el financiamiento hipotecario y los precios de las...
TRANSCRIPT
1
FACULTAD DE CIENCIAS EMPRESARIALES
Carreras de Economía
EL FINANCIAMIENTO HIPOTECARIO Y LOS
PRECIOS DE LAS VIVIENDAS EN EL PERÚ: UNA
APLICACIÓN A LIMA METROPOLITANA 2001 -
2015
Tesis para optar el Título Profesional de Economista
presentada por:
ALESSANDRA PELÁEZ TEJADA
Asesor:
LEOPOLDO TADDEI DIEZ
Lima – Perú
2017
2
EL FINANCIAMIENTO HIPOTECARIO Y LOS PRECIOS DE LAS
VIVIENDAS EN EL PERÚ: UNA APLICACIÓN A LIMA
METROPOLITANA 2001 – 2015
Fecha de Sustentación y Aprobación: Martes 24 de Enero de 2017
Presidente de Jurado:
Mag. Canales Rimachi, Jaime
Jurados:
Mag. Urbina Padilla, Dante
Mag. Chumpitasi Quaglia, Miguel
3
ÍNDICE RESUMEN ...................................................................................................................................... 6
1. PROBLEMA DE INVESTIGACIÓN ............................................................................................... 8
1.1. Planteamiento del Problema .............................................................................................. 8
1.2. Formulación del Problema ................................................................................................. 8
1.3. Justificación de la Investigación ......................................................................................... 9
2. MARCO REFERENCIAL ............................................................................................................. 11
2.1. Marco Teórico .................................................................................................................. 11
2.1.1. El Financiamiento Hipotecario ............................................................................. 11
2.1.2. La Formación de Precios en el Mercado de Viviendas ......................................... 12
2.1.2.1. Factores de Oferta ................................................................................ 12
2.1.2.2. Factores de Demanda ........................................................................... 12
2.1.2.3. Precios de Viviendas ............................................................................. 13
2.1.3. Estudios sobre el Mercado de Viviendas .............................................................. 15
2.1.3.1. Literatura Internacional ........................................................................ 15
2.1.3.2. Estudios del Mercado de Viviendas en el Perú .................................... 16
2.2. Las Condiciones de Financiamiento Hipotecario en el Perú ........................................... 19
2.3. El Mercado de Viviendas ................................................................................................. 25
3. OBJETIVOS E HIPÓTESIS .................................................................................................. 30
3.1. Objetivos .......................................................................................................................... 30
3.2. Hipótesis ........................................................................................................................... 30
4. METODOLOGÍA .............................................................................................................. 32
5. DISCUSIÓN DE RESULTADOS ........................................................................................... 49
6. CONCLUSIONES .............................................................................................................. 56
7. RECOMENDACIONES ...................................................................................................... 58
8. BIBLIOGRAFÍA ................................................................................................................ 59
9. ANEXOS ......................................................................................................................... 65
9.1. Matriz de Consistencia ..................................................................................................... 65
9.2. Raíces Características del Modelo de Vectores Autorregresivos ..................................... 67
9.3. Residuos del Modelo de Vectores Autorregresivos ......................................................... 68
9.4. Correlograma de los Residuos del modelo de Vectores Autorregresivos ........................ 69
4
ÍNDICE DE TABLAS
Tabla 1. Indicadores Demográficos. ........................................................................................ 27
Tabla 2. Matriz de Correlaciones ........................................................................................... 44
Tabla 3. Pruebas de Raíz Unitaria. Test de Dickey Fuller Aumentado. ................................ 45
Tabla 4. Test de Causalidad de Granger ................................................................................. 49
Tabla 5. Promedio de Ingreso Mensual del Hogar (2000 y 2015) ....................................... 50
5
ÍNDICE DE GRÁFICOS
Gráfico 1. Créditos Hipotecarios ............................................................................................. 22
Gráfico 2. Estructura de los Créditos Hipotecarios por Institución Financiera 2015 ........ 22
Gráfico 3. Morosidad de Créditos Hipotecarios. ................................................................... 24
Gráfico 4. Créditos Hipotecarios como porcentaje del PBI.................................................. 25
Gráfico 5. Estructura Porcentual del PBI Real 2015 .............................................................. 26
Gráfico 6. Precios Promedio de Viviendas según Estrato Socioeconómico ....................... 29
Gráfico 7. Variable de Interés de la Investigación: Indicador de Precios de Viviendas .... 33
Gráfico 8. Variables de los Mercados Inmobiliario e Hipotecario. ...................................... 34
Gráfico 9. Mercado Hipotecario: Tendencia del Crédito .................................................... 35
Gráfico 10. Mercado Hipotecario: Ratio de Dolarización .................................................... 36
Gráfico 11. Mercado Hipotecario: Créditos por moneda .................................................... 37
Gráfico 12. Mercado Inmobiliario: Precios para el Sector Alto-Lima Metropolitana ....... 38
Gráfico 13. Mercado Inmobiliario: Tendencia de los precios para el Sector Alto en Lima
Metropolitana ........................................................................................................................... 39
Gráfico 14. Producto Bruto Interno Real ............................................................................... 40
Gráfico 15. Producto Bruto Interno Real: Serie Original y Serie Desestacionalizada ....... 40
Gráfico 16. Mercado Hipotecario: Tasa de Interés para Créditos Hipotecarios por
moneda ...................................................................................................................................... 42
Gráfico 17. Mercado Hipotecario: Tasa de Interés Agregada ............................................. 42
Gráfico 18. Variables para el Análisis Econométrico ............................................................ 43
Gráfico 19. Variables Transformadas para el Modelo de Vectores Autorregresivos ....... 46
Gráfico 20. Funciones de Impulso - Respuesta ..................................................................... 48
Gráfico 21. Función Impulso – Respuesta Acumulado ......................................................... 48
Gráfico 22. Oferta de Viviendas según Estrato Socieconómico. ......................................... 51
Gráfico 23. Oferta de Viviendas según Estrato Socieconómico 2015 ............................... 52
Gráfico 24. Demanda Insatisfecha por Estrato Socieconómico .......................................... 52
Gráfico 25. Demanda Insatisfecha por Estrato Socieconómico 2015 ................................ 53
Gráfico 26. Precios Promedio de Viviendas según Estrato Socieconómico (2000 - 2015)
..................................................................................................................................................... 55
6
Resumen:
La presente propuesta de investigación tiene como objetivo estudiar el impacto del
financiamiento hipotecario y la evolución de las condiciones crediticias sobre el precio
de las viviendas. Se analizan las tendencias de la evolución del crédito y de los
indicadores del mercado inmobiliario. Luego, se estima un modelo econométrico
multivariado para determinar la relación entre dichos indicadores. Finalmente, se utiliza
el modelo para realizar proyecciones y análisis de sensibilidad.
Palabras clave: crédito hipotecario, precios de viviendas
7
Abstract:
This research proposal aims to study the impact of mortgage financing as well as the
evolution of credit conditions on housing prices. The analysis comprehends trends in
credit growth and housing market indicators. Then, a multivariate econometric model is
estimated to determine the relationship between these indicators. Finally, the model will
be used to make forecasts and sensitivity analysis.
Keywords: mortgage credit, housing prices
8
1. PROBLEMA DE INVESTIGACIÓN
1.1. Planteamiento del problema.
Los precios transmiten dos señales al mercado. Por un lado, sirven para racionar la
demanda. Por otro lado, indican a los productores qué bienes y cuánto deberían
producir. En el caso del mercado inmobiliario, los precios indican a las familias qué
viviendas pueden comprar, e indican a los constructores qué tipo de viviendas y dónde
deberían construir. La señal de precio indica una oportunidad de negocio. Cuando hay
un exceso de demanda, o bien si la demanda crece más rápidamente que la oferta,
existirá una presión al alza de los precios. Por el contrario, cuando hay un exceso de
oferta, o si la oferta crece más rápidamente que la demanda, existirá una presión a la
baja de los precios.
Una de las ideas principales de esta investigación, es que el crecimiento de la demanda
de viviendas está estrechamente relacionado con el crecimiento de los créditos
hipotecarios. Las viviendas, siendo bienes duraderos que brindan servicios durante
décadas, tienen precios por lo general relativamente altos en comparación con los
ingresos anuales de las familias, motivo por el cual la compra de viviendas suele requerir
alguna forma de financiamiento, siendo la más común, el crédito hipotecario. En tal
sentido, el otorgamiento de créditos hipotecarios puede ser una señal de demanda que
explique, al menos parcialmente, el comportamiento de los precios de las viviendas
1.2. Formulación del problema
Considerando lo anterior, el problema de investigación que se aborta en el presente
trabajo es:
¿Cuál es el impacto del crédito hipotecario sobre la evolución de los precios de
las viviendas en Lima Metropolitana, para el período 2001-2015, controlando por
el efecto de otros factores como el crecimiento de los ingresos y los cambios en
el costo del crédito hipotecario?
En el Perú no se dispone de series estadísticas de precios de viviendas para todo el
país. Por lo tanto, el análisis de series de tiempo se restringirá a la única información
disponible de precios de viviendas, la cual es publicada únicamente para Lima
9
Metropolitana. El período de estudio 2001 – 2015 se sustenta en varios criterios. En
primer lugar la disponibilidad de información sobre precios de viviendas se basa en las
publicaciones del Banco Central de Reserva del Perú para una muestra de distritos de
Lima Metropolitana está disponible desde el año 1998. Sin embargo, entre 1998 y 1999
la economía peruana sufrió los efectos de la crisis asiática y el Fenómeno El Niño. Si se
incluye un período de inestabilidad al comienzo del período de análisis, se pueden
distorsionar las estimaciones. En consecuencia, se optó por comenzar el análisis en un
período de mayor estabilidad unos años después. En segundo lugar, el crédito
hipotecario estuvo estancando hasta el año 2000; es a partir del año 2001 que comienza
a mostrar una ligera tendencia creciente. Finalmente el año 2015 es el año más reciente
para el que se cuenta con información, de manera que la presente investigación cuenta
con los datos más actualizados disponibles.
1.3. Justificación de la Investigación.
Para una familia, una de las adquisiciones más importantes es la compra de una
vivienda. El precio de una vivienda por lo general es alto en relación con los ingresos
anuales del hogar. El financiamiento puede provenir de diversas fuentes. Primero, de
los ahorros o riqueza. Segundo, de préstamos, los cuales podrían provenir del sector
informal o del sistema financiero. Este último caso requiere que las familias tengan
acceso al crédito, como señala Rossini (2009). En muchos países, los créditos
hipotecarios son la principal fuente de financiamiento para la compra de viviendas.
En el Perú, la mayor parte de los créditos hipotecarios son otorgados la banca comercial,
pero otras instituciones financieras como empresas financieras, las cajas municipales y
las cajas rurales también conceden estos préstamos. El Gobierno tiene dos programas
de financiamiento, que se otorgan a través del sistema financiero pero con fondos
públicos: Techo Propio y el Fondo Mivivienda.
El efecto de los créditos hipotecarios como fuente para financiar el crecimiento de la
demanda de viviendas puede ayudar a explicar el comportamiento de los precios. Esto
puede ayudar a un mejor entendimiento de riesgos relacionados, por ejemplo, con
burbujas inmobiliarias. Cuando los precios de las viviendas crecen mucho más rápido
que su valor intrínseco (asociado a fundamentos, como el crecimiento poblacional, la
capacidad de pago de las familias, y el financiamiento), se pueden generar
desequilibrios que afectan a las familias y a los constructores. Por ejemplo, las hipotecas
10
subprime fueron una forma de financiamiento no regulado que financió un crecimiento
excesivo de los precios de las viviendas.1 Mayer, Pence y Sherlund (2009) indican que
el cambio de modelo desde originación de hipotecas (con verificación de datos y
documentos) hacia uno de distribución (sin verificación de información) precipitó el auge
de estas hipotecas.
Piskorski y Tchistyi (2011) indican que si bien las hipotecas subprime tienen
características similares a las de un contrato hipotecario óptimo (en el sentido de que
más agentes tienen acceso al crédito), lo que puede ser beneficio a nivel individual
puede ser perjudicial a nivel agregado si los individuos forman sus expectativas de
manera errada y si carecen de autocontrol.
Cuando los mercados se dieron cuenta de estas falencias, se desencadenó la crisis
financiera internacional de 2008. Demyanyk y Van Hemert (2011) encuentran que la
crisis se originó por un crecimiento insostenible que se puede rastrear hasta el año 2003.
El crecimiento exagerado de los créditos y de los precios se mantiene aún después de
controlar por diferencias en las características de los prestatarios, de los préstamos, y
de las condiciones macroeconómicas. Otras características y consecuencias de la crisis
son analizadas por Mian y Sufi (2009, 2010, 2011).
1 Las hipotecas subprime constituyen operaciones que permiten sacar los activos subyacentes fuera de las
hojas de balance del banco, escondiéndolo de los reguladores e inversionistas. Este fue un problema en
Estados Unidos, pero no fue un problema en el caso peruano.
11
2. MARCO REFERENCIAL
2.1. MARCO TEÓRICO.
El marco teórico de la presente propuesta de investigación está organizado en tres
secciones. La primera sección estudia el financiamiento hipotecario y sus
determinantes. La segunda sección presenta los principales enfoques de estudio acerca
de la formación de precios en el mercado inmobiliario residencial. La tercera sección se
refiere a investigaciones previas sobre el tema de interés del presente trabajo,
enfocadas en la economía peruana. Esta última sección conduce a la elección de un
modelo mediante el cual se planteará y pondrá a prueba una hipótesis de investigación.
