar su posición con un crecimiento sostenido en sus activos y pasivos, durante las crisis, estas variables retroceden, con un impacto mayor en la rentabilidad, mientras el Índice de Morosidad incrementa, dado el incremento en la cartera vencida.

En conclusión, el CP1G7 propuesto, no solo se valida mediante su conformidad y sincronía con los ciclos económicos y financieros, si no también, con base al análisis de la dinámica de las variables en el espacio CP1 vs CP2; donde queda de manifiesto el deterioro del sector en los periodos de las crisis analizadas. Tanto el índice CP1G7 como el análisis de la dinámica de los puntajes, son herramientas útiles para la detección temprana de posibles amenazas para la estabilidad financiera.