ART_12

Artículo original

Análisis de los determinantes macroeconómicos de la liquidez bancaria en el Perú: 2003-2024

Analysis of the macroeconomic determinants of banking liquidity in Peru: 2003-2024

Piero Gabriel Mendoza-Velarde*

*Autor de correspondencia: pmendozav@unjbg.edu.pe, https://orcid.org/0009-0003-1539-1681

Universidad Nacional Jorge Basadre Grohmann. Facultad de Ciencias Jurídicas Empresariales. Tacna, Perú

Recepción: 19/07/2025

Aprobación: 26/08/2025

Publicación: 30/10/2025

CÓDIGO JEL: C32, E44, G21

Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional.

Como citar: Mendoza-Velarde, P. G. (2025). Análisis de los determinantes macroeconómicos de la liquidez bancaria en el Perú: 2003-2024. Economía & Negocios, 7(2), 102-115. https://www.doi.org/10.33326/27086062.2025.2.2339

RESUMEN

Objetivo: Explicar el impacto de las variables macroeconómicas en el comportamiento de la liquidez de las empresas bancarias del Perú. Método: Se empleó un modelo de regresión multivariante mediante mínimos cuadrados ordinarios, con datos históricos anuales de variables independientes: crecimiento económico, tipo de cambio, inflación, IED, tasa de interés y la variable dependiente: liquidez bancaria. Resultados: El crecimiento económico ejerció el mayor efecto positivo sobre la liquidez bancaria, seguido por el tipo de cambio, la inversión extranjera directa y la inflación; en contraste, la tasa de interés mostró una influencia negativa. Por otro lado, se obtuvo un coeficiente de determinación ajustado elevado de 98,72 % y se verificó la validez estadística del modelo mediante los supuestos de normalidad, heterocedasticidad y autocorrelación de residuos. Conclusiones: De acuerdo con la teoría del análisis de valoración macroeconómica, se concluye que la liquidez bancaria en el Perú responde de forma sensible al entorno macroeconómico, puesto que un contexto expansivo y estable favorece la generación de liquidez. Por otro lado, las condiciones restrictivas, como el aumento de tasas de interés, limitan dicha capacidad; los resultados refuerzan el vínculo entre las variables macroeconómicas y el equilibrio financiero del sistema bancario del Perú.

Palabras clave: liquidez bancaria, análisis macroeconómico, regresión multivariante, economía, finanzas

ABSTRACT

Objective: To explain the impact of macroeconomic variables on the behavior of banking liquidity in Peru. Method: A multivariate regression model using ordinary least squares was applied, based on annual historical data. The independent variables included economic growth, exchange rate, inflation, foreign direct investment (FDI), and interest rate, while the dependent variable was banking liquidity. Results: The findings revealed that economic growth had the strongest positive effect on banking liquidity, followed by the exchange rate, foreign direct investment, and inflation. In contrast, the interest rate showed a negative influence. An adjusted R-squared of 98.72% was obtained, and the statistical validity of the model was confirmed through the fulfillment of the assumptions of normality, homoscedasticity, and absence of autocorrelation. Conclusions: According to the theory of macroeconomic valuation analysis, banking liquidity in Peru responds sensitively to macroeconomic conditions. A stable and expansive environment fosters liquidity generation, while restrictive conditions, such as rising interest rates, limit this capacity. The results reinforce the connection between macroeconomic variables and the financial balance of the Peruvian banking system.

Keywords: banking liquidity, macroeconomic analysis, multivariate regression, economy, finance

INTRODUCCIÓN

La liquidez bancaria resulta relevante para la estabilidad financiera y el crecimiento económico. En mercados con mayor competencia, los bancos tienden a incrementar sus reservas líquidas para enfrentar choques financieros (Liu et al., 2025). En este sentido, se evidencia una relación positiva a largo plazo entre la creación de liquidez y el crecimiento económico, aunque en exceso resulta perjudicial (Almeshari et al., 2023). No obstante, durante la pandemia COVID-19, Ҫolak y Öztekin (2021) refieren que la provisión de crédito se redujo especialmente en países más afectados, dependiendo de factores institucionales y financieros.

Las crisis bancarias sistémicas son frecuentes en América Latina y tienden a intensificarse en contextos donde los bancos presentan niveles insuficientes de capitalización y liquidez. Tal comportamiento pone de manifiesto la necesidad de fortalecer los marcos de regulación y supervisión prudencial como mecanismo para preservar la estabilidad financiera (Martínez, & Baselga, 2020). En este contexto, intervenciones como la expansión cuantitativa y la intervención cambiaria contribuyen a mitigar las fricciones financieras globales que inciden sobre las tasas de interés de largo plazo. Sin embargo, sus efectos tienden a ser asimétricos, dependiendo del tipo de activos que emite cada economía, representando una limitante para el acceso a liquidez por parte de los intermediarios financieros (Kim, 2023).

Para el caso de economías emergentes, los regímenes cambiarios flexibles estabilizan los flujos de capital cuando la aversión al riesgo es baja, pero en contextos de alta incertidumbre amplifican las desviaciones de paridad de intereses y comprometen la estabilidad financiera (Lu et al., 2022). A pesar de los esfuerzos regulatorios, persiste la necesidad de comprender la interacción de los factores macroeconómicos en la resiliencia bancaria. La contracción del crédito interbancario deteriora la liquidez de mercado, sobre todo en contextos de tensión financiera internacional como el de Estados Unidos (Sifat et al., 2022). En contraste, la innovación digital bancaria —apoyada por políticas macro prudenciales activas— impulsa la creación de liquidez al mejorar la rentabilidad y la calidad de los activos (Wang et al., 2025).

