1. Introducción

Un informe de The Economist Intelligent Unit señala que México se caracteriza por “un menor acceso a servicios financieros que otros países de la región con un nivel similar de desarrollo” (^{EIU, 2014}) y lo atribuye, en gran medida, a la alta concentración en el sector bancario. Nuestro artículo explora en detalle esta idea en relación con el sistema pagos de bajo valor. En particular, el artículo explora el papel de la concentración bancaria en el uso de las tarjetas de crédito. Un estudio del sistema de pagos con tarjeta de crédito tiene que considerar que éste es un mercado de dos lados. Este sistema tiene un lado emisor que es formado por los tarjetahabientes y los bancos que emiten las tarjetas y también tiene un lado adquirente que es formado por los comercios con capacidad de cobro a tarjetas de crédito y por los bancos que proveen y mantienen las terminales punto de venta (TPV). En los modelos básicos de competencia oligopolista (en particular, el modelo de Cournot) la concentración industrial está relacionada con los niveles de competencia. Por lo tanto, nuestro artículo analiza si los niveles de competencia en los dos lados del mercado del mercado de pagos con tarjeta son determinantes de su producto, medido en términos de transacciones con tarjeta de crédito.

La innovación del presente estudio es relacionar la competencia, aproximada por índices de concentración en los dos lados del mercado, y el valor de las transacciones con tarjetas de crédito como porcentaje del PIB. Nuestros resultados muestran que la variable más importante en determinar cuánto se paga con tarjetas de crédito es el número de TPV per cápita a nivel nacional. Este resultado refuerza una de las conclusiones del estudio de Castellanos y Garrido (²⁰¹⁷), acerca de los determinantes del uso de tarjetas, aunque su estudio relaciona el gasto por hogar con tarjetas de pago con la presencia de terminales en la localidad de residencia. Nuestros resultados también implican que esta variable influye en la variable dependiente con algunos meses de retraso. Adicionalmente, debido a que se analizan series de tiempo, la magnitud del uso de tarjetas de crédito tiene una tendencia autorregresiva. En otras palabras, el monto agregado del pago con tarjeta manifiesta una persistencia en el tiempo. Por otro lado, el coeficiente relacionado a los niveles de concentración de ambos lados del mercado no parece ser diferente de cero y esto contradeciría una de las conclusiones más relevantes del informe de The Economist Intelligent Unit. Es decir, el valor de los índices de concentración, como indicador de los niveles de competencia no parece ser un determinante importante del uso de las tarjetas de crédito.

2. Estado del arte

Castellanos y Garrido (²⁰¹⁷) usan la Encuesta Nacional de Ingresos y Gastos en los Hogares (ENIGH) para, con base en el modelo econométrico propuesto por Heckman (¹⁹⁷⁶), estudiar los determinantes de que un hogar adquiera una tarjeta de crédito. Ellos usan datos relativos al nivel socioeconómico de los hogares, complementados con datos a nivel municipal acerca la existencia de sucursales bancarias o número de TPVs cerca del hogar, para analizar los determinantes del uso de tarjetas. Los resultados de Castellanos y Garrido (²⁰¹⁷) implican que el uso de tarjeta de crédito depende de forma estadísticamente significativa del número de tarjetas de crédito con las que cuenta el hogar y del número de TPV en el municipio donde reside el hogar. Esto sugiere que una mayor oferta en el lado de los bancos adquirentes (en forma de un mayor número de TPVs) llevará a los hogares a pagar un mayor porcentaje de su gasto con tarjetas de crédito. Por otro lado, ellos muestran que ofrecer mayores beneficios - i.e. recompensas - a los tarjetahabientes no es tan efectivo como promover una mayor instalación de TPV. En nuestro artículo, sin embargo, se analiza si los niveles de competencia, medidos con los indicadores de concentración, tienen algún efecto sobre una variable dependiente relacionada con la que ellos consideraron. Dado que los datos públicos existentes únicamente permiten calcular indicadores de concentración a nivel nacional, nuestro estudio es macroeconómico y de difícil comparación con el estudio de Castellanos y Garrido (²⁰¹⁷). Por otro lado, los objetivos de los dos estudios son muy diferentes, puesto que ellos quieren analizar los determinantes que hacen a un consumidor el escoger un medio de pago y nosotros queremos analizar si el volumen de transacciones depende de los indicadores de concentración, incluyendo como otros determinantes algunos equivalentes macroeconómicos de las variables que usaron Castellanos y Garrido.