2.1.1. El Financiamiento Hipotecario.
El saldo de créditos hipotecarios depende de factores de oferta y de demanda. El
principal factor de oferta es la disponibilidad de fondeo de largo plazo en el sistema
financiero. Este fondeo puede provenir, por ejemplo, de bonos del gobierno a largo plazo
(bonos soberanos o bonos globales), préstamos de largo plazo provenientes del
exterior, financiamiento por parte de fondos de pensiones, entre otros. De otro lado, la
demanda de créditos hipotecarios depende de la cultura crediticia, el grado de
información, la capacidad de pago, entre otros, como señala Lusardi (2013), así como
factores como la intención de comprar una vivienda y el grado de inclusión financiera.2
La regulación también puede considerarse como un factor que incluye en el crédito
hipotecario. La reciente crisis financiera internacional reflejó la necesidad de una mayor
regulación, supervisión y gestión de los riesgos bancarios. El Comité de Basilea
desarrolló un conjunto de principios y recomendaciones para mejorar los estándares y
la gestión de riesgos bancarios. En el Perú, el Acuerdo de Basilea III se cumple desde
el año 2012.
2.1.2. La formación de precios en el mercado de viviendas
2 El nivel de inclusión financiera, medido a través de la proporción de créditos bancarios respecto al PBI,
30,6 por ciento, representa en el Perú un porcentaje aún por debajo de otros países de la región como Chile
(77,2 por ciento), Brasil (53,6 por ciento) y Colombia (36,3 por ciento). Si se consideran sólo créditos
hipotecarios, éstos representan el 3 por ciento del PBI en Perú.
12
Los precios en cualquier mercado competitivo se determinan por la interacción de
factores de oferta y de demanda. Esto también es cierto para el mercado de viviendas,
también conocido como mercado inmobiliario residencial.
2.1.2.1. Factores de oferta
En el mercado de viviendas la curva de oferta es inelástica en el corto plazo, debido al
período de construcción de viviendas nuevas. El corto plazo puede ir desde algunos
meses a varios años, dependiendo de la magnitud del proyecto. Durante el corto plazo,
los desplazamientos de la curva de demanda se reflejan principalmente con mayores
precios. El incremento de los precios indica a los constructores que hay una mayor
demanda y provee incentivos a construir viviendas nuevas.
Égert y Mihaljek (2007) señalan que los principales factores de oferta incluyen los costos
de construcción, los precios de los terrenos y las condiciones de financiamiento para
proyectos inmobiliarios. Los costos de construcción incluyen los precios de los
materiales de construcción, la planilla y salarios de los trabajadores, así como los
estudios, planos y tasas por licencias y permisos. Los precios de los terrenos dependen
de la ubicación y zonificación municipal. Las condiciones de financiamiento incluyen los
préstamos que brindan los bancos a los constructores y el capital propio de las firmas
constructoras.
2.1.2.2. Factores de demanda
López, Aguayo y Expósito (1997) y Flores y Flores (2008), señalan que las familias
demandan viviendas como parte de su portafolio de activos, basado en dos atributos: el
servicio de alojamiento durante años o “servicios residenciales”3, y la perspectiva de
ganancia de valor en el tiempo y generar rentas por alquileres. La demanda por servicio
de alojamiento en viviendas depende del crecimiento de la población, los ingresos
familiares, los precios, y la disponibilidad y el costo de financiamiento. Una vivienda es,
por lo tanto, tanto un bien de consumo como un activo de inversión. En esta línea, Flavin
y Yamashita (2011) modelan la decisión de portafolio de los agentes considerando como
restricción que el monto de crédito hipotecario no puede exceder el valor de la vivienda.
Encuentran que la inversión en activos en función de la edad es una función con forma
3 Esta expresión es utilizada por Kain, F. y Quigley, J. (1975), p.13.
13
de U invertida, y alcanza un máximo entre los 55 y 60 años, para luego comenzar a
decrecer.
Los individuos racionales saben que la compra de una vivienda mediante un crédito
hipotecario reducirá su ingreso disponible durante el período de pago del crédito, por lo
que ajustarán el consumo durante dicho período. Coulibaly y Li. (2006) encuentran que
una vez que los hogares terminan de pagar sus créditos hipotecarios, dedican el mayor
ingreso disponible principalmente a la compra de bienes durables tales como muebles
y equipos de entretenimiento para el hogar, así como a mayor ahorro financiero. No
encuentran un incremento importante del consumo de bienes no duraderos.
2.1.2.3. Precios de viviendas
Los precios de las viviendas están determinados también por las características
individuales de cada predio tales como ubicación, metraje, número de habitaciones,
calidad de los acabados, número de baños, disponibilidad de parques y jardines,
cercanía a lugar de trabajo y centro de estudios, disponibilidad de servicios como agua,
alcantarillado, limpieza pública, electricidad, teléfono, internet, entre otros, así como
externalidades que incluyen la cercanía o amistad con vecinos, o hasta la posibilidad de
transportarte en grupo hasta el lugar de trabajo, entre otros.4 Estas características
sugieren que puede haber mucha heterogeneidad en los precios de viviendas, como
indica López (2002). En la realidad peruana, esta heterogeneidad también está
presente.
En el modelo de Van Nieuwerburgh y Weill (2010) las familias difieren en ingresos, y
estos ingresos pueden cambiar en el tiempo. La actividad edificadora de viviendas en
zonas metropolitanas no se ajusta instantáneamente a los cambios en los ingresos, lo
que exacerba la dispersión y heterogeneidad de precios.
Un antecedente de este trabajo es el estudio de Muellbauer y Murphy (1997). Los
autores utilizan un modelo econométrico de precios de viviendas para Reino Unido y
encuentran que la liberalización financiera en el mercado de créditos hipotecarios tuvo
un efecto importante sobre el incremento de los precios de viviendas. El mecanismo de
4 Griliches (1961) fue pionero en este enfoque, conocido como “precios hedónicos”. El autor regresionó el
precio de mercado de las viviendas sobre un conjunto de atributos. El coeficiente de cada atributo es una
medición del valor de mercado del mismo.
14
transmisión fue el efecto riqueza. Sin embargo, la presencia de costos de transacciones
puede implicar efectos no lineales.
La sensibilidad de los precios de las viviendas a sus fundamentos puede no ser
constante. Himmelberg, Mayer y Sinai (2005) indican que en los períodos en los cuales
las tasas de interés son bajas y en ciudades con un alto crecimiento esperado de los
precios, la sensibilidad es mayor. Campbell, Giglio y Pathak (2011) indican que en los
precios también influyen otros factores idiosincráticos como la urgencia de la venta y los
efectos de la transferencia de propiedad sobre las características físicas del inmueble.
Por ejemplo, para familias en bancarrota o que no han podido pagar sus créditos
hipotecarios, los precios de las viviendas tienden a ser bajos. Esto también es cierto
para el caso peruano, dado que las familias en esta situación deben aceptar menores
precios por sus activos.
Los choques a precios de las viviendas también tienen efectos. Por ejemplo, Li y Yao
(2007) encuentran que el consumo de otros bienes en el caso de los jóvenes y los
propietarios de viviendas es mucho más sensible a cambios en los precios de las
viviendas que para las personas de más edad propietarias de viviendas. Un incremento
del precio eleva el consumo de otros bienes vía un mayor efecto riqueza para los
propietarios, pero perjudica a los jóvenes y a quienes viven en una vivienda alquilada.
Iacoviello (2005) encuentra que la existencia de un colateral atado al valor de la vivienda
incrementa de manera importante la respuesta de la demanda agregada ante cambios
en precios de viviendas. Los cambios de los precios de las viviendas también pueden
tener consecuencias sobre la estabilidad familiar. Farnham, Schmidt y Sevak (2011)
encuentran que los cambios en los precios de las viviendas incrementa la proporción de
divorcios, principalmente en los grupos que tienen mayores probabilidades de ser
propietarios de viviendas en lugar de vivir en una vivienda alquilada. No existe evidencia
respecto a esta situación para el caso peruano.
15
2.1.3. Estudios sobre el mercado de viviendas.
2.1.3.1. Literatura internacional
Kuang y Marcet (2012) presentan un modelo estilizado para una economía abierta en el
cual agentes racionales invierten en la compra de activos. Utilizando este modelo los
autores encuentran que los factores macroeconómicos ayudan a explicar las
fluctuaciones de los precios entre los años 2001 y 2008. Los períodos de boom de
precios coinciden también con períodos de deterioro de la cuenta corriente de la balanza
de pagos, debido al incremento del consumo y la consiguiente reducción del ahorro.
Esta situación se ha verificado también para Perú.
Selim (2008) estudia los determinantes de los precios de las viviendas en Turquía,
utilizando la Encuesta de Presupuesto de Hogares de 2004. Se estima un modelo
econométrico de precios hedónicos estimado por mínimos cuadrados ordinarios. Los
resultados indican que los principales factores que afectan los precios de las viviendas
son el tipo de edificio, el número de habitaciones, el área, y la disponibilidad de servicio
de agua y gas natural.
Lamont y Stein (1999), utilizando datos a nivel de ciudades para Estados Unidos,
encuentran que en las ciudades con mayor proporción de propietarios hay también
mayores ratios de endeudamiento. En estas ciudades, los precios de las viviendas
reacciones más a cambios en los ingresos per cápita de dichas localidades.
Franklin y Waddell (2002) estudian datos de la oficina local e impuestos en un centro
urbano en Washington, Estados Unidos, entre 1995 y 1998. Encuentran que la facilidad
de acceso (la distancia entre la vivienda y los lugares típicos de actividad de una familia)
y transporte (incluyendo factores como congestión de tráfico) de una vivienda incluyen
positivamente sobre su precio. En particular, las familias valoran más el acceso a
centros comerciales y universidades. Un resultado similar lo encuentran Stumpf y Torres
(1997), que estudian los alquileres en la ciudad de Porto Alegre en Brasil, utilizando
datos de una encuesta directa en el sector formal. Se encuentra que los principales
determinantes de los alquileres son la distancia a centros comerciales.
Perdomo (2010) estudia los efectos de la cercanía a una estación del sistema de
transporte público TransMilenio en Bogotá, Colombia, utilizando datos de una encuesta
y la metodología de emparejamiento (o propensity score matching, por sus siglas en
16
inglés), en una regresión de precios hedónicos. El precio de las viviendas es mayor
mientras más cerca se encuentre a la estación. De modo similar, Duque, Velásquez y
Agudelo (2011) estiman el efecto de la cercanía a una estación de metro en Medellín,
Colombia. Los autores encuentran que si la distancia es menor a 600 metros, el precio
por metro cuadrado es mayor. Payares (2012) utiliza información de datos de panel
sobre valuaciones de una firma inmobiliaria para estimar los determinantes de los
precios por metro cuadrado en viviendas de Barranquilla, Colombia, mediante una
regresión de precios hedónicos. Los autores encuentran una relación positiva entre el
precio y el estrato socieconómico.
Figueroa y Lever (1992) utilizan datos de corte transversal (avisos publicados en un
periódico local) y estiman una regresión de precios hedónicos para viviendas en
Santiago de Chile. Los autores mencionan que es válido utiliza precios de oferta cuando
el mercado de viviendas está suficientemente desarrollado y los vendedores se
comportan de forma racional.5 Se encuentra que el precio está directamente relacionado
con el ingreso promedio de la zona, el área, la disponibilidad de habitaciones de servicio,
una relación inversa con la cercanía al centro de la ciudad. También para Santiago de
Chile, Sagner (2009) encuentra que la antigüedad y el área son determinantes
importantes del precio. Confirman, así como otros estudios para países
latinoamericanos, que la cercanía a una estación de metro incrementa el precio.
Encuentra además, que las características de cada vivienda explican en 70 por ciento
de las variaciones de los precios, y el 30 por ciento restante se explica por factores
macro financieros, como el crecimiento del Producto Bruto Interno, la tasa de interés de
los créditos hipotecarios y el índice de la Bolsa de Valores.
2.1.3.2. Estudios del mercado de viviendas en el Perú:
Los pocos estudios realizados para Perú confirman los resultados hallados para otros
países. Apoyo Consultoría (2003) para COFOPRI, estudia el impacto de la tenencia de
títulos de propiedad sobre el precio de las viviendas en zonas urbano marginales en
Lima, Arequipa, Cusco, Trujillo y Huaraz. Para ello se aplicó una encuesta en junio de
2003. Se encontró que la tendencia de título de propiedad, manteniendo todo lo demás
constante, incrementa el precio promedio en 25 por ciento en comparación con
5 Estos supuestos pueden ser considerados relativamente razonables para ciudades grandes como las
capitales de país.
17
viviendas sin título de propiedad. BBVA Research (2014) analiza el mercado
inmobiliario en Perú y encuentra que los precios subieron principalmente por mayor
demanda, por factores como el incremento del crédito hipotecario, el crecimiento de la
clase media, y el aumento de la proporción de la población en edad de demandar una
vivienda.
En años recientes se ha visto también un importante debate sobre la existencia o no de
una burbuja inmobiliaria en el Perú. Una Burbuja Inmobiliaria es el resultado de la
disociación entre los precios y los fundamentos6 de un activo a razón de un factor
especulativo y la extrema irracionalidad7 en los agentes que ofrecen y demandan los
activos inmobiliarios junto a los que regulan los estándares del sistema financiero que
soporta este mercado; así, permite que los precios de los activos inmobiliarios aumenten
explosivamente8 y de manera no sostenible, lo cual genera que la capacidad de pago
de los deudores de activos hipotecarios (de alto riesgo) llegue a un punto de quiebre
donde no alcance a cubrir las deudas efectivas, que se traduce en una caída vertiginosa
de los precios.9 En el Perú, existen diferentes posiciones al respecto. Carlos Parodi
(2013) señaló que Perú tuvo todos los componentes para una burbuja inmobiliaria. El
primer componente es el factor especulación (comprar barato para vender caro) y el
segundo es el sobre endeudamiento (se destina más del 40 por ciento del ingreso neto
para cumplir con la cuotas de deuda, por cualquier concepto). Asimismo, señala que las
burbujas especulativas tienden a darse en periodos de fuerte crecimiento económico (lo
cual no corresponde en la actualidad). En el mismo sentido, Lago Ricardo (2013) señaló
que dado el incremento acumulado del precio por metro cuadrado de 144 por ciento
desde 2007 a 2013 (con año base 2007), representaba la existencia de una fiebre
especulativa en los precios de las viviendas.