En el Perú, el sector bancario evidencia altos niveles de concentración y bajos grados de competencia, suponiendo riesgos relevantes para la estabilidad del sistema financiero (Pozo, & Rojas, 2023). Además, Quispe et al. (2022) refieren que en contextos de riesgo de liquidez, las entidades financieras pagan un mayor costo para acceder a financiamiento, incluso si se encuentran estables, debido a que los inversores exigen mayor compensación, acortan plazos o retiran su apoyo.

En materia de finanzas, la gestión de la liquidez constituye un eje central para garantizar la sostenibilidad del sistema financiero, considerando que los bancos tienden a incrementar su velocidad de ajuste de liquidez en respuesta a la desregularización bancaria (Fan et al., 2022). Tal capacidad de adaptación resulta relevante para que las instituciones financieras atiendan de manera oportuna sus obligaciones de corto plazo para preservar la confianza de los agentes económicos que participan del sistema financiero. En esta línea, Habib et al. (2022) refieren que la liquidez de los bancos se centra en su capacidad para mantener fondos suficientes que les permitan afrontar obligaciones financieras a corto plazo, con la finalidad de mitigar riesgos de shocks en el flujo de efectivo. Por consiguiente, refleja la capacidad de un banco para generar fondos a tiempo y convertir activos en efectivo sin perder su valor real (Gertler et al., 2012).

El vínculo entre el entorno macroeconómico y la capacidad de liquidez de los bancos es analizado en diversas investigaciones internacionales de países emergentes y en transición. Particularmente, el sistema bancario de los Balcanes Occidentales conformado por Serbia, Macedonia del Norte, Albania, Montenegro, Bosnia y Herzegovina evidencian que factores macroeconómicos como el crecimiento del PIB y la inflación condicionan la política de mantenimiento de activos líquidos por parte de los bancos (Radovanov et al., 2023)

A raíz de la crisis financiera de 2007-2009, surgieron nuevas regulaciones como el índice de cobertura de liquidez (LCR), que exige a los bancos mantener una proporción fija de activos líquidos frente a salidas netas de efectivo proyectadas. Es a través de este mecanismo que el manejo de liquidez de los bancos está influenciado por los niveles de crecimiento económico, la inflación y las condiciones del mercado que comprometen su capacidad para mantener sus activos líquidos a corto plazo, con la premisa de sostener su actividad crediticia (Sundaresan, & Xiao, 2024). Los modelos centrados en la liquidez proponen una relación positiva entre la inversión extranjera directa y el crecimiento económico, mediada por el tipo de cambio, la tasa de interés y la inflación (Winpor, & Hidayat, 2025).

Las investigaciones recientes evidencian que la creación de liquidez bancaria actúa como un predictor de crisis financieras y apenas es modulada por la política monetaria durante períodos de estrés (Berger, & Bouwman, 2017). Asimismo, análisis basados en choques de crédito en Turquía revelaron que las expansiones crediticias impulsadas por factores domésticos, se acompañan de depreciación cambiaria y repuntes de inflación que limitan la respuesta de política monetaria, mientras que las expansiones asociadas a flujos de capital favorecen una respuesta de crecimiento del PIB más amplia y prolongada (Büyükbaşaran et al., 2022). De igual forma, un estudio sobre bancos estadounidenses durante la crisis subprime (2007-2009) encontró que el riesgo de liquidez redujo significativamente la probabilidad de supervivencia, la rentabilidad del patrimonio (ROA) y el margen de intereses neto, conduciendo a un incremento de las provisiones por pérdidas de crédito, efectos más pronunciados en entidades con menores ratios de capital y mayor riesgo crediticio (Chen et al., 2021). Los aportes empíricos justifican la pertinencia de emplear modelos econométricos que integren tanto indicadores de liquidez como variables macroeconómicas, con el fin de contribuir al desarrollo de un marco teórico orientado a explicar la dinámica de la liquidez bancaria en América Latina.

A nivel macro, variables como la inversión extranjera directa (IED), crecimiento económico, tipo de cambio, inflación y tasa de interés moldean la oferta y demanda de fondos líquidos de las empresas bancarias.

Los flujos de IED afectan la base de depósitos de los bancos y, por ende, su capacidad de crear y gestionar el financiamiento para mantener la liquidez. Zheng y Luk (2019) refieren que, en el caso de economías emergentes, una mayor entrada de IED produce una reducción en los costeos de fondeos, se amplían los depósitos y se potencia la creación de liquidez. Por su parte, Nilsson et al., (2017) establecen un impacto positivo de la IED sobre la liquidez, sustentado en una mejora de la calidad informativa de los bancos que disminuye primas de riesgo y garantiza tasas de préstamo más competitivas en la formación de precios.

Un entorno de crecimiento económico impulsa el volumen de transacciones y las demandas de crédito que actúa como incentivo para los bancos que buscan mantener mayores colchones de liquidez. Fidrmuc et al., (2015) establecieron que la función de creación de liquidez de los bancos rusos aumentó en períodos de crecimiento, y a su vez potenció la inversión productiva. En estudios más recientes, Beck et al. (2023) evidencian el impacto positivo del crecimiento económico en la liquidez de los bancos, especialmente en ciclos expansivos, cuando los bancos alteran sus carteras hacia activos de mayor rendimiento sin comprometer su solvencia.