Uno de los primeros análisis sobre el comportamiento de los tarjetahabientes mexicanos es Ponce et al. (²⁰¹⁷). Sin embargo, este estudio analiza la distribución de la deuda que los mexicanos generan cuando poseen más de una tarjeta de crédito y no el volumen de uso de las tarjetas.

Nuestra contribución también está relacionada con la literatura que estudia el mercado de pagos con tarjeta de crédito desde un punto de vista de mercado de dos lados, dado que en nuestras regresiones vamos a incluir los indicadores de competencia de los dos lados del mercado. Esta literatura está representada por Baxter (¹⁹⁸³), Schmalensee (²⁰⁰²), Rochet y Tirole (²⁰⁰²), Wright (²⁰⁰⁴) y Guthrie y Wright (²⁰⁰⁷), entre otros. Esta literatura se centra fundamentalmente en la determinación de las tasas de intercambio que regulan la relación entre banco emisor y banco adquirente. La tasa de intercambio es un pago del banco adquirente al banco emisor y su finalidad es el fomentar la emisión y uso de tarjetas por parte de los tarjetahabientes. Dado que una de las conclusiones del artículo es que para aumentar el uso de tarjetas de crédito habría que estimular la instalación de TPVs, ello implica que habría que desplazar recursos del lado emisor al lado adquirente y una forma de hacerlo es reduciendo las tasas de intercambio.

El resto del artículo se estructura de la siguiente manera: La sección segunda presenta la evolución de diversos indicadores de concentración en la industria de las tarjetas de crédito. La sección tercera presenta la metodología. La sección cuarta presenta la interpretación de los resultados. Finalmente, se presenta una conclusión en la sección quinta y dos Apéndices presentan algunos detalles de la metodología utilizada.

3. La Concentración en la Industria de Tarjetas de Crédito en México

Las transacciones con tarjetas de pago, ya sea de débito o de crédito, pertenecen a un mercado de dos lados. El primero, es el lado emisor: compuesto por el tarjetahabiente, el poseedor de la tarjeta, y el banco emisor, que es el banco que provee la tarjeta. El otro lado, el adquirente, se compone por el comercio capaz de recibir el pago a través de una TPV, que provee y mantiene un banco adquirente. Dada la naturaleza de cualquier mercado de dos lados (ver, por ejemplo, ^{Rochet y Tirole, 2002}), existe una dependencia mutua entre sus partes. El banco emisor no tendría incentivos a emitir tarjetas si no existieran comercios con capacidad de adquisición. De la misma manera, no se mantendrían TPV si no existen tarjetahabientes que las demanden. Dado que el mercado de las tarjetas de crédito es un mercado de dos lados, para entender sus niveles de competencia es necesario medir la concentración del lado emisor y también la del lado adquirente.

En la Figura 1 se presentan las tendencias de los índices HHI (Índice de Herfindahl-Hirschman), CR2 y CR5 (el porcentaje del mercado concentrado por las 2 y 5 mayores empresas, respectivamente) para el lado emisor. En esta figura se aprecia la fuerte tendencia a la baja en los niveles del HHI. Al cierre de 2020 este índice se encuentra alrededor de los 1,490 puntos. Esto se consideraría, según el departamento de justicia de los Estados Unidos, un mercado con baja concentración. En cuanto a los otros dos índices, se aprecia que cinco bancos controlan el 78% de la emisión de tarjetas de crédito. Este hecho permite concluir que la concentración en este lado ha disminuido considerablemente.