6 Entiéndase por fundamentos el precio de los insumos del mercado de construcción y la tasa de interés
hipotecaria. Asimismo, otros fundamentos son todos aquellos factores que afectan la demanda en el
mediano y largo plazo, tales como el crecimiento de la población, los ingresos, las condiciones crediticias,
etc. 7 http://irrationalexuberance.com/main.html?src=%2F#3,0 8 Los factores especulativos también son importantes. Según Shiller (2015) la burbuja inmobiliaria se
caracteriza por un aumento de precios insostenible a causa del comportamiento de los inversionistas y no
por la información de los fundamentos del inmueble. Así, considera que primero aparecen ciertos factores
que precipitan el aumento de la demanda de los inversionistas (exceso de optimismo) y por lo tanto el
aumento vertiginoso inicial de las viviendas; segundo dicho aumento eleva las ganancias de los
inversionistas lo que lleva a que ellos mismos y otros inicien a especular con el fin de seguir presionando
los precios a la alza (no justificada por factores fundamentales). Sin embargo, los precios no pueden
aumentar sostenidamente, por lo que en determinado momento dejan de aumentar, debido a que los
inversionistas dudan de mayores aumentos en el precio o su capacidad de endeudamiento, donde inicia la
caída de precios vertiginosa. 9 Esto puede conllevar a una crisis en el sistema financiero y a la economía según la importancia de los
activos inmobiliarios en el portafolio de las familias y empresas.
18
Contrariamente, Orrego (2014) señaló que el crédito hipotecario, el financiamiento
externo, los términos de intercambio y la demografía son variables explicativas del
precio por metro cuadrado; además, afirma que no hay evidencia de que el precio
observado de las viviendas se encuentre desalineado respecto a sus fundamentos. Del
mismo modo, Contreras (2014) señaló que el episodio de dinamismo y recuperación
(hasta 2014) no constituye un boom inmobiliario; sin embargo, las altas tasas de
crecimiento de los precios de las viviendas observadas no son sostenibles en el largo
plazo. No obstante, los altos retornos que se observan en el sector inmobiliario podrían
incentivar a que algunos agentes especulen en este, lo cual muestra la vulnerabilidad
del sector.10
Dos estudios académicos complementan estos hallazgos. Quispe (2012) utiliza datos
de consultoras inmobiliarias en un corte transversal para enero de 2009. Se encuentra
que el precio de venta se relaciona directamente con el área, el nivel socioeconómico,
y el número de habitaciones en relación al tamaño de la vivienda. Orrego (2014) estima
un modelo de cointegración para encontrar la relación de equilibrio entre el precio por
metro cuadrado de las viviendas en Lima Metropolitana y sus fundamentos, con datos
trimestrales desde 1998 hasta 2013. Las variables consideradas como fundamentos son
los términos de intercambio, la cuenta corriente de la balanza de pagos, el crédito
hipotecario, un índice de imperio de la ley, factores demográficos y capitalización
bursátil.11 Este modelo será el que se extienda en el presente trabajo.
El modelo considera que los precios de equilibrio p en el mercado inmobiliario dependen
de un conjunto de I fundamentos, agrupados en un vector z:
p(z) = [ p(z1), p(z2), … , p(zI) ]
10 Los sesgos cognitivos también son importantes, según las enseñanzas de la economía conductual. Según
Shiller (2015) la conducta de los individuos, sean inversionistas de acciones o activos, está influenciada por
factores cuantitativos y morales, los cuales determinan si el mercado está soportada por sus fundamentos o
no. Los factores cuantitativos son indicadores numéricos que muestran si el precio de las acciones/activos
se encuentra sobre o sub valuado. Por otro lado, el factor moral que toma forma en una justificación la que
permite comparar los beneficios percibidos hoy por las ganancias de las inversiones con el argumento
emocional o intuitivo del mercado. Es decir, el mercado de activos puede alcanzar fantásticos niveles de
riqueza solo si las personas “creen” que ellos tienen una buena razón para no poner a prueba este mercado
(guiándose por un argumento sin bases cuantitativas sino emocionales), intentando disfrutar su recién
descubierta riqueza. 11 Para la estimación se utiliza el método de Mínimos Cuadrados Totalmente Modificados (FMOLS, por
sus siglas en inglés)
19
El vector de fundamentos contiene variables de demanda (PBI real, variables
demográficas, empleo, tasas de interés, créditos hipotecarios) y de oferta (costos de
construcción, rendimiento de activos alternativos, entre otros).
Luego, se busca una combinación lineal de fundamentos que sea consistente con el
equilibrio de largo plazo de los precios, considerando la posibilidad de desvíos
temporales, utilizando un modelo de vectores autorregresivos con corrección de errores
(VEC):
𝑝𝑗 =∑𝑎𝑗𝑘𝑧𝑘𝑘
+ 𝜇
El autor encuentra que los precios de las viviendas actualmente están en línea con su
equilibrio de largo plazo. Los desvíos observados en algunos períodos tienden a
corregirse en el largo plazo. Esta condición permite que las variables en el largo plazo
se ubiquen en sus niveles de equilibrio y que los choques no tengan efectos
permanentes que generen trayectorias divergentes respecto a dicho equilibrio.
Como conclusión de este marco teórico, el análisis del presente trabajo consistirá en
estudiar la dinámica de largo plazo de los precios reales de las viviendas en Lima
Metropolitana, considerando como fundamentos la tasa de interés real para créditos
hipotecarios y el producto bruto interno, como un indicador de ingresos.
En las siguientes secciones se describirán las condiciones de financiamiento hipotecario
en el Perú, y luego el mercado de viviendas, a fin de establecer el contexto del análisis.
Posteriormente se presentará la metodología y los datos que se utilizarán para poner la
prueba esta hipótesis.
2.2. LAS CONDICIONES DE FINANCIAMIENTO HIPOTECARIO EN EL
PERÚ
En esta sección se presentan las principales características del financiamiento
hipotecarios en el Perú. En primer lugar es importante conocer los antecedentes. A
inicios de la década de los noventa el saldo de créditos hipotecarios en el Perú era casi
inexistente. Ello fue consecuencia de la hiperinflación, la cual incrementó de manera
20
exorbitante la incertidumbre sobre precios y eliminó casi cualquier posibilidad de
planeamiento financiero. Como resultado se observó una menor oferta de créditos, en
ausencia de sistema de indexación confiable y oportuno que compensara la inflación.
Todo ello derivó en una crisis económica, con caídas de la actividad económica que
impactaron sobre los resultados empresariales. Ello a su vez afectó a las instituciones
financieras. Un ejemplo de ello es la desaparición de la banca de fomento (Banco de
Vivienda, Banco Agrario, Banco Industrial y Banco Minero). Para fines del presente
estudio, cabe indicar que el Banco de Vivienda fue declarado “en disolución” el 6 de
mayo de 1992, por Decreto Ley 25478. En 1993 la Superintendencia de Banca y
Seguros intervino el Banco Hipotecario. Ello significó el final del sistema de
financiamiento de la vivienda en el Perú.
Luego, los bancos privados comenzaron a ofrecer créditos hipotecarios para sectores
de altos ingresos. En ese entonces las tasas de interés bordeaban el 20 por ciento anual
en dólares. Como indica Eyzaguirre (2003), los plazos de los préstamos eran sólo de
hasta 7 años en promedio. No obstante, la demanda por financiamiento de viviendas
impulsó el crecimiento del crédito hipotecario, principalmente porque los niveles eran
muy bajos, en contexto de recuperación macroeconómica y reformas en el sistema
financiero (la Ley de Bancos 26702 se promulgó en 1996). Así, el saldo de créditos
hipotecarios pasó de US$ 33 millones en 1994 a US$ 1,1 mil millones en 1998. Este
financiamiento, sin embargo, no alcanzaba a los sectores de ingresos bajos. Además,
los créditos hipotecarios se otorgaban casi en su totalidad en dólares, propiciando una
exposición al riesgo cambiario para los prestatarios cuyos ingresos estaban
denominados en soles.
El saldo de créditos hipotecarios se mantuvo estancado entre 1998 y 2001, como
consecuencia de los efectos negativos que tuvieron la Crisis Asiática (1997), Rusa
(1998) y Brasileña (1999) sobre el sistema bancario. Cuando el efecto de estas crisis se
sintió en la actividad económica, aumentaron las tasas de morosidad (que pasó de 2 por
ciento en 1998 a 7 por ciento en 2001) y en consecuencia, los bancos contrajeron la
oferta de créditos.
Paralelamente se comenzaron a introducir algunas innovaciones financieras y cambios
en la reglamentación que más adelante propiciaron la aparición de mayor variedad de
productos para el financiamiento de viviendas. Por ejemplo, se introdujeron los títulos
21
de crédito hipotecario12, los cuales son instrumentos financieros que acreditan el valor
de una propiedad y pueden ser utilizados como garantía para la concesión de un crédito
hipotecario. Eyzaguirre (2003) indica que desde el año 2002, la SBS permite emitir
títulos de crédito hipotecarios a las entidades financieras, con la condición que la
propiedad se encuentre inscrita en SUNARP. Sin embargo, debido a la poca difusión, el
desarrollo de los títulos hipotecarios aún es incipiente.
Otras alternativas de fondeo de largo plazo diseñadas para el segmento hipotecario
y que se pueden utilizar en el Perú son los bonos hipotecarios, las titulizaciones de
crédito y los bonos cubiertos. Los bonos hipotecarios son títulos valores emitidos por
entidades financieras para obtener liquidez con la garantía de los créditos hipotecarios.
Se han realizado, no obstante, pocas emisiones de bonos hipotecarios, y han
participado sólo algunas instituciones (Banco de Crédito, Interbank, y Banco
Interamericano de Finanzas). La titulización de créditos hipotecarios es un proceso
mediante el cual una entidad transfiere derechos sobre créditos hipotecarios a un
fideicomiso, el cual emite valores en el mercado. En el Perú hay dos entidades creadas
para este fin: Continental Titulizadora (Banco BBVA Continental) y Credititulos (Banco
de Crédito). Finalmente, los bonos hipotecarios cubiertos, son títulos financieros
respaldos por un conjunto de créditos hipotecarios de alta calidad. Estos instrumentos
aún no han sido utilizados debido a que la normativa de Basilea III exige que para
emitirlos el banco debe incrementar su capital regulatorio, y los bancos se han mostrado
reacios a hacerlo.
Dado que los instrumentos descritos en el párrafo anterior no han tenido un desarrollo
importante, la principal fuente de financiamiento de viviendas continúa siendo el
crédito hipotecario tradicional. El saldo de crédito hipotecario total pasó de S/ 3,6 mil
millones en 2001 a S/ 37,6 mil millones en 2015, según cifras de la Superintendencia
de Banca, Seguros y AFP. La mayor parte de los créditos hipotecarios son prestados
por los bancos comerciales (durante 2000 – 2010 representaron en promedio del 97 por
ciento).13 En los últimos 8 años otras instituciones financieras han incursionado en este
segmento.
12 Creados en el marco de la Ley de Bancos 26702 en 1996. En 2001 se estableció un nuevo reglamento
concordante con la Ley de Títulos Valores del año 2000. 13 El Banco de Crédito, el Banco Continental, Scotiabank Perú e Interbank, representan en conjunto el 91
por ciento de las colocaciones de créditos hipotecarios.
22
Gráfico 1
Fuente: Superintendencia de Banca, Seguros y AFP, y Banco Central de Reserva del
Perú.
Elaboración propia.
Gráfico 2
Estructura de los Créditos Hipotecarios por Institución Financiera, 2015
Fuente: Superintendencia de Banca, Seguros y AFP.
3.6 4.1 4.7 5.36.7 7.4
8.6
12.013.1
16.0
20.0
24.5
30.8
34.6
37.6
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Créditos Hipotecarios (Miles de Millones S/)
96%
2.4% 0.4% 0.3% 0.4%
Banca Múltiple Cajas Municipales Empresas Financieras Cajas Rurales Edpymes
Crédito Hipotecario por tipo de Institución
Financiera(En porcentaje)
23
Elaboración propia.
Un factor importante que influyó en el dinamismo que adquirieron los créditos
hipotecarios en la década pasada es el impulso del Estado, por medio de los programas
Mivivienda y Techo Propio. En primer lugar, el Fondo MiVivienda, creado en 1998, es
una empresa estatal de derecho privado que se rige por la Ley Nº 28579. Este fondo se
creó con S/ 1,5 mil millones provenientes del Fondo Nacional de Vivienda (FONAVI). Su
objetivo es promover el financiamiento de la adquisición, mejoramiento y construcción
de viviendas de interés social. Actualmente el Fondo MiVivienda administra dos
programas de crédito hipotecario canalizados a través de la Corporación Financiera de
Desarrollo (COFIDE): Nuevo Crédito MiVivienda y Techo Propio. La operatividad es la
siguiente. El beneficiario pide un crédito Mivivienda a un banco, el cual a su vez solicita
los recursos al Fondo MiVivienda. Los bancos se benefician con una fuente de fondeo,
en tanto que el prestatario accede a beneficios como el Bono del Buen Pagador, que es
un subsidio en caso pague sus cuotas puntualmente.