Las fluctuaciones del tipo de cambio afectan los pasivos en moneda extranjera y también inciden en la demanda de activos líquidos locales. Becker et al. (2024) refieren que los préstamos en moneda extranjera por parte de bancos no estadounidenses aumentan la demanda de liquidez en dólares, provocando restricciones negativas en los mercados de financiamiento que dificultan el acceso a liquidez; por lo que se evidencia una relación inversa entre la apreciación del tipo de cambio y la liquidez. En el caso de economías pequeñas, Kašparovská et al. (2016) evidenciaron el impacto del tipo de cambio CZK/EUR sobre los activos líquidos del sistema bancario checo, encontrando que las variaciones cambiarias afectan significativamente el nivel de liquidez de los bancos. De manera similar, en el contexto iraní, Keshtgar et al. (2020) sostienen que la volatilidad del tipo de cambio reduce la liquidez bancaria al ampliar la brecha financiera y aumentar el riesgo de crédito, reduciendo su capacidad de respuesta financiera.

El impacto de la inflación sobre la liquidez bancaria es condicionado por factores estructurales del sistema financiero. Ghossoub (2023) sostiene que cuando la inflación se mantiene en niveles bajos favorece tanto el crecimiento económico como una adecuada disponibilidad de liquidez en el sistema bancario. No obstante, al superar cierto umbral, la inflación afecta negativamente la liquidez, afectando la capacidad del sistema financiero para sostener sus objetivos de rentabilidad y solvencia (Ben, & Marzouk, 2023). Una alta inflación deteriora la estabilidad financiera bancaria y aumenta el riesgo crediticio; caso contrario, mayor liquidez, buena capitalización y estabilidad institucional mitigan tal efecto negativo (Awdeh et al., 2024).

Referente a las tasas de interés, la reciente crisis bancaria de 2023 en EE. UU. muestra que el riesgo por tasas de interés afectó negativamente la liquidez bancaria. Seay y Shawn (2024) refieren que bancos como SVB, Signature y FRC mantenían activos líquidos de baja utilidad frente a pasivos exigibles y su alta exposición al riesgo de tasas deterioró su capacidad de respuesta ante retiros masivos. Por consiguiente, una mala gestión del riesgo de interés compromete severamente la liquidez en contextos de tensión financiera.

La reforma de liberalización de tasas de interés incrementa significativamente el riesgo de liquidez bancaria. Además, el impacto varía según el tipo de banco (estatales vs. privados), mientras que el tamaño de la entidad no resulta determinante (Li, 2023). Los shocks en las tasas de interés tienen un impacto mixto sobre la creación de liquidez: primero reducen la liquidez por pérdidas inmediatas, pero luego impulsan su creación a mediano plazo. Dicho enfoque evidencia que el efecto de las tasas sobre la liquidez no es unívocamente negativo, sino condicionado por el tipo de banco y el horizonte temporal (Kick, 2022).

El modelo propuesto se fundamenta en estudios previos que establecieron el impacto de los determinantes macroeconómicos sobre la liquidez bancaria. Específicamente, Radovanov et al. (2023) evidenciaron que los determinantes macroeconómicos inciden significativamente sobre la liquidez bancaria en países del estado balcánico, ya que utilizaron un modelo de regresión con datos de panel para analizar variables como el crecimiento económico (GDP Growth), la inflación (CPI) y la tasa de interés real, que inciden en la liquidez bancaria, medida a través del ratio de reservas líquidas sobre activos totales.

Desde esta perspectiva, constituye una referencia clave para comprender el impacto de factores macroeconómicos en la liquidez bancaria, enfatizando el rol del crecimiento económico, la inflación y las tasas de interés. A partir de esta premisa, se amplió el análisis econométrico incorporando variables como el tipo de cambio y la inversión extranjera directa (IED), resultando especialmente relevante en economías emergentes y financieramente abiertas que toman decisiones estratégicas en materia de política financiera, gestión bancaria e inversión.

Umar et al., (2021) sostienen que la creación de liquidez bancaria impacta directamente en el producto económico, a través de distintos canales de la demanda agregada como el consumo, la inversión, el gasto gubernamental y las exportaciones netas, propiciando un impulso a las entidades bancarias —especialmente a las de menor tamaño— a intensificar sus operaciones de generación de liquidez para atender la mayor demanda de financiamiento y, por tanto, generar estímulos en CR=(Activo corriente/Pasivo corriente) para garantizar óptimos indicadores de QR=(Activo corriente - Inventarios/Pasivo corriente) y, finalmente, WC=(Activo corriente - Pasivo corriente), en donde:

CR: Current ratio (o razón corriente)

QR: Quick ratio (o prueba ácida)

WC: Working capital (o capital de trabajo), indicador que representa una ventaja competitiva cuando se gestiona de manera agresiva, al permitir la liberación de flujos de caja importantes. Además, se relaciona con la asignación eficiente de recursos al permitir ajustar los desfases temporales entre entradas y salidas de efectivo, garantizando mayores retornos para los stakeholders (Boisjoly et al., 2020).

CR es importante para las entidades financieras que buscan atender con oportunidad sus obligaciones de corto plazo, tanto financieras como operativas. Zaharum et al. (2022) refieren que su rol es evaluar la necesidad de fondos y garantizar la disponibilidad de efectivo o colaterales suficientes, evitando tensiones de liquidez que comprometan el funcionamiento regular de la organización.

El objetivo de la investigación es explicar el comportamiento de la liquidez de las empresas bancarias peruanas en relación con el impacto de las variables macroeconómicas del país durante el período 2003-2024.