La Figura 2 presenta la concentración en el mercado de adquisición medida con los mismos índices y se aprecia una tendencia muy distinta. Aunque el HHI tiene una varianza importante, no parece tener una tendencia al alza ni a la baja. Para este lado del mercado, el HHI se encuentra alrededor de los 2,000 puntos, es decir, sería considerado un mercado medianamente concentrado. Por otro lado, cinco bancos controlan el 88% de las TPV.

Fuente: Elaboración propia con datos de la CNBV

Figura 1 Concentración en la Emisión de Tarjetas de Crédito 

Fuente: Elaboración propia con datos de la CNBV

Figura 2 Concentración en el Lado Adquirente 

El valor de las transacciones como porcentaje del PIB va a ser una de nuestras variables de interés. En la Figura 3 se aprecia el valor de las transacciones como porcentaje del PIB. Esta figura muestra una tendencia creciente en esta variable.

Fuente: Elaboración propia con datos de Banxico

Figura 3 Valor de las transacciones con tarjeta de crédito como % del PIB 

4. Metodología

Nuestro objetivo es relacionar los niveles de concentración de cada lado de la industria de las tarjetas de crédito con el uso a nivel agregado de las mismas. Los datos procedentes del Banco de México acerca de las participaciones de las empresas en este mercado son a nivel nacional. Por ello, el estudio es necesariamente macroeconómico y es de difícil comparación con el estudio de Castellanos y Garrido (²⁰¹⁷) acerca de los determinantes del uso de tarjetas. Sin embargo, el estudio de Castellanos y Garrido se utilizó para determinar algunas de las variables a incluir en nuestra regresión macroeconómica. El disponer únicamente de datos agregados nos fuerza a tener un enfoque de series de tiempo para poder disponer de la suficiente variación y cantidad de datos.

Para nuestro modelo de regresión se consideraron tres variables importantes que se tuvieron que considerar a nivel agregado, como porcentajes del PIB o per cápita (el detalle de la construcción de los datos se presenta en el apéndice 1): el porcentaje del gasto total que lleva a cabo el hogar con su tarjeta de crédito, el número de tarjetas de crédito per cápita y el número de TPVs per cápita. Además de estas tres variables, construimos los índices de concentración.

La regresión básica que se propuso fue la siguiente:

Donde la variable dependiente es Tr%PIB, el valor de las transacciones con tarjeta de crédito como porcentaje del PIB. ICE es un índice de concentración del lado emisor e ICA es el mismo índice para el lado adquirente. CpCap es el número de tarjetas de crédito por persona en México. Finalmente, TpCap es el número de TPV por persona.

Se consideran tres índices de concentración para cada lado del mercado: El HHI, la razón CR2 y la razón CR5. Dependiendo del tipo de índice usado se desprenden tres versiones de la regresión propuesta. La primera (Eq. 1) incluye HhiC que es el índice de Herfindahl-Hirschman del lado emisor y HhiT que es el mismo índice para el lado adquirente. La primera versión alternativa sustituye HHiC por CR2C y HHiT por CR2T (Eq. 2). La segunda versión alternativa sustituye las mismas variables, pero con el índice CR5 (Eq. 3). En el apéndice 1 se explica la metodología para calcular las cinco variables propuestas en la Eq. 1, y en las Eq. 2 y Eq. 3, que se definirán más adelante. Las tres versiones se ven así:

Nosotros asumimos un modelo de equilibrio donde las series que se ponderan no son estacionarias. Por ello, los datos fueron tratados para tener series estacionarias (las pruebas de estacionariedad se reportan en las tablas III y IV en el apéndice). Con los datos tratados para inducir estacionariedad, la relación de equilibrio que involucra la combinación de variables debe ser estacionaria. Si no fuera así, cualquier desviación del equilibrio asumido no sería temporal y la regresión no daría resultados consistentes. Si la combinación de variables es estacionaria, decimos que las variables están cointegradas. El proceso para llevar a cabo una regresión consistente debe incluir pruebas de cointegración. Para este estudio se aplicó el método Engle-Granger (^{Engle et al., 1987}) que utiliza la prueba de Engle-Granger. Esta prueba es muy similar a la de Dickey-Fuller (ADF) pero utiliza valores críticos de mayor magnitud. La razón para considerar valores críticos de mayor amplitud es que la prueba se lleva a cabo sobre residuales y esto ocasiona que el estadístico de prueba cambie de distribución. La prueba calcula una regresión como la de Eq. 1 y después una regresión autorregresiva sobre los residuales de esta regresión. Los valores críticos de los estadísticos de prueba se encuentran en Engle & Yoo (¹⁹⁸⁷). La prueba revisa la hipótesis nula, H_o, de que las variables no son cointegrables contra la alternativa, H_a, de que sí lo son. Si el estadístico de prueba es más negativo que el valor crítico, se rechaza la H_o en favor de la H_a, sugiriendo que sí se pueden analizar las variables de manera cointegrada. La prueba se llevó a cabo para las 3 versiones propuestas de la regresión, aunque por razones de exposición, solo presentamos los resultados de la regresión final en la tabla V del apéndice (los resultados de las demás regresiones están disponibles bajo petición a los autores). El segundo paso de este método es llevar a cabo una regresión con las variables propuestas en el paso anterior, pero esta vez con su tratamiento de inducción de estacionariedad. En este proceso se pueden incluir los rezagos deseados si se sospecha que uno de los regresores afecta a la variable independiente de manera rezagada. En este estudio se incluyeron hasta 5 rezagos en este paso.

Como parte de las pruebas de robustez - que se detallan en el apéndice - se llevó a cabo una tercera regresión. Se observó, al hacer los pasos de manera manual, que la R² ajustada aumentaba conforme se le añadían rezagos a la regresión del segundo paso. Sin embargo, la pérdida de grados de libertad por añadir tantas variables fue preocupante. Lo que se hizo en este paso fue utilizar todos los datos que las regresiones pasadas mostraron ser significativos al 10% y aplicarlos a una nueva regresión aplicando el mismo método de Engle-Granger. A estas regresiones les llamaremos “regresiones finales”. Lo más interesante es que en todos los casos, es decir en las tres versiones propuestas, las finales obtuvieron una R² más alta que cualquiera de las regresiones anteriores.

Posteriormente se realizaron pruebas de robustez considerando diversas regresiones alternativas. Para las regresiones alternativas se siguen los mismos tres pasos básicos, pero utilizando las regresiones propuestas en las (5 - (13, descritas en el apéndice. A manera de resumen, en la Tabla II se presentan los coeficientes obtenidos para cada variable que mostró alguna significancia en el segundo paso.

La Tabla I muestra los resultados obtenidos para la regresión que presentó el mejor ajuste con el índice de Herfindahl. Las once variables incluidas en la regresión se seleccionaron porque mostraron una significancia al 10% en alguna de las regresiones originales. Esta regresión final obtuvo una R² ajustada de 0.4489, valor más alto que cualquiera de las regresiones originales. Las variables que resultaron significativas con al menos 95% de probabilidad fueron: Tr%PIB del periodo anterior, CpCap y TpCap de hace tres periodos.

En las Tabla VIII y Tabla IX del Apéndice 1 se observan los datos equivalentes para las versiones con CR2 y CR5 respectivamente. La regresión final con CR5 sugiere que las variables significativas para explicar Tr%PIB son: rezagos 1 y 4 de Tr%PIB, rezago 2 de CR5C, rezago 3 de CpCap y rezago 3 de TpCap. Nótese que se repite el primer rezago autorregresivo de Tr%PIB y el tercer rezago de CpCap y TpCap. Adicionalmente, a partir de esta regresión aparece una sugerencia de significancia de la concentración en el lado emisor sobre el uso de la tarjeta de crédito por los tarjetahabientes mexicanos. Sin embargo, notemos que la magnitud del coeficiente es 0.22 para CR5C. Aunque el coeficiente es significativo, este índice afecta muy poco al porcentaje de gasto con tarjeta de crédito. Sin embargo, la variable TpCap es significativa y con una magnitud mucho mayor a cualquier otro coeficiente. Por último, notemos que los coeficientes sugeridos en las tres variables que se repiten son prácticamente iguales a sus análogos en la versión con HHI.