Las tasas de interés para créditos hipotecarios en moneda nacional se ubican por
encima de las de tasas de interés para créditos hipotecarios en moneda extranjera. Sin
embargo, las diferencias entre las tasas de interés en soles y en dólares se han acortado
con el tiempo. En 2001 la tasa en Soles fue 16 por ciento en promedio, en tanto que la
tasa en dólares fue de 13 por ciento en promedio. A fines del año 2015 la tasa de interés
para créditos hipotecarios en Soles se ubicó en 9 por ciento, mientras que en dólares
se ubica en 8 por ciento.
En segundo lugar, el Programa Techo Propio fue creado en 2002 por Resolución
Ministerial Nº 054-2002-Vivienda, con el fin de facilitar el financiamiento de viviendas
para todas aquellas familias de bajos recursos económicos (NSE D y E). Para ello tiene
tres modalidades: la Adquisición de vivienda Nueva, la construcción en sitio Propio; y el
Mejoramiento de Vivienda. El programa ofrece un subsidio, conocido como Bono
Familiar Habitacional, otorgado por única vez, que financia parte del costo de la vivienda.
La tasa de morosidad de los créditos hipotecarios es baja en relación con otros
productos crediticios. Este indicador disminuyó desde 7 por ciento en 2001 a 0,8 por
ciento en 2012. La desaceleración de la economía desde entonces, sumada a la
depreciación cambiaria han elevado en algo la morosidad, que al cierre de 2015 se ubicó
en 2 por ciento.
24
Gráfico 3
Fuente: ASBANC. Estadísticas. Créditos hipotecarios del Sistema Bancario.
Elaboración propia.
Una característica importante de los créditos hipotecarios en el Perú ha sido durante
mucho tiempo su alta dolarización, asociada a las preferencias de los prestatarios
como a las fuentes de fondeo de largo plazo de los bancos, consistente principalmente
en líneas de crédito del exterior, depósitos por compensación de tiempo de servicios
(CTS) en dólares y depósitos de empresas generadoras de divisas. La dolarización de
los créditos hipotecarios ha pasado de 95 por ciento en 2001 a 25 por ciento en 2015,
de acuerdo a cifras del Banco Central de Reserva del Perú. Esta reducción es
importante para atenuar las vulnerabilidades de las familias que perciben ingresos en
soles, permitiendo un mejor calce de monedas que reduce el riesgo cambiario
Los plazos de los créditos hipotecarios han aumentado, desde 7 años a inicios de la
década de los noventa hasta valores que desde 2005 se ubican frecuentemente entre
10 y 15 años. Algunas instituciones financieras ofrecen plazos incluso mayores. Esto es
en parte consecuencia de la disponibilidad de una curva de rendimientos de largo plazo
impulsada por el mercado de deuda pública, principalmente consecuencia de la emisión
de bonos soberanos en soles. La existencia de un mercado para estos bonos permite
establecer tasas de interés de largo plazo que sirven como referencia los créditos
hipotecarios.
7.1%
5.8%
3.7%
2.6%
1.6%1.0% 0.9% 0.7% 0.9% 0.8% 0.9% 0.8%
1.2%1.5%
2.0%
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Morosidad de Créditos Hipotecarios (Como porcentaje de la cartera)
25
Gráfico 4
Créditos Hipotecarios como porcentaje del PBI, 2015
Fuente: Asociación de Bancos e Instituciones Financieras (ABIF).
Elaboración propia
2.3. EL MERCADO DE VIVIENDAS
El subsector vivienda es parte del sector construcción, el cual tiene un peso de 6,2 por
ciento en el PBI. La importancia del subsector vivienda no sólo es económica puesto
que la posesión de una vivienda conduce a un mayor bienestar de las familias, motivo
por el cual su promoción se incluye como parte de las políticas gubernamentales de
desarrollo socio económico.
18.7
9.1
6.8
5.3 5.0 5.0
3.5
2.11.5 1.4
Chile México Brasil Colombia Uruguay Perú Venezuela Ecuador Argentina Paraguay
Crédito Hipotecario / PBI (En porcentaje)
26
Gráfico 5
Fuente: Banco Central de Reserva del Perú
Elaboración propia
La actividad edificadora se define como el conjunto de construcciones que se realizan
en un determinado período de tiempo, incluye la oferta actual o inmediata, las
edificaciones construidas en el período ya vendidas, y aquellos edificios no
comercializables.14 De acuerdo a la Cámara Peruana de la Construcción (CAPECO), la
construcción de viviendas representa aproximadamente el 80 por ciento de la actividad
edificadora. Esto demuestra la importante del subsector vivienda dentro del sector
construcción.15 Por su parte, la construcción de locales comerciales representa el 3 por
ciento, la construcción de oficinas un 5 por ciento, y el 12 por ciento restante
corresponde a otro tipo de construcciones (lo cual incluye infraestructura en fábricas e
instituciones públicas).
En la evolución del subsector vivienda influyen diversos factores, tales como la
estabilidad macroeconómica, el crecimiento de los ingresos, la evolución de las tasas
de interés, así como el impacto de los programas gubernamentales, como el Fondo
MiVivienda y el Programa Techo Propio, que contribuyen a generar una mayor oferta de
viviendas dirigida a los sectores de menores ingresos que tienen dificultades de acceso
al crédito en ausencia de estos programas.
14 Fondo MiVivienda. Estudio de Mercado de la Vivienda Social en Lima 2006. 15 CAPECO. El mercado de Edificaciones Urbanas en Lima Metropolitana y el Callao: XVII
Estudio, 2012.
Sectores primarios
(agro, pesca,
minería); 21
Manufactura; 13
Electricidad y agua;
2
Construcción; 6
Comercio; 11
Servicios; 49
Estructura Porcentual del PBI Real
(Año 2015)
27
El crecimiento de la población es uno de los principales determinantes del crecimiento
de la demanda de viviendas en el largo plazo. Según el INEI, la tasa de crecimiento
promedio anual de la población se ubicó en 1,6 por ciento en el período 1993-2007, por
debajo del valor de 2,0 por ciento registrado para el período intercensal 1972-1981. En
consecuencia, la tasa de crecimiento de la demanda de vivienda asociada al crecimiento
de la población es menor que en décadas previas.
Tabla 1
Indicadores Demográficos
Año Población Censada Tasa de Crecimiento intercensal, promedio
anual
1972 13.5 2.8
1981 17.0 2.6
1993 22.0 2.0
2007 27.4 1.6
Fuente: Instituto Nacional de Estadística e Informática (INEI). “Cambios Demográficos y
Proyecciones de la Población”. 2012. Elaboración propia
La distribución de la población también es importante para ubicar geográficamente las
fuentes de crecimiento de la demanda de vivienda. En el Perú la distribución de la
población es muy desigual. Lima concentra al 31 por ciento de la población. Esto genera
una recurrencia porque las oportunidades de desarrollo económico para las familias
suelen ser mayores en las ciudades más grandes, por la presencia de externalidades
de red y economías de escala, a lo que se suma mayores oportunidades de interacción
social y formación educativa. Estos factores incentivan en flujo migratorio hacia áreas
urbanas, lo cual aumenta la demanda de viviendas en las ciudades más grandes.
El material de construcción de las viviendas y los servicios con que cuenta difiere mucho
entre áreas urbanas y rurales. En las áreas urbanas el 67 por ciento de las viviendas
tiene como material predominante el ladrillo o bloques de cemento. En el área rural sólo
el 6 por ciento, de acuerdo a información del INEI. De acuerdo a esta misma fuente, el
89 por ciento de la población cuenta con el servicio de energía eléctrica, porcentaje que
se ha ido incrementando a lo largo de la década pasada en más de 10 puntos
porcentuales. A nivel nacional, el 72 por ciento de los hogares utiliza el agua conectada
a una de red pública dentro de la vivienda (77 por ciento en el área urbana frente a 61
por ciento en las zonas rurales). El 55 por ciento de hogares tiene servicios de
saneamiento (95 por ciento en áreas urbanas y 75 por ciento en zonas rurales).
28
CAPECO estima que el déficit de viviendas en el Perú se ubica en 2,0 millones de
viviendas. De este total, déficit cuantitativo (concepto asociado al número de viviendas
que faltan para atender a la población) es de 0,4 millones de viviendas, y el déficit
cualitativo (concepto asociado a la necesidad de mejorar la calidad de las viviendas, por
ejemplo, por hacinamiento) es de 1,6 millones. El déficit crece más o menos entre 25 y
30 mil viviendas por año. De acuerdo a CAPECO cada año se construyen
aproximadamente 22 mil viviendas en Lima (95 por ciento de los cuales son
departamentos y 5 por ciento son casas). Esta cifra es insuficiente para reducir de
manera importante el déficit de viviendas a nivel nacional. El 62 por ciento de la oferta
de viviendas se concentra en un rango de precios superior a los US$ 60 mil. Por lo tanto,
para la gran mayoría de la población, la compra de una vivienda sólo puede ser realizada
mediante el financiamiento hipotecario.
Al respecto, CAPECO estima que la demanda efectiva (quienes puede obtener los
fondos para comprar la vivienda que desean), lo cual requiere “un análisis de los
hogares a partir de sus capacidades económicas para afrontar el pago de la cuota inicial
y de la solvencia de sus ingresos que le permitan ser sujetos acreedores a préstamos
para vivienda de acuerdo a las condiciones vigentes en el mercado”16, es de 0,4 millones
de viviendas en Lima Metropolitana. La demanda insatisfecha (oferta menos demanda
efectiva) es de aproximadamente 0,38 millones por año, en la capital.
A continuación se presenta un cuadro con los datos de precios promedio anual de
viviendas por sectores socioeconómicos, según la clasificación de la Cámara Peruana
de la Construcción, para Lima Metropolitana. Estos datos se han obtenido de las
publicaciones anuales de esta institución, y no están disponibles con frecuencia
trimestral o mensual como para realizar estimaciones econométricas, pero sí permiten
estudiar las tendencias. El cálculo de los precios promedio anuales por estrato17 se
calculó como la suma de las unidades de viviendas ofertadas ponderadas por el
promedio de los límites de cada rango de precios reportado por CAPECO, dividida entre
la suma total de unidades ofertas del estrato correspondiente.
Se observa que a partir del año 2007 hubo un incremento en los precios de viviendas,
principalmente de los estratos Alto y Medio Alto. A partir del año 2012 el incremento se
16 CASAVILCA, Edmundo, (2004), “Crédito Financiero a través de la Titulización”, Tesis de Postgrado,
UNMSM, 73 p. 17 La definición de estratos, según ingresos promedio mensuales en US$ dólares del hogar, para CAPECO
en el año 2015 es la siguiente: Alto: US$ 1965, Medio Alto: US$ 1643, Medio: US$ 875, Medio Bajo:
US$ 613, Bajo: US$ 327.
29
detuvo y los precios en estos segmentos se estancaron o incluso se redujeron. En otros
segmentos, como Medio, Medio Bajo y Bajo, los precios no hay subido tanto.
Gráfico 6
Precios promedio de viviendas según Estrato Socioeconómico
Fuente: Cámara Peruana de Construcción, varias publicaciones.
Elaboración propia
0
50000
100000
150000
200000
250000
300000
350000
400000
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Precios promedio de viviendas según estrato socio económico(En US$)
Alto
Medio Alto
Medio
Medio Bajo
Bajo
30
3. OBJETIVOS E HIPÓTESIS.
3.1. Objetivos.
El objetivo general es el siguiente:
Estimar el impacto del crédito hipotecario sobre la evolución de los precios de las
viviendas en Lima Metropolitana, para el período 2001-2015, controlando por el
efecto de otros factores como el crecimiento de los ingresos y los cambios en el
costo del crédito hipotecario.
Se han planteado tres objetivos específicos para la presente investigación:
a. Analizar las tendencias de los indicadores del crédito hipotecario para el período
2001-2015.
b. Analizar las tendencias de los precios de las viviendas en Lima Metropolitana para el
período 2001-2015, así como de indicadores complementarios de dicho mercado.
c. Estimar, mediante un modelo econométrico multivariado, el impacto del crédito
hipotecario sobre la evolución de los precios de las viviendas en Lima Metropolitana,
para el período 2001-2015, controlando por el efecto de otros factores como el
crecimiento de los ingresos y los cambios en el costo del crédito hipotecario.
3.2. Hipótesis.
La hipótesis nula es:
El incremento del crédito hipotecario no ha sido un factor que ha contribuido
sobre la evolución de los precios de las viviendas en Lima Metropolitana durante
el período 2001-2015
Mientras que las hipótesis específicas para la presente investigación son:
a. Las tendencias de los indicadores del crédito hipotecario para el período 2001-2015
no han evolucionado
b. Las tendencias de los precios de las viviendas en Lima Metropolitana para el período
2001-2015 no han evolucionado.
31
c. El modelo econométrico estimado no mide el impacto del crédito hipotecario sobre la
evolución de los precios de las viviendas en Lima Metropolitana, para el período
2001-2015.
32
4. METODOLOGÍA
Como se indicó previamente, el análisis del presente trabajo consistirá en estudiar la
dinámica de largo plazo de los precios reales de las viviendas en Lima Metropolitana,
considerando como fundamentos la tasa de interés real para créditos hipotecarios y el
producto bruto interno, como un indicador de ingresos. La metodología es un modelo de
vectores autoregresivos con corrección de errores (VEC).18 Los resultados esperados
son que el crédito hipotecario y el ingreso son los factores que más explican la evolución
de los precios.
La metodología a utilizar es un modelo econométrico multivariado y multiecuacional de
vectores autoregresivos con corrección de errores. Se eligió un modelo multivariado
porque existen varios determinantes de los precios, tal como se ha observado en el
marco teórico. El modelo es multiecuacional porque se considerarán varias ecuaciones,
a fin de poder permitir interacciones entre las variables del modelo. El modelo
considerará vectores autorregresivos con la finalidad de incorporar la relación dinámica
entre las variables. El componente de corrección de errores permite que los precios
puedan tener desviaciones temporales respecto a su nivel de equilibrio, determinado a
su vez por fundamentos.