El análisis de valoración macroeconómica permite examinar cómo las condiciones agregadas de la economía —como el crecimiento del PBI, la inflación, el tipo de cambio, la tasa de interés y la inversión extranjera directa— impactan en la capacidad de las entidades bancarias para mantener niveles adecuados de liquidez. Un entorno de crecimiento económico sostenido, junto con una inflación y tasas de interés estables favorecen la intermediación financiera, facilitando la movilización de depósitos y el acceso a financiamiento. Por el contrario, escenarios con inflación elevada y tasas de interés restrictivas deterioran las condiciones de fondeo y encarecen el acceso a liquidez, ocasionando tensiones en el sistema bancario. Esto resulta útil para identificar shocks macroeconómicos que afectan la liquidez de las empresas bancarias, especialmente en economías emergentes con estructuras financieras vulnerables (Zhang et al., 2020).

Desempeño de liquidez bancaria = f(variables macroeconómicas valoradas integralmente)

El modelo teórico se representa mediante la siguiente expresión:

LQ_BANKSt = f(TC, TI, IN, IED, CE)

En donde, LQ_BANKSt representa la serie de tiempo de la liquidez de empresas bancarias en el Perú; TC es el tipo de cambio promedio entre la moneda sol y el dólar estadounidense, TI es la tasa de interés interbancaria en términos nominales, IN es la inflación promedio, IED es la inversión extranjera directa y CE es el crecimiento económico medido por los valores del PBI.

La hipótesis planteada para la presente investigación consiste en explicar el impacto de las variables macroeconómicas en el comportamiento de la liquidez de empresas bancarias en el Perú durante el periodo 2003-2024.

Considerando este planteamiento, conocer el impacto de las variables macroeconómicas sobre la liquidez bancaria resulta fundamental para los responsables de la política financiera, que diseñan estrategias de estabilidad y regulación, como para los propios bancos, que buscan gestionar eficientemente sus activos líquidos para asegurar su capacidad de respuesta ante cambios del entorno económico.

MATERIAL Y MÉTODOS

El estudio se desarrolló bajo un enfoque cuantitativo, de tipo aplicado, con un diseño no experimental y de corte longitudinal. Se emplearon datos del contexto macroeconómico peruano con el objetivo de visualizar el comportamiento de las variables a lo largo del tiempo y sustentar empíricamente los resultados obtenidos. Los datos se obtuvieron del Banco Central de Reserva del Perú (BCRP) y se adecuaron de la siguiente manera:

Los datos registrados en la liquidez de las empresas bancarias del Perú se expresaron en porcentajes y reflejan su comportamiento anual durante el periodo 2003-2024.

Los datos del tipo de cambio se expresaron como el promedio del período. Refleja el comportamiento de la moneda nacional (S/) respecto a la divisa dólar estadounidense (US$).

Los datos de la tasa de interés interbancaria nominal en moneda nacional (MN) fueron reportados en términos efectivos y expresados como promedios anuales, según información publicada por el Banco Central de Reserva del Perú (BCRP).

Los datos de inflación se representaron mediante índices de promedio anual, expresados como variaciones porcentuales respecto al año anterior.

Los datos de la inversión extranjera directa (IED) se expresaron mediante variaciones porcentuales anuales, reflejando su comportamiento en cada año del período analizado.

Los datos sobre el crecimiento económico se midieron a través del Producto Bruto Interno (PBI), expresado en variaciones porcentuales reales anuales para el periodo 2003-2024.

Con la base de datos histórica del periodo 2003-2024, se procedió al procesamiento de la información para la construcción y validación del modelo de regresión multivariante, expresado en la siguiente ecuación:

LQ_BANKSt = β0+ β1TCt+ β2TIt+ β3INt+ β4IEDt+ β5CEt+εt

En donde:

LQ_BANKSt: liquidez de las empresas bancarias del Perú, expresado en porcentaje

TCt: tipo de cambio promedio en moneda sol (S/) respecto al dólar estadounidense (US$)

TIt: tasa de interés interbancaria nominal, expresado en porcentaje

INt: inflación

IEDt: inversión extranjera directa (IED), expresado en porcentaje

CEt: crecimiento económico del Perú

β0: término constante.

RESULTADOS

El sistema bancario cumple una función esencial en la asignación eficiente de recursos para garantizar estabilidad financiera a largo plazo. Asimismo, la liquidez refleja la solidez interna del sistema frente a los desafíos del entorno económico del Perú.

En la figura 1, se observan los cambios de la liquidez de las empresas bancarias del Perú, expresadas en términos porcentuales a lo largo del periodo, la serie evidencia un comportamiento altamente volátil de la liquidez bancaria a través de los años, con caídas pronunciadas en los años 2006 y 2009, y picos significativos en 2008 y 2020, seguidos de descensos abruptos.

Las fluctuaciones reflejan periodos de estrés financiero asociados a crisis externas y ajustes en la política monetaria internacional, incluyendo el impacto de la pandemia COVID-19. A partir del año 2015, las variaciones mostraron una menor intensidad en sus oscilaciones, siendo indicador de una mayor estabilidad regulatoria y entorno macroeconómico más controlado.

Figura 1

Evolución histórica de la liquidez bancaria en el Perú (2003-2024)

Nota. Banco Central de Reserva del Perú

Los resultados descriptivos de las variables macroeconómicas incluidas en el modelo se presentan en la figura 2. Se visualiza el comportamiento anual de las variaciones porcentuales de la liquidez bancaria (LIQ), el tipo de cambio (TC), la tasa de interés (TI), la inflación (IN), la inversión extranjera directa (IED) y el crecimiento económico (CE); evidenciando fluctuaciones significativas durante el periodo analizado.