En cuanto a la versión de la regresión que utiliza el CR2, observamos resultados muy diferentes. En primer lugar, la variable TpCap no aparece en lo absoluto. Esto significa que ninguna versión de los modelos Engle-Granger probados arrojó a ningún rezago de TpCap con al menos 10% de significancia. Las variables que se sugieren significativas en esta versión son: cuarto periodo autorregresivo de Tr%PIB, rezagos 1, 3 y 4 de CR2C y periodos 1, 3 y 4 de CpCap. Es difícil interpretar esta diferencia tan notable entre los resultados de las dos versiones del modelo. Por ello, se analizaron las versiones alternativas como pruebas de robustez. Sin embargo, antes de pasar a ellas, notemos las R² ajustadas de las tres regresiones finales. Estas son: 0.4489 para la versión con HHI, 0.4028 para la versión con CR2 y 0.4404 para la versión con CR5. Lo más importante a observar es que la versión que utiliza CR2 tiene la R² más baja y la sugerencia de multicolinealidad más alta: una R² ajustada de 0.5304 para la regresión entre CR2C y CpCap. Además, esta es la única versión cuya R² en multicolinealidad supera a la R² del modelo. Es decir, es la única que rompe con la regla sugerida por Goldberger (¹⁹⁹¹) como límite de multicolinealidad aceptable.

5. Interpretación de los Resultados

Las dos variables que muestran significancia consistentemente son el primer rezago de la variable dependiente Tr%PIB y el tercer rezago del número de TPV per cápita. La primera se interpreta como la persistencia del efecto del número de TVPs en el tiempo. La razón de esa persistencia puede deberse a que los agentes económicos que utilizan su tarjeta de crédito para ciertos pagos mantengan ese mismo mecanismo de pago al mes siguiente. Ejemplos de estos pagos pueden ser cualquiera de los pagos domiciliados en la tarjeta. Además, los agentes pueden tener dada de alta la tarjeta en servicios como Uber o Rappi y, dado que requiere un esfuerzo dar de baja la tarjeta, es improbable que ese método de pago cambie de un periodo a otro. Por otro lado, el rezago de tres periodos que presenta la variable TpCap se pudiera deber a que el agente tarda unos periodos en enterarse de que su tarjeta es aceptada en algún negocio que antes no la aceptaba o en algún negocio nuevo que pueda ser de interés para el tarjetahabiente.

En cuanto a las magnitudes de los coeficientes que se obtienen, lo primero que llama la atención es el coeficiente de la variable TpCap. Nótese la consistencia de su magnitud en todas menos una de las regresiones llevadas a cabo (ver Panel B de la Tabla II). Esta magnitud deja en claro que esta es la variable que más determina la varianza de la variable dependiente. Este hecho es consistente con los resultados de Castellanos y Garrido (²⁰¹⁷).

La última variable relevante en la determinación de nuestra variable dependiente es el número de tarjetas de crédito per cápita, CpCap. Este resultado también es consistente con el de Castellanos y Garrido (²⁰¹⁷). Sin embargo, esta variable también aparece con un rezago de tres meses. Esto puede ser debido a que un tarjetahabiente tarda en hacer la transición de sus pagos a una nueva tarjeta. El argumento es similar al basado en el esfuerzo que se tiene que llevar a cabo para dar de baja la tarjeta de ciertos pagos domiciliados. Este resultado es menos robusto, ya que esta variable únicamente aparece en nueve de las regresiones y una de las regresiones alternativas la excluye. Sin embargo, notamos que la magnitud de su coeficiente, aunque mucho más pequeña que la magnitud de TpCap, es mayor al resto de las variables.

La regresión final que se hace con base en la razón de concentración de grado dos es la única en la que no aparece TpCap, ni el primer rezago de Tr%PIB con ningún nivel de confianza. Sin embargo, como se mencionó en la sección anterior, esta es la versión con mayor sugerencia de multicolinealidad.