El período de análisis relevante para ésta investigación será desde el año 2001 hasta el
año 2015. Este periodo de una década ha sido escogido debido a que se observan
cambios significativos en el crecimiento del crédito hipotecario y en el dinamismo del
sector inmobiliario. Los datos, serán, por lo tanto, series temporales, con frecuencia
trimestral, que es la frecuencia con la que está disponible la información de precios de
viviendas.
El modelo a estimar tiene la siguiente forma:
[
𝑦1⋮𝑦𝐼] = [
𝑏11 ⋯ 𝑎1𝐾⋮ ⋱ ⋮𝑏𝐼1 ⋯ 𝑎𝐼𝐾
] [
𝑦1⋮𝑦𝐾] + [
𝜇1⋮𝜇𝐼]
18 Este modelo combina una relación de largo plazo con desviaciones de corto plazo del precio respecto a
sus determinantes.
33
Donde y es el vector de variables endógenas del modelo. Este vector incluye el Precio
de los Departamentos en Lima Metropolitana, publicado por el Banco Central de
Reserva del Perú, y los Créditos Hipotecarios Totales (CH), la cual está cuantificada
como el monto total de las colocaciones crediticias hipotecarias del Sistema Financiero
y cuya unidad esta expresada en millones de nuevos soles. La fuente de esta variable
es la Superintendencia de Banca, Seguros y AFP.
Gráfico 7
Variable de Interés de la Investigación: Indicador de Precios de Viviendas
Fuente: BCRP
Elaboración propia
Además, se considerarán las siguientes variables explicativas:
La Tasa de Interés de los Créditos Hipotecarios en Moneda Extranjera (THME). ,
publicada por la Superintendencia de Banca, Seguros y AFP.
La tasa de Interés de los Créditos Hipotecarios en Moneda Nacional (THMN), publicada
por la Superintendencia de Banca, Seguros y AFP
Análisis de correlaciones, pruebas estadísticas y estimación del modelo
econométrico
A continuación se muestran los gráficos de las variables analizadas:
0
1000
2000
3000
4000
5000
6000
1T.0
1
3T.0
1
1T.0
2
3T.0
2
1T.0
3
3T.0
3
1T.0
4
3T.0
4
1T.0
5
3T.0
5
1T.0
6
3T.0
6
1T.0
7
3T.0
7
1T.0
8
3T.0
8
1T.0
9
3T.0
9
1T.1
0
3T.1
0
1T.1
1
3T.1
1
1T.1
2
3T.1
2
1T.1
3
3T.1
3
1T.1
4
3T.1
4
Lima Metropolitana: Precios por metro cuadrado de departamentos(Nuevos Soles Constantes de 2009)
Sector Alto Total
34
Precios de Viviendas (Precios), Crédito hipotecario total (Cred_hip_tot), crédito
hipotecario en moneda nacional (Cred_hip_mn), crédito hipotecario de moneda
extranjera (Cred_hip_me), Producto Bruto Interno (PBI), Tasa de interés para créditos
hipotecarios en moneda nacional (Tasa_hip_mn) y la Tasa de interés para créditos
hipotecarios en moneda extranjera (Tasa_hip_mn).
Gráfico 8
Variables de los Mercados Inmobiliario e Hipotecario
Fuente: Banco Central de Reserva del Perú
Elaboración propia
A continuación se analiza cada uno de estos indicadores y sus tendencias.
La variable CRED_HIP_TOT es el indicador del saldo de créditos hipotecarios. La
información es publicada por el Banco Central de Reserva del Perú sobre la base de
datos recopilados por la Superintendencia de Banca, Seguros y AFP. La unidad de
medida es millones de S/ y la cobertura comprende todas las sociedades de depósitos.
A fin de cumplir el primer objetivo específico de la presente investigación, se estimó la
tendencia del crédito hipotecario en Lima Metropolitana. Para ello se utilizó el filtro de
1,000
2,000
3,000
4,000
5,000
6,000
2002 2004 2006 2008 2010 2012 2014
PRECIOS
0
10,000
20,000
30,000
40,000
2002 2004 2006 2008 2010 2012 2014
CRED_HIP_TOT
0
5,000
10,000
15,000
20,000
25,000
30,000
2002 2004 2006 2008 2010 2012 2014
CRED_HIP_MN
2,000
4,000
6,000
8,000
10,000
12,000
14,000
2002 2004 2006 2008 2010 2012 2014
CRED_HIP_ME
60
80
100
120
140
160
180
2002 2004 2006 2008 2010 2012 2014
PBI
8
10
12
14
16
18
2002 2004 2006 2008 2010 2012 2014
TASA_HIP_MN
8
9
10
11
12
13
2002 2004 2006 2008 2010 2012 2014
TASA_HIP_ME
35
Hodrick – Prescott. Este método permite obtener el componente de largo plazo de una
serie estadística.
El siguiente gráfico muestra que el saldo de créditos ha tenido durante todo el período
analizado una tendencia creciente, la cual se aceleró desde alrededor del año 2008.
El crecimiento de la tendencia es aproximadamente exponencial a partir de ese período,
y tiende a moderarse ligeramente al final del período muestral.
Gráfico 9
Mercado Hipotecario: Tendencia del Crédito
Fuente: Banco Central de Reserva del Perú
Elaboración propia
Un elemento importante en las tendencias del crédito hipotecario está relacionado con
la composición del crédito por monedas. En 2001 el 93 por ciento del crédito hipotecario
estaba denominado en moneda extranjera. Este porcentaje se mantuvo alrededor de
dicho nivel hasta el año 2005. A partir del año 2006 el ratio de dolarización de créditos
hipotecarios comenzó a reducirse paulatinamente, hasta ubicarse en 24 por ciento a
fines del año 2015.
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
2002 2004 2006 2008 2010 2012 2014
CRED_HIP_TOT CRED_HIP_TOT_TEND
TENDENCIA DEL CREDITO HIPOTECARIO TOTAL
36
Gráfico 10
Mercado Hipotecario: Ratio de Dolarización
Fuente: Banco Central de Reserva del Perú
Elaboración propia
Esta reducción en el ratio de dolarización del crédito hipotecario, se reflejó en un fuerte
crecimiento del crédito hipotecario en soles a partir del año 2006, el cual se aceleró a
partir del año 2008. El saldo de créditos hipotecarios en moneda extranjera continuó
creciendo, pero a tasas menores. Desde fines del 2012, el crédito hipotecario en
moneda extranjera comenzó a disminuir, sustituyéndose por créditos en moneda
nacional, reflejando una política de sustitución de monedas por parte de las entidades
financieras, propiciada a su vez por medidas tomadas por parte del Banco Central de
Reserva del Perú para reducir la dolarización.
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
RATIO DE DOLARIZACIÓN DE CRÉDITOS HIPOTECARIOS
37
Gráfico 11
Mercado Hipotecario: Créditos por Moneda
Fuente: Banco Central de Reserva del Perú
Elaboración propia
La variable PRECIOS es el indicador de precios de departamentos en Lima
Metropolitana. Este indicador es medido y publicado por el Banco Central de Reserva
del Perú con frecuencia trimestral y corresponde a una muestra de departamentos
ofrecidos en venta en los distritos de La Molina, Miraflores, San Isidro, San Borja y
Surco, segmento denominado “sector alto”.19 La unidad de medida es Soles Constantes
a precios de 2009. La ventaja de utilizar una medida en términos constantes y no en
términos nominales es que se aísla el efecto de la inflación, de manera que la variable
PRECIOS mide el precio relativo de los departamentos respecto a los precios de la
canasta de consumo de un hogar representativo.
19 El Banco Central de Reserva del Perú publica además otro indicador de precios para los distritos de Jesús
María, Lince, Magdalena, Pueblo Libre y San Miguel, segmento denominado “sector medio”. Este
indicador está disponible sólo desde el cuarto trimestre de 2007. Para fines de la presente investigación se
optó por utilizar el indicador de precios para el “sector alto”, dado que se dispone de más información
histórica.
0
5,000
10,000
15,000
20,000
25,000
30,000
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
CRED_HIP_ME CRED_HIP_MN
CRÉDITO HIPOTECARIO EN MONEDA NACIONAL Y EN MONEDA EXTRANJERA
38
El siguiente gráfico muestra que los precios de departamentos exhibieron una tendencia
decreciente entre 2001 y 2007. En el año 2001 el nivel promedio de precios a precios
constantes de 2009 fue de S/ 2334. En 2007 dicho nivel se redujo a S/ 1954, lo cual
representó una caída acumulada de 16,3 por ciento. Es decir, los precios disminuyeron
a una tasa promedio anual de 2,9 por ciento durante entre 2001 y 2007. Sin embargo, a
fines de 2007 y con mayor claridad a partir de 2008 los precios de departamentos en
Lima Metropolitana comenzaron a mostrar una tendencia creciente, la cual se mantuvo
hasta el final de la muestra. El nivel promedio de precios en 2015 fue de S/ 4978, lo cual
significa un incremento acumulado de 154,8 por ciento, o una tasa promedio anual de
12,4 por ciento.
Gráfico 12
Mercado Inmobiliario: Precios para el Sector Alto en Lima Metropolitana
Fuente: Banco Central de Reserva del Perú
Elaboración propia
A fin de cumplir el segundo objetivo específico de la presente investigación, se estimó
la tendencia de los precios de departamentos en Lima Metropolitana. Para ello se utilizó
el filtro de Hodrick – Prescott. Este método permite obtener el componente de largo
plazo de una serie estadística.
El siguiente gráfico muestra que efectivamente al comienzo del período analizado los
precios de departamentos mostraron una tendencia ligeramente decreciente, la cual
contrasta con una tendencia fuertemente creciente desde los años 2007 – 2008.
1,600
2,000
2,400
2,800
3,200
3,600
4,000
4,400
4,800
5,200
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
PRECIOS
39
Gráfico 13
Mercado Inmobiliario: Tendencia de los Precios para el Sector Alto en Lima Metropolitana
Fuente: Banco Central de Reserva del Perú
Elaboración propia
La variable PBI es el Producto Bruto Interno y es el indicador de ingresos que se utiliza
en el presente trabajo.
Este indicador es publicado por el Banco Central de Reserva del Perú con frecuencia
mensual y trimestral, sobre la base de información proporcionada por el Instituto
Nacional de Estadística e Informática.
El año base para el cálculo del PBI es el año 2007. La unidad de medida es un índice
que toma el valor de 100 en el año base. Por ejemplo, en el año 2015 el valor promedio
del índice de PBI fue 160, lo cual significa que el nivel del PBI en 2015 fue 60 por ciento
mayor al nivel del PBI del año 2007.
El siguiente gráfico muestra que este indicador ha crecido durante todo el período de
análisis. La tasa de crecimiento promedio anual del PBI entre 2001 y 2015 fue de 5,9
por ciento.
Entre 2001 y 2007 el crecimiento promedio anual fue de 6,8 por ciento y luego se
desaceleró a 5,2 por ciento entre 2008 y 2015.
1,500
2,000
2,500
3,000
3,500
4,000
4,500
5,000
5,500
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
PRECIOS PRECIOS_TENDENCIA
TENDENCIA DE LOS PRECIOS DE DEPARTAMENTOS EN LIMA METROPOLITANA
40
Gráfico 14
Producto Bruto Interno Real
Fuente: Banco Central de Reserva del Perú
Elaboración propia
La serie de Producto Bruto Interno muestra un patrón estacional claro. Por ejemplo, el
gráfico previo muestra que el PBI en los trimestres II y IV de cada año es por lo general
mayor que en los trimestres I y III. El siguiente gráfico muestra la serie original junto con
la serie desestacionalizada. Para extraer el componente estacional de la serie se utilizó
el método de TRAMO-SEATS. Se observa que la serie desestacionalizada es mucho
más suave al haberse eliminado el patrón que se repite todos los años.
Gráfico 15
Producto Bruto Interno Real: Serie Original y Serie Desestacionalizada
Fuente: Banco Central de Reserva del Perú
Elaboración propia
60
80
100
120
140
160
180
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
PBI
60
80
100
120
140
160
180
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
PBI PBI desestacionalizado
PBI Y PBI DESESTACIONALIZADO
41
Finalmente, las variables TASA_HIP_ME y TASA_HIP_MN representan las tasas de
interés para créditos hipotecarios en moneda extranjera y en moneda nacional,
respectivamente. La fuente de información es el Banco Central de Reserva del Perú. La
cobertura corresponde a empresas bancarias, que de acuerdo a la información de la
Superintendencia de Banca, Seguros y AFP, representan el 98,5 por ciento de las
operaciones de créditos hipotecarios a diciembre de 2015.
El siguiente gráfico muestra que las tasas de interés para créditos hipotecarios en
moneda nacional se ubican por encima de las de tasas de interés para créditos
hipotecarios en moneda extranjera. Esto indica que las instituciones financieras
mantienen expectativas de depreciación de la moneda local, es decir, de incrementos
futuros del tipo de cambio. La diferencia también podría indicar diferentes percepciones
de riesgo asociadas a los créditos en cada moneda. Sin embargo, las diferencias entre
las tasas de interés en soles y en dólares se han acortado con el tiempo. En 2001 la
tasa en Soles fue 16 por ciento en promedio, en tanto que la tasa en dólares fue de 13
por ciento en promedio. La reducción de las tasas de interés en soles comenzó a partir
del año 2005, en que pasaron rápidamente a poco más de 10 por ciento en promedio.