A partir de la información observada, se visualiza que algunas variables mostraron patrones cíclicos que inciden en la dinámica de la liquidez bancaria. La fuerte caída del crecimiento económico en 2020 coincide con un aumento abrupto de la inflación en los años siguientes, mientras que la tasa de interés experimentó incrementos relevantes como respuesta a estos desequilibrios. Dichas tendencias fueron consideradas en el análisis econométrico posterior, con la finalidad de medir su incidencia en la liquidez del sistema bancario peruano.

Figura 2

Comportamiento de las variables explicativas del modelo (2003-2024)

Nota. Banco Central de Reserva del Perú

Con el propósito de uniformizar el tratamiento estadístico de las series y fortalecer la consistencia del análisis econométrico, se transformaron los valores porcentuales en logaritmos naturales. De esta manera, se facilita la interpretación de los coeficientes en términos relativos y resulta especialmente adecuada en modelos que analizan la incidencia de variables macroeconómicas.

Para la construcción del modelo, se organizaron los datos correspondientes a las variables seleccionadas durante el periodo 2003-2024, siendo presentadas en la tabla 1.

Tabla 1

Liquidez de las empresas bancarias y variables macroeconómicas del Perú, expresadas en logaritmos naturales

AÑO

LQ_BANKS(LN)

TC(LN)

TI%(LN)

IN%(LN)

IED(LN)

CE(LN)

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024

10.6586

10.6685

10.8557

10.9356

11.1260

11.3990

11.4334

11.6420

11.7196

11.8155

12.0088

12.0367

12.2105

12.2134

12.2953

12.3417

12.4368

12.6882

12.6655

12.6572

12.6808

12.7904

1.2466

1.2276

1.1927

1.1860

1.1405

1.0732

1.1024

1.0385

1.0131

0.9699

0.9940

1.0432

1.1583

1.2164

1.1819

1.1899

1.2051

1.2513

1.3560

1.3442

1.3201

1.3228

0.9203

1.0986

1.2060

1.5063

1.6074

1.8772

0.2170

1.0916

1.4451

1.4455

1.4082

1.3338

1.3257

1.4757

1.1807

1.0132c

0.8110

-1.4802

0.8118

2.0087

1.9254

1.5986

0.8159

1.2979

0.4810

0.6938

0.5759

1.7558

1.0768

0.4250

1.2148

1.2962

1.0317

1.1774

1.2663

1.2790

1.0310

0.2751

0.7589

0.6028

1.3810

2.0640

1.8349

0.8547

9.5643

9.5538

9.5329

9.6346

9.6601

9.7782

9.8783

9.9708

10.0051

10.0362

10.0935

10.1139

10.1789

10.2001

10.2068

10.2552

10.2822

10.2981

10.3207

10.3178

10.3194

10.3209

12.4114

12.4598

12.5208

12.5934

12.6751

12.7625

12.7734

12.8534

12.9147

12.9743

13.0312

13.0547

13.0867

13.1255

13.1504

13.1893

13.2115

13.0956

13.2211

13.2488

13.2448

13.2775

Nota. Banco Central de Reserva del Perú

Procesada la información estadística correspondiente a las variables macroeconómicas presentadas en la tabla 1, se obtuvieron los estadísticos descriptivos que se detallan en la tabla 2. De acuerdo con los resultados, se planteó el modelo econométrico que busca explicar el comportamiento de la liquidez bancaria en el Perú, durante el periodo 2003-2024.

Dado el enfoque de estudio, se optó por aplicar un modelo de regresión multivariante para estimar el impacto simultáneo de las variables explicativas en la liquidez de las empresas bancarias. Resulta adecuada para analizar datos cuantitativos, siempre que se cumplan los supuestos de normalidad de residuos, homocedasticidad y no autocorrelación. De esta manera, se calculan estimaciones veraces y no sesgadas, garantizando la validez del análisis inferencial y la fiabilidad del modelo propuesto.

Tabla 2

Modelo explicativo de la liquidez de empresas bancarias del Perú

Dependent Variable: LQ_BANKS_LN

Method: Least Squares

Sample: 2003 2024

Included observations: 22

Variable

Coefficient

Std. Error

t-Statistic

Prob.

TC_LN

TI_LN

IN_LN

IED_LN

CE_LN

R-squared

Adjusted R-squared

S.E. of regression

Sum squared resid

Log likelihood

F-statistic

Prob(F-statistic)

-18,63201

0,476774

-0,103577

0,054515

0,423318

1,990184

0,990293

0,987260

0,079001

0,099859

28,12882

326,4739

0,000000

1,919627 -9,706058

0,158994 2,998690

0,042911 -2,413744

0,047438 1,149188

0,598271 0,707568

0,600760 3,312779

Mean dependent var

S.D. dependent var

Akaike info criterion

Schwarz criterion

Hannan-Quinn criter.

Durbin-Watson stat

0,0000

0,0085

0,0281

0,2674

0,4894

0,0044

11,87633

0,699923

-2,011711

-1,714154

-1,941616

1,989341

Nota. Banco Central de Reserva del Perú

En la tabla 2, se obtuvo el modelo explicativo que representa el comportamiento de la liquidez bancaria en función de los factores macroeconómicos analizados. A continuación, se presenta el modelo estimado:

Modelo (1)

LQ_BANKSt = -18,6320+0,4767*TCt -0,1035*TIt+0,0545*INt+0,4233*IEDt+1,9901CEt+εt

El análisis de los coeficientes del modelo econométrico evidencia que el crecimiento económico (CE), representado por las variaciones porcentuales del PBI, ejerce un impacto positivo de primer orden en la liquidez bancaria, con un coeficiente estimado de 1,9901. En segundo orden, el tipo de cambio (TC) muestra un efecto positivo, con un coeficiente de 0,4767, seguido por la inversión extranjera directa (IED), cuyo impacto positivo se refleja en un coeficiente de 0,4233.