Con respecto a los índices de concentración, notamos una gran inconsistencia en la aparición en términos de significancia de cualquiera de los tres índices utilizados. El HHI aparece con al menos 10% de significancia en algunas de las regresiones originales. Sin embargo, al llevar a cabo la regresión final, la significancia no queda dentro del 10% para ningún rezago. Esto se aprecia en la Tabla I, que presenta la regresión con la R² ajustada más elevada. Además, no aparece el HHI para ningún lado del mercado en ninguna de las tres regresiones alternativas que lo incluyen. Cuando sí aparece, es con un coeficiente de magnitud muy pequeña. El CR2 es el índice que más aparece en términos de significancia. Este índice aparece fuertemente en la regresión final que lo incluye. Sin embargo, los resultados con CR2 pueden tener un problema por alta multicolinealidad. En las regresiones alternativas tiende a aparecer el índice de concentración del lado adquirente del mercado, pero con un coeficiente de magnitud muy pequeño (columna “HhiT/CR2T/CR5T” de la Tabla II). Lo que sí se observa es una consistencia en su signo negativo. Esto es intuitivo y significa que mientras mayor sea el índice (menor competencia) menor es el uso que dan los mexicanos a sus tarjetas de crédito.

Los resultados de estas regresiones no parecen indicar un efecto importante de los niveles de competencia (o de la estructura del mercado) de ninguno de los lados del mercado. Estos resultados son válidos para los niveles de concentración que ha experimentado México en la última década. Por otro lado, como se dijo anteriormente el resultado más consistente es que lo que más incentiva el uso de las tarjetas de pago es el número de terminales punto de venta per cápita. Esto es similar a lo que hayan Castellanos y Garrido (²⁰¹⁷) al concluir que son el número de TPV en la localidad el factor más importante para que el hogar utilice más su tarjeta de crédito.

5. Conclusiones

Este artículo analiza los efectos que tiene el nivel de competencia en la industria de tarjetas de crédito sobre la intensidad de su uso por parte de los tarjetahabientes mexicanos. Si bien, esta no es la primera vez que se analiza la competencia a cada lado del mercado de las tarjetas de pago en México (ver, por ejemplo, ^{Negrín, 2005}), sí es la primera vez que se investiga si la competencia determina la magnitud de uso que se les da a las tarjetas de crédito en México. Los resultados complementan el estudio hecho por Castellanos y Garrido (²⁰¹⁷) hecho con micro datos para encontrar los determinantes del porcentaje del gasto que un hogar paga con tarjeta de crédito.

Nuestros resultados implicarían que los cambios en los niveles de concentración en México no han sido importantes en el comportamiento de los tarjetahabientes. Sin embargo, hay que ser cautelosos con la interpretación de estos, dado que los cambios en estos niveles no han sido muy grandes, apreciándose un mayor aumento en competencia en el lado emisor que en el lado adquirente. Por otro lado, se encontró que lo que más incentiva el uso de las tarjetas de pago es el número de terminales punto de venta per cápita. Esto es similar a lo que determinan Castellanos y Garrido (²⁰¹⁷) al concluir que son el número de TPV en la localidad el factor más importante para que el hogar utilice más su tarjeta de crédito. Por lo tanto, si se desea estimular el uso de tarjetas de crédito se debe estimular la instalación de TPVs. Una forma de hacerlo es reduciendo las tasas de intercambio que paga el lado adquirente al lado emisor en el sistema de pagos por tarjeta.

Este estudio se debería extender usando datos de concentración bancaria a niveles más desagregados y, para ello, sería necesario recopilar los datos de tarjetas de crédito por institución a nivel estado o nivel municipal, para corroborar que la relación se cumple a este nivel desagregado. Sin embargo, no existen datos de concentración bancaria a ese nivel de desagregación.

Es importante destacar que el estudio considera bases de datos anteriores a la epidemia de COVID. Esto se realiza para evitar tener que considerar una variedad de efectos diversos y transitorios (por ejemplo, el de la información que se divulgó de que el dinero en efectivo era un elemento de contagio) que podrían complicar innecesariamente las relaciones sobre las que queremos centrarnos.