Hacia finales del año 2007 la diferencia entre las tasas fue casi nula, período que
coincide con la aceleración de la tasa de crecimiento de los créditos hipotecarios totales
y con el cambio en la tendencia de los precios de los departamentos en Lima
Metropolitana. A fines del año 2015 la tasa de interés para créditos hipotecarios en Soles
se ubicó en 9 por ciento, mientras que en dólares se ubica en 8 por ciento.
42
Gráfico 16
Mercado Hipotecario: Tasa de interés para Créditos Hipotecarios por Moneda
Fuente: Banco Central de Reserva del Perú
Elaboración propia
Para fines del presente trabajo se construyó un indicador de tasas de interés para todos
los créditos hipotecarios, ponderando la tasa de cada tipo de crédito según moneda por
su participación dentro del saldo de créditos hipotecarios en cada período. El siguiente
gráfico muestra la serie resultante, la cual muestra una tendencia decreciente a lo largo
del período de análisis.
Gráfico 17
Mercado Hipotecario: Tasa de Interés Agregada
Fuente: Cálculos propios.
Elaboración propia
8
10
12
14
16
18
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
TASA_HIP_ME TASA_HIP_MN
TASAS DE INTERÉS PARA CRÉDITOS HIPOTECARIOS
8
9
10
11
12
13
14
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
TASA DE INTERÉS PROMEDIO PONDERADA PARA CRÉDITOS HIPOTECARIOS
43
El siguiente gráfico muestra las series finales que serán incluidas en el análisis
econométrico. Para el caso del PRECIOS, y CRED_HIP_TOT se tomará el logaritmo
natural de las variables originales. En el caso del PBI, se tomará el logaritmo natural de
la variable desestacionalizada. La transformación logarítmica se utiliza para reducir la
volatilidad de las series y también porque permite interpretar los coeficientes en un
modelo lineal como elasticidades.
Las nuevas variables mantienen los códigos de las variables originales, pero precedidas
por la letra L: LPRECIOS, LCRED_HIP_TOT y L_PBI. Finalmente, se utilizará la variable
TASA_HIP (tasa de interés para créditos hipotecarios), que es el promedio ponderada
de las tasas de interés para créditos hipotecarios en moneda nacional y en moneda
extranjera. Esta variable se mantendrá en sus unidades originales, sin tomar logaritmos,
y dado que se ubica entre 0 y 1, su coeficiente se interpretará como una semielasticidad.
Gráfico 18
Variables para el Análisis Econométrico
Fuente: Cálculos propios.
Elaboración propia
7.5
8.0
8.5
9.0
9.5
10.0
10.5
11.0
2002 2004 2006 2008 2010 2012 2014
LCRED_HIP_TOT
7.4
7.6
7.8
8.0
8.2
8.4
8.6
2002 2004 2006 2008 2010 2012 2014
LPRECIOS
4.2
4.4
4.6
4.8
5.0
5.2
2002 2004 2006 2008 2010 2012 2014
LPBI
.08
.09
.10
.11
.12
.13
.14
2002 2004 2006 2008 2010 2012 2014
TASA_HIP
44
La matriz de correlaciones indica que los precios tienen una relación positiva y fuerte
con los créditos hipotecarios totales, con un coeficiente de correlación de 0.93
Asimismo, los precios tienen una fuerte correlación directa con el PBI (0.88), y una
correlación negativa con la tasa de interés de créditos hipotecarios (-0.66). A su vez,
como es de esperar luego del análisis previo, los créditos hipotecarios tienen una
relación negativa y fuerte con la tasa de interés (coeficiente de correlación de 0.90).
Nótese, sin embargo, que esta matriz muestra las correlaciones contemporáneas
bivariadas simples entre cada par de variables, sin controlar por los cambios en las
demás variables consideradas ni por los efectos dinámicos y rezagos que pueda haber
entre éstas.
Tabla 2
Matriz de Correlaciones
LCRED_HIP_TOT LPRECIOS LPBI TASA_HIP
LCRED_HIP_TOT 1.000 0.903 0.997 -0.900
LPRECIOS 0.903 1.000 0.879 -0.657
LPBI 0.997 0.879 1.000 -0.913
TASA_HIP -0.900 -0.657 -0.913 1.000
Fuente: Cálculos propios.
Elaboración propia
Las pruebas de raíz unitaria de Dickey-Fuller Aumentado no rechazan la presencia de
una raíz unitaria en las series de crédito hipotecario, precios ni PBI. Las probabilidades
de que estas series tengan raíz unitaria son 0.89, 0.62 y 0.71, respectivamente. Cuando
se toma la primera diferencia de estas series, el test no permite aceptar la hipótesis nula
de que las series transformadas tengan raíz unitaria. En consecuencia, el crédito
hipotecario, los precios de los departamentos y el PBI se considerarán series no
estacionarias e integradas de orden 1, I(1). Por el contrario, el test no permite aceptar la
hipótesis nula de que la tasa de interés expresada en niveles tenga raíz unitaria, puesto
que la probabilidad de aceptar esta hipótesis es de sólo 0.004. Por lo tanto, se puede
afirmar que la serie de tasa de interés para créditos hipotecarios es estacionaria o
integrada de orden cero, I(0).
Tabla 3
45
Pruebas de Raíz Unitaria
Test de Dickey Fuller Aumentado
Variable Prob.(Raíz Unitaria)
Componentes determinísticos en el
Test
Orden de Integración
Variables en niveles
LCRED_HIP_TOT 0.891 Intercepto y tendencia I(1)
LPRECIOS 0.622 Intercepto y tendencia I(1)
LPBI 0.707 Intercepto y tendencia I(1)
TASA_HIP 0.004 Intercepto y tendencia I(0)
Variables en primeras diferencias
D(LPBI) 0.0002 Intercepto
D(LPRECIOS) 0.0000 Ninguno
D(LCRED_HIP_TOT) 0.0000 Intercepto
Fuente: Cálculos propios.
Elaboración propia
A continuación se muestran las transformaciones que hacen que las series sean
estacionarias. En caso del PBI, el crédito hipotecario y los precios de departamentos,
se toma la primera diferencia. Dado que las series se expresaron previamente en
logaritmos naturales, esta transformación es una aproximación a la variación porcentual
de cada variable con respecto a su valor en el trimestre inmediatamente anterior. En el
caso de la tasa de interés, se tomará la serie original en niveles puesto que es
estacionaria.
46
Gráfico 19
Variables Transformadas para el Modelo de Vectores Autorregresivos
Fuente: Cálculos propios.
Elaboración propia
En las series de PBI y crédito hipotecario se observa un salto a fines de 2008 y
comienzos de 2009, debido a los impactos de la crisis financiera internacional. Por este
motivo, se agregará en las estimaciones econométricas una variable dicotómica,
DUMMY, la cual tomará el valor de 1 entre el tercer trimestre de 2008 y el segundo
trimestre de 2009, y tomará el valor de 0 en todos los demás trimestres del período
muestral.
A continuación se estimó un modelo de vectores autorregresivos (VAR), con la finalidad
de cumplir el tercer objetivo específico de la presente investigación. Este modelo es
dinámico y permite la interacción entre variables, con diferentes rezagos. En la
estimación se consideraron las variables D(PRECIOS), D(CRED_HIP_TOTO), D(LPBI),
y TASA_HIP, además de una constante y la variable DUMMY. Se utilizó una
especificación con 2 rezagos, elegidos considerando el criterio de información de
Schwarz. A continuación se muestra el modelo con los respectivos coeficientes
estimados:
-.02
-.01
.00
.01
.02
.03
.04
2002 2004 2006 2008 2010 2012 2014
D(LPBI)
.08
.09
.10
.11
.12
.13
.14
2002 2004 2006 2008 2010 2012 2014
TASA_HIP
.00
.04
.08
.12
.16
2002 2004 2006 2008 2010 2012 2014
D(LCRED_HIP_TOT)
-.2
-.1
.0
.1
.2
2002 2004 2006 2008 2010 2012 2014
D(LPRECIOS)
47
D(LPBI) = 0.30*D(LPBI(-1)) + 0.10*D(LPBI(-2)) + 2.17*TASA_HIP(-1) - 2.04*TASA_HIP(-2) +
0.06*D(LCRED_HIP_TOT(-1)) - 0.005*D(LCRED_HIP_TOT(-2)) + 0.02*D(LPRECIOS(-1)) -
0.04*D(LPRECIOS(-2)) - 0.004 - 0.02*DUMMY
TASA_HIP = 0.0005*D(LPBI(-1)) - 0.01*D(LPBI(-2)) + 1.27*TASA_HIP(-1) - 0.32*TASA_HIP(-2) +
0.00096*D(LCRED_HIP_TOT(-1)) + 0.01*D(LCRED_HIP_TOT(-2)) + 0.003*D(LPRECIOS(-1)) -
0.0004*D(LPRECIOS(-2)) + 0.004 + 0.0002*DUMMY
D(LCRED_HIP_TOT) = 0.62*D(LPBI(-1)) + 0.21D(LPBI(-2)) - 3.51*TASA_HIP(-1) + 3.37*TASA_HIP(-2) +
0.036*D(LCRED_HIP_TOT(-1)) + 0.17*D(LCRED_HIP_TOT(-2)) + 0.04*D(LPRECIOS(-1)) -
0.0003*D(LPRECIOS(-2)) + 0.03 + 0.02*DUMMY
D(LPRECIOS) = 1.55*D(LPBI(-1)) + 0.03*D(LPBI(-2)) + 18.86*TASA_HIP(-1) - 19.80*TASA_HIP(-2) +
0.33*D(LCRED_HIP_TOT(-1)) - 0.14*D(LCRED_HIP_TOT(-2)) - 0.31*D(LPRECIOS(-1)) -
0.47*D(LPRECIOS(-2)) + 0.10 + 0.06*DUMMY
En el Anexo se muestran las pruebas y tests econométricos correspondientes a este
modelo. En particular, todas las raíces características caen dentro del círculo unitario, lo
cual es una condición para la estabilidad del modelo. Asimismo, los residuos no
muestran patrones de autocorrelación.
El impacto de los créditos hipotecarios sobre los precios de las viviendas se puede
analizar mediante las funciones de impulso respuesta. El siguiente gráfico muestra que
ante un incremento del crédito hipotecario, los precios de las viviendas se incrementan
luego de un trimestre. Asimismo, se observa que un incremento de la tasa de interés
reduce los precios luego de un trimestre. El impacto de un incremento del PBI, indicador
de ingresos, se refleja en un incremento de los precios de los departamentos luego de
2 trimestres. En todos los casos el impacto corresponde a un choque de una desviación
estándar en las variables indicadas, sobre la variable de precios incluida en el modelo.
48
Gráfico 20
Funciones de Impulso - Respuesta
Los impactos no son constantes en el tiempo, sino que tiene una dinámica que el modelo
recoge a través de diferentes rezagos. Los siguientes gráficos muestran las respuestas
acumuladas después de varios trimestres. Considerando las desviaciones estándar
históricas de las variables incluidas en el modelo, se estima que un incremento de 1
por ciento en los créditos hipotecarios tiene un impacto de 0,32 por ciento sobre
los precios de las viviendas, controlando por el incremento de los ingresos,
medido por el PBI, y por la reducción del costo del crédito hipotecario, medida por
la tasa de interés correspondiente.
Gráfico 21
Función de Impulso – Respuesta Acumuladas
-.04
-.02
.00
.02
.04
.06
.08
1 2 3 4 5 6 7 8 9 10 11 12
Response of D(LPRECIOS) to D(LPBI)
-.04
-.02
.00
.02
.04
.06
.08
1 2 3 4 5 6 7 8 9 10 11 12
Response of D(LPRECIOS) to TASA_HIP
-.04
-.02
.00
.02
.04
.06
.08
1 2 3 4 5 6 7 8 9 10 11 12
Response of D(LPRECIOS) to D(LCRED_HIP_TOT)
Response to Cholesky One S.D. Innovations ± 2 S.E.
-.04
-.02
.00
.02
.04
.06
.08
1 2 3 4 5 6 7 8 9 10 11 12
Accumulated Response of D(LPRECIOS) to D(LPBI)
-.04
-.02
.00
.02
.04
.06
.08
1 2 3 4 5 6 7 8 9 10 11 12
Accumulated Response of D(LPRECIOS) to TASA_HIP
-.04
-.02
.00
.02
.04
.06
.08
1 2 3 4 5 6 7 8 9 10 11 12
Accumulated Response of D(LPRECIOS) to D(LCRED_HIP_TOT)
Accumulated Response to Cholesky One S.D. Innovations ± 2 S.E.
49
5. DISCUSIÓN DE RESULTADOS
Los principales resultados del modelo econométrico estimado indican que ante un
incremento del crédito hipotecario, se observaría un incremento en los precios de
las viviendas. Esta respuesta no ocurre instantáneamente, sino que se estima un
rezago de un trimestre. En particular, si se mantiene todo lo demás constante, un
incremento de 1 por ciento en los créditos hipotecarios tendría un impacto de 0,32
por ciento sobre los precios de las viviendas. Es decir, si se espera un incremento
de los créditos hipotecarios de 10 por ciento para el próximo año, se podría esperar que
los precios de las viviendas aumenten por ese efecto en 3,2 por ciento. Existe sin
embargo, un margen de error, por lo que el incremento de precios podría ser algo mayor
o incluso más cercano a cero.
La prueba de causalidad de Granger indica que existe una predecencia temporal,
requisito para la causalidad, en el siguiente sentido: los choques en el crédito hipotecario
anticipan los cambios en el precio. En efecto, la hipótesis nula de que los créditos
hipotecarios NO causan a lo Granger a los precios de las viviendas, se acepta con una
probabilidad mínima, de 0,0003, o 0,03 por ciento. Por lo tanto, existiría evidencia en
contra de esta hipótesis. En cambio, la hipótesis nula de que los precios de las viviendas
no causan a lo Granger a los créditos hipotecarios, se acepta con una probabilidad de
20 por ciento. En consecuencia, se puede afirmar que existe evidencia a favor de que
los créditos hipotecarios sí causan a los créditos.