Por otro lado, la inflación (IN) presenta un efecto positivo más moderado, con un coeficiente de 0,0545. Finalmente, la tasa de interés (TI) evidencia una implicancia negativa sobre la liquidez bancaria.

El coeficiente de determinación ajustado (R²) de 0,9872, indica un alto grado de ajuste del modelo respecto a las variables macroeconómicas consideradas. La validez estadística se respalda en los valores obtenidos por los estadísticos F y T, así como por los niveles de significancia dentro del intervalo de confianza del 95 %.

Con el fin de verificar el cumplimiento del supuesto de normalidad de los residuos del modelo de regresión multivariante, se aplicó la prueba de Jarque-Bera sobre las series transformadas.

Figura 3

Test de Jarque-Bera al modelo explicativo

Nota. Banco Central de Reserva del Perú

En la figura 3, se aprecia el resultado obtenido en la prueba de Jarque-Bera, cuyo valor estadístico fue de 0,91004 y su probabilidad de 0,6344, los valores conducen a la aceptación de la hipótesis nula, confirmando que los residuos siguen una distribución normal.

El cumplimiento de supuesto resulta favorable para el modelo de regresión multivariante, confirmando el cumplimiento del supuesto de distribución normal de los residuos. Tal condición es fundamental para garantizar la validez de inferencias estadísticas que afianzan la confiabilidad del análisis econométrico aplicado al comportamiento de la liquidez bancaria en el Perú.

Tabla 3

Test de White para el modelo explicativo

Heteroskedasticity Test: White

F-statistic

Obs*R-squared

Scaled explained SS

3,44146

20,46825

5,442240

Prob. F(17,4)

Prob. Chi-Square(17)

0,380

0,2510

0,9962

Nota. Banco Central de Reserva del Perú

En la tabla 3, se aplicó el Test de White para detectar la presencia de heterocedasticidad en el modelo, siendo una prueba robusta diseñada para aportar resultados fiables. En consecuencia, el valor probabilístico fue de 0,1380 que supera el nivel crítico convencional (>0,05), permitiendo aceptar la hipótesis nula de homocedasticidad.

La varianza de los errores permanece constante a lo largo del tiempo, cumpliéndose así uno de los supuestos fundamentales del modelo de regresión multivariante, aportando mayor fiabilidad y validez al modelo explicativo.

Para verificar el supuesto de no autocorrelación de los errores, se aplicó el test de Breusch-Godfrey, con la finalidad de evaluar si existe dependencia serial en los residuos del modelo explicativo.

Tabla 4

Test de Breusch-Godfrey para el modelo explicativo

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

Obs*R-squared

0,165598

0,508424

Prob. F(2,14)

Prob. Chi-Square(2)

0,8490

0,7755

Nota. Banco Central de Reserva del Perú

En la tabla 4, se presenta la aplicación del test de Breusch-Godfrey con dos rezagos, con la finalidad de detectar la presencia de autocorrelación en los residuos del modelo explicativo. Se obtuvo un valor probabilístico de 0,8490, siendo superior al nivel crítico convencional (>0,05); entonces, se acepta la hipótesis nula de no autocorrelación entre los residuos del modelo.

Por lo tanto, los residuos del modelo no presentan dependencia y cumplen los supuestos fundamentales del modelo de regresión multivariante, reforzando la validez de la ecuación en la consistencia de las estimaciones obtenidas.

Los resultados del modelo (1) afirman que el entorno macroeconómico sí produce un impacto en la liquidez de empresas bancarias en el Perú. En este sentido, se confirman los postulados del análisis de valoración macroeconómica (Zhang et al., 2020), demostrando que el crecimiento económico (CE), el tipo de cambio (TC), la inversión extranjera directa (IED) y la inflación (IN) impactan positivamente en la liquidez de las empresas bancarias del Perú. Por el contrario, la tasa de interés (TI) evidenció un efecto inverso, conservando el supuesto central de la investigación respecto al impacto diferenciado de los factores macroeconómicos en el sistema financiero nacional.

DISCUSIÓN

De acuerdo con los coeficientes estimados y el cumplimiento de los supuestos del modelo de regresión multivariante, se confirma que el crecimiento económico (CE), el tipo de cambio (TC), la inversión extranjera directa (IED) y la inflación (IN) ejercen un efecto positivo sobre la liquidez de las empresas bancarias del Perú, mientras que la tasa de interés (TI) muestra un efecto inverso.

Los resultados relacionados con el crecimiento económico coinciden con las investigaciones de Fidrmuc et al. (2015), Beck et al. (2023) y Radovanov et al. (2023), sosteniendo que en contextos de expansión económica los bancos aumentan su capacidad de generar liquidez sin comprometer su solvencia.

Los estudios de Becker et al. (2024), Keshtgar et al. (2020) y Kašparovská et al. (2016) determinan que las variaciones del tipo de cambio reportan efectos negativos en economías expuestas a pasivos en moneda extranjera. En el caso peruano, esta diferencia se atribuye a un entorno cambiario más estable.