Tabla 4
Prueba de Causalidad de Granger
Pairwise Granger Causality Tests
Período: 2001Q1 2015Q4
Rezagos: 2
Observaciones: 58
Hipótesis nula F-Statistic Prob.
CREDITO_HIPOTECARIO no causa a lo Granger a PRECIO 9,43 0,0003
PRECIO no causa a lo Granger a CREDITO_HIPOTECARIO 1,65 0,2011
Elaboración propia
50
Estos resultados son consistentes con ciertas rigideces nominales en los precios de las
viviendas, las cuales estarían relacionadas con factores contractuales y de operatividad
del mercado. En particular, el incremento de los créditos propicia un aumento de la
demanda efectiva por viviendas, la cual, considerando que la oferta de viviendas es
inelástica en el muy corto plazo, se traslada principalmente a precios. Estos
resultados son consistentes con las observaciones previas de un crecimiento de la
demanda en el mercado de viviendas, donde el déficit habitacional se calcula en 2,0
millones de unidades.
Sin embargo, este déficit agregado no muestra las importantes diferencias que ocurren
entre estratos socieconómicos. Para complementar el análisis en dicho sentido, se
recurrió a información anual de la Cámara Peruana de la Construcción (CAPECO) sobre
el mercado de edificaciones urbanas en Lima Metropolitana y el Callao. Esta institución
define diferentes estratos socioeconómicos en función al método de Necesidades
Básicas Insatisfechas (NBI), el cual utiliza los siguientes indicadores:
Hogares en vivienda con características físicas inadecuadas
Hogares en vivienda con hacinamiento
Hogares con vivienda sin desagüe de ningún tipo
Hogares con niños que no asisten a la escuela
Hogares con alta dependencia económica
El siguiente cuadro muestra el ingreso mensual promedio del hogar en cada estrato,
para los años 2000 y 2015.
Tabla 5
Promedio de Ingreso mensual del hogar (2000 y 2015)
Fuente: Cámara Peruana de Construcción.
Elaboración propia
Estrato
Socioeconómico2000 2015 2000 2015
Alto 1 670 1 965 66 257 71 716
Medio Alto 1 237 1 643 42 023 43 809
Medio 705 875 33 937 38 071
Medio Bajo 396 613 18 686 18 641
Bajo 237 327 14 316 13 734
Promedio de Capacidad
de Pago (US$)
Promedio de Ingreso
Mensual del hogar (US$)
51
Utilizando esta misma fuente de información, se observa que la mayor parte de las
viviendas ofertadas en los últimos años fueron dirigidas para el sector Medio, seguido
por Medio Alto y Alto.
Gráfico 22
Oferta de viviendas según Estrato Socioeconómico
Fuente: Cámara Peruana de Construcción.
Elaboración propia
En particular, en el año 2015, el 48 por ciento de las viviendas ofertadas estuvo dirigido
al segmento medio. Sólo el 1 por ciento de viviendas ofertadas estuvo dirigido al
segmento bajo.
52
Gráfico 23
Oferta de viviendas según Estrato Socioeconómico (2015)
Fuente: Cámara Peruana de Construcción.
Elaboración propia
Sin embargo, cuando se observan los datos anuales de demanda insatisfecha, se ve
que desde 2011 el existe una mayor demanda insatisfecha en los sectores Medio Bajo
y Medio.
Gráfico 24
Gráfica 03: Demanda Insatisfecha por Estrato Socioeconómico
Fuente: Cámara Peruana de Construcción.
Elaboración propia
53
En particular, los datos para el año 2015 indican que el 52 por ciento de la
demanda insatisfecha se ubica en el sector Medio Bajo. Este sector es el menos
atendido por la oferta. Por el contrario, la demanda insatisfecha es negativa en
el Sector Alto, lo cual obedece a que la oferta de viviendas para este sector creció
mucho más rápido que la demanda, existiendo un stock no vendido.
Gráfico 25
Gráfica 04: Demanda Insatisfecha por Estrato Socioeconómico (2015)
Fuente: Cámara Peruana de Construcción.
Elaboración propia
La inelasticidad de la oferta está explicada por el hecho de que para construir nuevas
viviendas se deben hacer estudios, obtener permisos, y firmar contratos con diferentes
proveedores, así como lograr financiamiento para el constructor. En particular, los
trámites municipales para obtención de licencias de construcción pueden alargar el
tiempo que tarda la oferta en reaccionar a cambios en los precios.
Sin embargo, superados estos trámites, varios trimestres más tarde, los mayores
precios incentivan a más empresas a incrementar su actividad edificadora de viviendas,
es decir, un incremento de la oferta, con lo cual el efecto del aumento de la demanda se
traslada parcialmente a mayores unidades vendidas.
Otro de los hallazgos del modelo econométrico es que un incremento de la tasa de
interés reduce los precios de los inmuebles luego de un trimestre. Esto ocurre
porque el incremento de los costos de tomar créditos reduce la demanda de créditos, si
se mantiene todo lo demás constante. En consecuencia, considerando nuevamente que
54
la oferta de viviendas es inelástica (reacciona muy poco en el muy corto plazo), el efecto
se traslada principalmente a menores precios.
El aumento de los ingresos también tiene un impacto sobre los precios, vía su efecto
dinámico sobre el crédito hipotecario. El impacto de un incremento del PBI se refleja en
un incremento de los precios de los departamentos luego de 2 trimestres. En otras
palabras, las viviendas son un bien normal, tal que al incrementarse el ingreso también
se incrementa la demanda.
Estos resultados sin embargo están sujetos a algunas limitaciones. Por ejemplo, en el
Perú no se dispone de una fuente de información estadística sobre precios de inmuebles
residenciales a nivel nacional, motivo por el cual se trabajó únicamente con datos de
Lima. Existe, sin embargo, la percepción de que los precios de las viviendas han
aumentado en las ciudades más importantes del país durante el período de estudio,
aunque posiblemente con una importante heterogeneidad entre regiones.
Otra limitación es la falta de información desagregada sobre precios de viviendas y los
créditos para cada una de esas viviendas, lo cual, de estar disponible, permitiría un
análisis mucho más detallado controlando incluso por las características de las
viviendas.
El siguiente gráfico (construido con los únicos datos existentes por segmentos
socioeconómicos, el cual está disponible con frecuencia anual en las publicaciones de
CAPECO)20 muestra que el incremento de precios ocurrió principalmente en el Sector
Alto y Medio Alto. Es en estos sectores donde los precios han dejado de crecer, o incluso
disminuido en los últimos años. Un crecimiento más parejo de la oferta y demanda por
estratos socieconómiocs podría reflejarse en fluctuaciones más suaves de los precios.
20 El cálculo de los precios promedio anuales por estrato es la suma de las unidades de viviendas ofertadas
ponderadas por el promedio de los límites de cada rango de precios de las viviendas en dólares. Luego esta
cantidad se divide entre la suma total de unidades ofertadas del estrato correspondiente.
55
Gráfico 26
Gráfica 05: Precios promedio de viviendas según Estrato Socioeconómico (2000-
2015)
Leasing Inmobiliario
El leasing inmobiliario es una alternativa reciente en Perú, aperturada con el fin de
mejorar la accesibilidad que tienen las familias para adquirir viviendas. Es así, que esta
nueva ley promueve que diversas entidades financieras desarrollen una línea de
negocio mediante la cual, el beneficiario no requiera dar una cuota inicial y que, además,
se capitalice un porcentaje de los pagos periódicos establecidos para que el inquilino se
vaya convirtiendo en dueño del inmueble.
De esta manera, el éxito de dicho programa dependerá, fundamentalmente, de las tasas
de interés que manejen las entidades financieras y, como el riesgo es directamente
proporcional con éstas, el Estado intenta mitigarlo permitiéndoles revender las viviendas
en caso de incumplimiento de pago.
Sin duda, es un sistema de crédito atractivo que tiene que ir reforzando sus cimientos –
no eliminarse- y difundiéndose con responsabilidad para que las familias evalúen sus
alternativas antes de tomar una decisión.
56
6. CONCLUSIONES
Las conclusiones de la presente investigación son las siguientes:
a. En el Perú la principal fuente de financiamiento de viviendas continúa siendo el
crédito hipotecario tradicional. El saldo de crédito hipotecario total pasó de S/ 3,6
mil millones en 2001 a S/ 37,6 mil millones en 2015. Si bien se han diseñado
otros productos para el financiamiento de viviendas, tales como los títulos de
crédito hipotecario, los bonos hipotecarios, las titulizaciones de créditos y los
bonos cubiertos, éstos aún no se han desarrollado de manera importante.
b. Un factor importante que influyó en el dinamismo que adquirieron los créditos
hipotecarios en la década pasada es el impulso del Estado, por medio de los
programas Mivivienda y Techo Propio.
c. Los créditos hipotecarios tienen las tasas de interés más bajas y las menores
tasas de morosidad del sistema. La morosidad al cierre de 2015 se ubicó en 2
por ciento. Una característica importante de los créditos hipotecarios en el Perú
ha sido durante mucho tiempo su alta dolarización. El programa de
desdolarización impulsado por el Banco Central de Reserva del Perú ha
permitido reducir la dolarización de los créditos hipotecarios desde 95 por ciento
en 2001 a 25 por ciento en 2015. Actualmente casi la totalidad de créditos
hipotecarios nuevos se ofrece en soles. Los plazos de los créditos hipotecarios
han aumentado, desde 7 años a inicios de la década de los noventa hasta
valores que desde 2005 se ubican frecuentemente entre 10 y 15 años. La mejora
en las condiciones de financiamiento hipotecario como tasas de interés y plazos
han influido en la mayor demanda de este tipo de créditos.
d. Se ha utilizado un modelo econométrico de vectores autoregresivos con
corrección de errores para el período 2001 – 2015, con la finalidad de estimar el
impacto del crédito hipotecario sobre los precios. Se ha encontrado que un
incremento de 1 por ciento en los créditos hipotecarios tiene un impacto de 0,32
por ciento sobre los precios de las viviendas, con un rezago de un trimestre. Por
su parte, un incremento de la tasa de interés reduce los precios de los inmuebles
luego de un trimestre. El impacto de un incremento del PBI, indicador de
ingresos, se refleja en un incremento de los precios de los departamentos luego
de 2 trimestres. Estos resultados son razonables considerando que la oferta de
57
viviendas en relativamente inelástica en períodos cortos como estos y que de
acuerdo a la Cámara Peruana de la Construcción (CAPECO), el déficit de
viviendas en el Perú se ubica en 2,0 millones de viviendas.
58
7. RECOMENDACIONES
a. Continuar impulsando el crecimiento de los créditos hipotecarios en soles, pero
a plazos más largos, con la finalidad de facilitar el acceso de las familias a la
compra de viviendas aunque éstas suban de precio como consecuencia del
mayor financiamiento. Como se ha visto, un incremento de 1 por ciento en los
créditos hipotecarios tiene un impacto de 0,32 por ciento sobre los precios de las
viviendas, con un rezago de un trimestre. Por lo tanto, el plazo promedio de los
créditos hipotecarios, que alcanza actualmente 15 años, debería aumentar en al
menos 0,32 por ciento (0,048 años o 0,6 meses) ante cada aumento de 1 por
ciento de los créditos hipotecarios, para mantener el acceso de las familias.
Dicho acceso está en función al poder adquisitivo de las familias, definidas como
su ingreso entre el precio de las viviendas.
b. Impulsar el desarrollo de instrumentos alternativos de financiamiento de
viviendas, como los bonos hipotecarios, las titulizaciones de créditos, y los bonos
cubiertos, así como relanzar los programas gubernamentales Mivivienda y
Techo Propio. Estas medidas también deben estar asociadas a mayores plazos
de financiamiento, por las mismas razones expuestas en el párrafo previo.
c. Elaborar y difundir estadísticas de oferta, demanda y precios de viviendas por
estratos socioeconómicos con mayor frecuencia a la que se dispone
actualmente, por ejemplo semestral o trimestral en lugar de sólo anual. Esto
ayudaría a una mejor atención de la demanda insatisfecha en los sectores de
menores ingresos.
59
8. BIBLIOGRAFÍA
Adam, K., Kuang, P., y Marcet, A. (2012), “House Price Booms and the Current
Account”, NBER Macroeconomics Annual, 26(1), 77-122.
Apoyo Consultoría (2012), “Situación Actual y Perspectivas del Mercado Inmobiliario”,
Lima, Febrero 2012.
Apoyo Consultoría (2003), "Estudio para el diseño de un sistema de información de
precios del mercado inmobiliario urbano marginal e implementación del mismo", Informe
Final de Consultoría para el Proyecto Derechos de Propiedad Urbana de COFOPRI,
Setiembre 2003.
BBVA Research (2014), "Situación Inmobiliaria", BBVA Unidad de Perú.
Cámara Peruana de Comercio. (2000). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (5° estudio).
Cámara Peruana de Comercio. (2001). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (6° estudio).
Cámara Peruana de Comercio. (2002). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (7° estudio).
Cámara Peruana de Comercio. (2003). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (8° estudio).
Cámara Peruana de Comercio. (2005). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (10° estudio).
Cámara Peruana de Comercio. (2006). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (11° estudio).
Cámara Peruana de Comercio. (2007). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (12° estudio).
Cámara Peruana de Comercio. (2008). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (13° estudio).
Cámara Peruana de Comercio. (2009). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (14° estudio).
Cámara Peruana de Comercio. (2011). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (16° estudio).
60
Cámara Peruana de Comercio. (2012). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (17° estudio).
Cámara Peruana de Comercio. (2013). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (18° estudio).