La inversión extranjera directa (IED) coincide con Zheng y Luk (2019) y Nilsson et al. (2017), quienes afirman que mayores flujos de IED fortalecen la base de depósitos y mejoran la capacidad de financiamiento de los bancos. Mientras que la inflación mostró un impacto positivo moderado, coincidiendo parcialmente con los resultados de Ghossoub (2023), quien determina que niveles bajos de inflación favorecen la liquidez. Sin embargo, los resultados de Ben y Marzouk (2023) y Awdeh et al. (2024) predicen efectos negativos cuando se supera cierto umbral inflacionario.

Finalmente, los estudios de Seay y Shawn (2024), Li (2023) y Kick (2022) sostienen que la tasa de interés presenta un efecto negativo, bajo la premisa que las tasas elevadas deterioran la liquidez, especialmente en escenarios de tensión financiera.

CONCLUSIONES

La liquidez bancaria en el Perú responde a diversos factores macroeconómicos, siendo el crecimiento económico la variable con mayor impacto positivo, seguido del tipo de cambio, la inversión extranjera directa y la inflación, que mostraron efectos favorables. En contraste, la tasa de interés evidenció una incidencia negativa sobre la disponibilidad de liquidez en el sistema bancario.

Los resultados se alinean con investigaciones previas en economías emergentes, reafirmando la importancia de mantener un entorno macroeconómico estable como condición necesaria para preservar la solidez del sistema financiero. La consistencia del modelo econométrico se sustenta en un elevado coeficiente de determinación ajustado y el cumplimiento de los supuestos estadísticos, respaldando la fiabilidad de los resultados proyectados.

En consecuencia, el diseño de una política económica eficaz considera el comportamiento del crecimiento económico, evolución del tipo de cambio, flujos de capital extranjero y el control de la inflación. Tales condiciones fortalecen la liquidez bancaria y contribuyen a la estabilidad financiera del país.

CONTRIBUCIÓN DE LOS AUTORES

Piero Gabriel Mendoza Velarde: Conceptualización, curación de datos, análisis formal, adquisición de fondos, investigación, metodología, administración del proyecto, recursos, software, supervisión, validación, visualización, redacción: borrador original y redacción: revisión y edición.

FUENTE DE FINANCIAMIENTO

Se utilizaron recursos propios para el financiamiento del estudio.

CONFLICTO DE INTERESES

Los autores expresan que no existe conflicto de intereses.

PROCESO DE REVISIÓN

Este estudio ha sido revisado por pares externos en la modalidad de doble ciego.

DECLARACIÓN DE DISPONIBILIDAD DE DATOS

Los datos se encuentran alojados junto a los demás archivos de este artículo, también se pueden pedir al autor de correspondencia.

REFERENCIAS

Almeshari, A., Yahya, M. H., Kamarudin, F. B., & Abd Hamid, S. (2023). LiquidiCreation and Economic Growth: Are They Monotonically Related? Evidence from MENA Countries. Economies, MDPI Vol. 11(1), 1-19. doi:https://doi.org/10.3390/economies11010024

Awdeh, A., El Moussawi, C., & Hamadi, H. (2024). The impact of inflation on bank stability: evidence from the MENA banks. International Journal of Islamic and Middle Eastern Finance and Management, 17(2), 379-399. doi:https://doi.org/10.1108/IMEFM-10-2023-0388

Beck, T., Döttling, R., Lambert, T., & Van Dijk, M. (2023). Liquidity creation, investment, and growth. Journal of Economic Growth, 297-336. doi:https://doi.org/10.1007/s10887-022-09217-1

Becker, J., Li, X., Schmeling, M., & Schrimpf, A. (2024). Global Bank Lending and Exchange Rates. SSRN, 1-69. doi:http://dx.doi.org/10.2139/ssrn.4654695

Ben Moussa, M. A., & Marzouk, H. (2023). The Impact of Inflation on Bank Liquidity: Case of Tunisia. International Peer-Reviewed Journal, 38-49. doi:10.56201/ijbfr.v9.no1.2023.pg38.49

Berger, A. N., & Bouwman, C. H. (2017). Bank liquidity creation, monetary policy, and financial crises. Journal of Financial Stability, 139-155. doi:https://doi.org/10.1016/j.jfs.2017.05.001

Boisjoly, R. P., Conine Jr, T. E., & McDonald IV, M. B. (2020). Working capital management: Financial and valuation impacts. Journal of Business Research, 108, 1-8. doi:https://doi.org/10.1016/j.jbusres.2019.09.025

Büyükbaşaran, T., Karasoy Can, G., & Küçük, H. (2022). Macroeconomic effects of bank lending in an emerging economy: Evidence from Turkey. Economic Modelling. doi:https://doi.org/10.1016/j.econmod.2022.105946

Chen, W. D., Chen, Y., & Huang, S. C. (2021). Liquidity risk and bank performance during financial crises. Journal of Financial Stability, 56. doi:https://doi.org/10.1016/j.jfs.2021.100906

Fan, Y., Jiang, Y., & Ly, K. C. (2022). Do banks adjust their liquidity to cope with environmental variation? A study of bank deregulation. Journal of International Financial Markets, Institutions and Money, 76. doi:https://doi.org/10.1016/j.intfin.2021.101485

Fidrmuc, J., Fungáčová, Z., & Weill, L. (2015). Does Bank Liquidity Creation Contribute to Economic Growth? Evidence from Russia. Open Economies Review 26, 479-496. doi:https://doi.org/10.1007/s11079-015-9352-1

Gertler, M., Kiyotaki, N., & Queralto, A. (2012). Financial crises, bank risk exposure and government financial policy. Journal of Monetary Economics, S17-S34. doi:https://doi.org/10.1016/j.jmoneco.2012.11.007