Cámara Peruana de Comercio. (2014). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (19° estudio).
Cámara Peruana de Comercio. (2015). El mercado de edificaciones urbanas en Lima
Metropolitana y el Callao (20° estudio).
Campbell, J., Giglio, S., y Pathak, P. (2011), “Forced Sales and House Prices”, The
American Economic Review, 101(5), 2108-2131.
Case, B. y Quigley, J. (1991), “The Dynamics of Real Estate Prices”, The Review of
Economics and Statistics, Vol. 73, 1, 50-58.
Contreras, A., (2013), “Estabilidad Financiera y Boom Inmobiliario”, Revista Moneda.
153, 32- 35.
Coulibaly, B., y Li, G. (2006), “Do Homeowners Increase Consumption after the Last
Mortgage Payment? An Alternative Test of the Permanent Income Hypothesis”, The
Review of Economics and Statistics, 88(1), 10-19.
Demyanyk, Y., & Van Hemert, O. (2011), “Understanding the Subprime Mortgage Crisis”,
The Review of Financial Studies, 24(6), 1848-1880.
Duque, J., Velásquez, H. y Agudelo, J. (2011), "Infraestructura pública y precios de
vivienda: una aplicación de regresión geográficamente ponderada en el contexto de
precios hedónicos", Revista Ecos de Economía Número 33, Medellín, Colombia.
Égert, B. y Mihaljek, D. (2007), “Determinants of house prices in central and eastern
Europe”, BIS Working Papers 236.
Eyzaguirre, Hugo (2003), “El Mercado del Crédito Hipotecario en el Perú”, Instituto
Apoyo, Lima, Perú.
61
Farnham, M., Schmidt, L., y Sevak, P. (2011), “House Prices and Marital Stability”, The
American Economic Review, 101(3), 615-619.
Flavin, M., & Yamashita, T. (2011), “Owner-Occupied Housing: Life-Cycle Implications
for the Household Portfolio”, The American Economic Review, 101(3), 609-614.
Figueroa, Eugenio y Lever, George (1992), "Determinantes del Precio de la Vivienda en
Santiago: Una Estimación Hedónica,” Estudios de Economía 19(1): 67-84.
Flores, S. y Flores, J. (2008), “Evaluación del Mercado Inmobiliario con fines de
Inversión”, Revista Venezolana de Análisis de Coyuntura, Vol. XIV, 1, pp. 221-253.
Franklin, Joel y Waddell, Paul (2002), "Hedonic Regression of Home Prices in King
County, Washington, using Activity-Specific Accessibility Measures", University of
Washington.
Fondo MiVivienda. Estudio de Mercado de la Vivienda Social en Lima 2006.
Griliches, Z. (1961), “Hedonic price indexes for automobiles: An econometric of quality
change”, en The Price Statistics of the Federal Goverment (pp. 173-196). NBER.
Himmelberg, Charles, Mayer, C., y Sinai, T. (2005), “Assessing High House Prices:
Bubbles, Fundamentals and Misperceptions”, The Journal of Economic Perspectives,
Vol. 19, No. 4 (Autumn, 2005), pp. 67-92
Iacoviello, Matteo (2005), “House Prices, Borrowing Constraints, and Monetary Policy in
the Business Cycle”, The American Economic Review, 95(3), 739-764.
Kain, F. y Quigley, J. (1975), "A theory of Urban Housing Markets and Spatial Structure",
en "Housing Markets and Racial Discrimination: A microeconomimc Analysis", Kain, F.
y Quigley, J., eds., NBER.
Lago, R. (2013). El Cazador de Burbujas. Recuperado de
http://peru21.pe/opinion/cazador-burbujas-2196517
Lamont, O., y Stein, J. (1999), “ Leverage and House-Price Dynamics in U.S. Cities”, The
RAND Journal of Economics,30(3), 498-514.
62
Li, W., y Yao, R. (2007), “The Life-Cycle Effects of House Price Changes”, Journal of
Money, Credit and Banking, 39(6), 1375-1409.
Lopez, C. (2002), “Modelos econométricos del mercado de la vivienda en las regiones
españolas”, Economic Development 59, University of Santiago de Compostela.
López, C., Aguayo, E. y Expósito, P. (1998), "El comportamiento de los precios de la
vivienda en las regiones españolas: principales determinantes," Economic Development
34, University of Santiago de Compostela.
Lusardi, Annamaria (2013), “Financial literacy and high-cost borrowing in the United
States”, NBER y Oficina para la Educación Financiera del Tesoro de los EE.UU.
Mayer, C., Pence, K., y Sherlund, S. (2009), “The Rise in Mortgage Defaults”, The
Journal of Economic Perspectives, 23(1), 27-50.
Mian, A., & Sufi, A. (2009), “The Consequences of Mortgage Credit Expansion: Evidence
from the U.S. Mortgage Default Crisis”, The Quarterly Journal of Economics, 124(4),
1449-1496.
Mian, A., & Sufi, A. (2010), “The Great Recession: Lessons from Microeconomic
Data”, The American Economic Review, 100(2), 51-56.
Mian, A., & Sufi, A. (2011), “House Prices, Home Equity—Based Borrowing, and the US
Household Leverage Crisis”, The American Economic Review, 101(5), 2132-2156.
Muellbauer, J., y Murphy, A. (1997), “Booms and Busts in the UK Housing Market”, The
Economic Journal, 107(445), 1701-1727.
Orrego, Fabrizio (2014), "Precios de Viviendas en Lima", Revista Estudios Económicos
del Banco Central de Reserva del Perú, Número 28, 47 - 59.
Parodi, C. (09 de diciembre de 2016). ¿Qué es una burbuja especulativa? Recuperado
de http://blogs.gestion.pe/economiaparatodos/2016/12/que-es-una-burbuja-
especulativa.html
63
Parodi, C. (25 de enero de 2013). Burbujas especulativas (Parte I). Recuperado de
http://blogs.gestion.pe/economiaparatodos/2013/01/burbujas-especulativas-parte-
1.html
Parodi, C. (01 de febrero de 2013). Burbujas especulativas (Parte II). Recuperado de
http://blogs.gestion.pe/economiaparatodos/2013/02/burbujas-especulativas-parte-
2.html
Parodi, C. (08 de febrero de 2013). Burbujas especulativas (Parte III). Recuperado de
http://blogs.gestion.pe/economiaparatodos/2013/02/burbujas-especulativas-parte-
3.html
Parodi, C. (15 de febrero de 2013). Burbujas especulativas (Parte IV). Recuperado de
http://blogs.gestion.pe/economiaparatodos/2013/02/respuestas-frente-a-las-burbuj.html
Parodi, C. (20 de diciembre de 2013). ¿Nuevas Burbujas Inmobiliarias? Recuperado de
http://blogs.gestion.pe/economiaparatodos/2013/12/nuevas-burbujas-inmobiliarias.html
Payares, Dann (2012), "Estimación del potencial de valorización del suelo en
Barranquilla en el periodo 2001-2011: Estimación de efectos fijos en datos de panel",
Revista de Economía del Caribe Número 10, Colombia.
Perdomo, Jorge (2010), "Una propuesta metodológica para estimar los cambios sobre
el valor de la propiedad: estudio de caso para Bogotá aplicando propensity score
matching y precios hedónicos espaciales" Documentos CEDE, Facultad de Economía
de la Universidad de Los Andes, Número 24, Colombia.
Piskorski, T., y Tchistyi, A. (2011), “Stochastic House Appreciation and Optimal
Mortgage Lending”, The Review of Financial Studies, 24(5), 1407-1446.
Quispe, Arlé (2012), "Una Aplicación del Modelo de Precios Hedónicos al Mercado de
Viviendas en Lima Metropolitana", Revista Economía y Derecho de la Universidad
Peruana de Ciencias Aplicadas, Número 36.
Reinhart, C. M. y Rogoff K. S. (2009). “The Aftermath of financial crises”, National Bureau
of Economic Research. NBER WP Series 14656.
64
Rossini, Renzo (2009): "Vivienda: Nuevos esquemas de Financiamiento" Revista
Moneda 140, Banco Central de Reserva del Perú.
Sagner, Andrés (2009), “Determinantes del Precio de Viviendas en Chile,” Working
Papers Central Bank of Chile 549, Central Bank of Chile.
Selim, Sibel (2008), “Determinants Of House Prices In Turkey: A Hedonic Regression
Model”, Doğuş Üniversitesi Dergisi, 9 (1) 2008, 65-76
Shiller, R., (2015), Irrational Exuberance. Reino Unido: Princeton University Press.
Stumpf, Marco y Torres, Carlos (1997), “Estimación de Modelos de Precios Hedónicos
para Aquileres Residenciales”, Cuadernos de Economía, Año 34, Nº 101, pp. 71 - 86.
Van Nieuwerburgh, S., y Weill, P. (2010). Why Has House Price Dispersion Gone
Up? The Review of Economic Studies, 77(4), 1567-1606.
65
9. ANEXOS:
9.1. Matriz de consistencia
Problema Objetivos Hipótesis Variables
Problema general:
¿Cuál es el impacto
del crédito
hipotecario sobre la
evolución de los
precios de los
inmuebles en Lima
Metropolitana, para
el período 2001-
2015, controlando
por el efecto de
otros factores como
el crecimiento de
los ingresos y los
cambios en el costo
del crédito
hipotecario??
Objetivo general
Analizar el impacto
del crédito
hipotecario sobre la
evolución de los
precios de los
inmuebles en Lima
Metropolitana, para
el período 2001-
2015, controlando
por el efecto de otros
factores como el
crecimiento de los
ingresos y los
cambios en el costo
del crédito
hipotecario.
Hipótesis
general
El incremento de
crédito
hipotecario ha
sido un factor
que ha
contribuido al
incremento los
precios de los
inmuebles en
Lima
Metropolitana
durante el
período 2001-
2015,
controlando por
el efecto de
otros factores
como el
crecimiento de
los ingresos y
los cambios en
el costo del
crédito
hipotecario.
Variable Dependiente:
Precios de Inmuebles
Indicador:
Mediana de los Precios
de Venta de
Departamentos en Lima
Metropolitana
Fuente: Banco Central
de Reserva del Perú
Frecuencia: Trimestral
Período: 2001-2015
Problemas
específicos:
Objetivos
específicos:
Hipótesis
específicas:
Variable
Independiente:
Créditos Hipotecarios
66
¿Cuáles son las
tendencias de los
indicadores del
crédito
hipotecario para
el período 2001-
2015?
¿Cuáles son las
tendencias de
diversos
indicadores del
mercado
inmobiliario en
Lima
Metropolitana
para el período
2001-2015,
haciendo énfasis
en la evolución de
los precios?
¿Cuál es el
impacto del
crédito
hipotecario sobre
la evolución de
los precios de los
inmuebles en
Lima
Metropolitana,
para el período
2001-2015,
controlando por el
Analizar las
tendencias de los
indicadores del
crédito hipotecario
para el período
2001-2015.
Analizar las
tendencias de
diversos indicadores
del mercado
inmobiliario en Lima
Metropolitana para
el período 2001-
2015, haciendo
énfasis en la
evolución de los
precios.
Estimar un
modelo
econométrico
multivariado para
cuantificar el
impacto del crédito
hipotecario sobre la
evolución de los
precios de los
inmuebles en Lima
Metropolitana, para
La
tendencia del
crédito
hipotecario ha
sido al alza
durante el
período 2001-
2015.
La
tendencia de los
precios de
viviendas ha
sido al alza
durante el
período 2001-
2015.
Indicador:
Flujo de créditos
hipotecarios en moneda
nacional y extranjera
Fuente:
Superintendencia de
Banca, Seguros y AFPs
Frecuencia: Trimestral
Período: 2001-2015
67
efecto de otros
factores como el
crecimiento de los
ingresos y los
cambios en el
costo del crédito
hipotecario?
el período 2001-
2015, controlando
por el efecto de
otros factores como
el crecimiento de los
ingresos y los
cambios en el costo
del crédito
hipotecario.
9.2. Raíces Características del Modelo de Vectores Autorregresivos
9.3. Residuos del Modelo de Vectores Autorregresivos
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
68
-.020
-.015
-.010
-.005
.000
.005
.010
.015
02 03 04 05 06 07 08 09 10 11 12 13 14 15
D(LPBI) Residuals
-.002
-.001
.000
.001
.002
02 03 04 05 06 07 08 09 10 11 12 13 14 15
TASA_HIP Residuals
-.04
-.02
.00
.02
.04
.06
.08
02 03 04 05 06 07 08 09 10 11 12 13 14 15
D(LCRED_HIP_TOT) Residuals
-.15
-.10
-.05
.00
.05
.10
.15
02 03 04 05 06 07 08 09 10 11 12 13 14 15
D(LPRECIOS) Residuals
69
9.4. Correlograma de los Residuos del Modelo de Vectores Autorregresivos
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPBI),D(LPBI)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPBI),TASA_HIP(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPBI),D(LCRED_HIP_TOT)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPBI),D(LPRECIOS)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(TASA_HIP,D(LPBI)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(TASA_HIP,TASA_HIP(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(TASA_HIP,D(LCRED_HIP_TOT)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(TASA_HIP,D(LPRECIOS)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LCRED_HIP_TOT),D(LPBI)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LCRED_HIP_TOT),TASA_HIP(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LCRED_HIP_TOT),D(LCRED_HIP_TOT)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LCRED_HIP_TOT),D(LPRECIOS)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPRECIOS),D(LPBI)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPRECIOS),TASA_HIP(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPRECIOS),D(LCRED_HIP_TOT)(-i))
-.4
-.2
.0
.2
.4
1 2 3 4 5 6 7 8 9 10 11 12
Cor(D(LPRECIOS),D(LPRECIOS)(-i))
Autocorrelations with 2 Std.Err. Bounds