Ghossoub, E. A. (2023). Economic growth, inflation, and banking sector competition. Economic Modelling, 106528. doi:https://doi.org/10.1016/j.econmod.2023.106528

Habib, A., Khan, M. A., & Meyer, N. (2022). The Effect of Bank Liquidity on Bank’s Stability in the Presence of Managerial Optimism. Journal of Asian Finance, Economics and Business, 9(8), 183-196. doi:https://doi.org/10.13106/jafeb.2022.vol9.no8.0183

Kašparovská, V., Laštůvková, J., & Střelec, L. (2016). Is the exchange rate a factor of bank liquidity changes? Study of the Czech Republic. Society and Economy, 359-374. doi:https://doi.org/10.1556/204.2016.38.3.5

Keshtgar, N., Pahlavani, M., & Mirjalili, S. H. (2020). The Impact of Exchange Rate volatility on Banking Performance (case of Iran). International Journal of Business and Development Studies, 39-56. doi:https://doi.org/10.22111/ijbds.2020.5436

Kick, T. (2022). Interest rate shocks, competition and bank liquidity creation. Financial Markets and Portfolio Management, 409-441. doi:https://doi.org/10.1007/s11408-022-00406-x

Kim, D. (2023). International effects of quantitative easing and foreign exchange intervention. Journal of International Economics, 145, 1-55. doi:https://doi.org/10.1016/j.jinteco.2023.103815

Li, J. (2023). The impact of interest rate liberalization on the liquidity risk of commercial banks. BCP Business & Management 46, 247-259. doi:https://doi.org/10.54691/bcpbm.v46i.5103

Liu, Z., Yin, X., Tu, H., & Zhang, C. (2025). Bank competition and resilience to liquidity shocks. International Review of Economics & Finance, 102, 1-22. doi:https://doi.org/10.1016/j.iref.2025.104210

Lu, D., Liu, J., & Zhou, H. (2022). Global financial conditions, capital flows and the exchange rate regime in emerging market economies. Journal of International Financial Markets, Institutions and Money. doi:https://doi.org/10.1016/j.intfin.2021.101500

Martínez Malvar, M., & Baselga Pascual, L. (2020). Bank Risk Determinants in Latin America. SSRN, 1-36. doi:http://dx.doi.org/10.2139/ssrn.3606491

Nilsson, B., Suardi, S., & Mingfa, D. (2017). Foreign Institutional Investment, Ownership, and Liquidity: Real and Informational Frictions. The Financial Review, 101-144. doi:https://doi.org/10.1111/fire.12126

Pozo, J., & Rojas, Y. (2023). Bank competition and credit risk: The case of Peru. Journal of Financial Stability, 66. doi:https://doi.org/10.1016/j.jfs.2023.101119

Quispe Mamani, J. C., Flores Turpo, G. A., Velásquez Velásquez, W. L., Quispe Lino, C. N., Choque Alanoca, D. S., & Huarcaya Yana, E. R. (2022). Efecto del riesgo de liquidez en el costo de financiamiento del sistema financiero en el Perú, periodo 2015-2020. Religación, 7(31), 1-22. doi:https://doi.org/10.46652/rgn.v7i31.888

Radovanov, B., Milenkovic, N., Kalaš, B., & Horvat, A. M. (2023). Do the Same Determinants Affect Banks’ Profitability and Liquidity? Evidence from West Balkan Countries Using a Panel Data Regression Analysis. Mathematics 11(19), 1-20. doi:https://doi.org/10.3390/math11194072

Seay, M. P., & Shawn, K. M. (2024). The interaction of bank leverage, interest rate risk, and runnable funding. Board of Governors of the Federal Reserve System. doi:https://doi.org/10.17016/2380-7172.3605

Sifat, I., Zarei, A., Hosseini, S., & Bouri, E. (2022). Interbank liquidity risk transmission to large emerging markets in crisis periods. International Review of Financial Analysis, 82, 1-19. doi:https://doi.org/10.1016/j.irfa.2022.102200

Sundaresan, S., & Xiao, K. (2024). Liquidity regulation and banks: Theory and evidence. Journal of Financial Economics, 103747. doi:https://doi.org/10.1016/j.jfineco.2023.103747

Umar, M., Sial, M. S., & Xu, Y. (2021). What Are The Channels Through Which Bank Liquidity Creation Affects GDP? Evidence From an Emerging Country. SAGE Open Vol. 11(2), 1-11. doi:https://doi.org/10.1177/21582440211022325

Wang, L., Li, S., Fa, Z., & Wang, Y. (2025). Enhancing bank liquidity creation through digital innovation: Exploring the impact of macroprudential policy sentiments. Emerging Markets Review, 66. doi:https://doi.org/10.1016/j.ememar.2025.101275

Winpor, B. A., & Hidayat, A. (2025). The Effect of Interest Rates, Exchange Rates, and Foreign Direct Investment on Financial Stability in Indonesia. Argumenta Oeconomica Cracoviensia, 49-72. doi:https://doi.org/10.15678/AOC.2024.2603

Zaharum, Z., Latif, R. A., Md. Isa, M. A., & Hanafi, M. H. (2022). The Influence of Liquidity Management on Banks’ Profitability. International Journal of Academic Research in Business and Social Sciences, 12(6), 820-829.

Zhang, J., He, L., & An, Y. (2020). Measuring banks’ liquidity risk: An option-pricing approach. Journal of Banking & Finance, 111. doi:https://doi.org/10.1016/j.jbankfin.2019.105703

Zheng, T., & Luk, P. (2019). Foreign Direct Investment and Debt Financing in Emerging Economies. Journal of Money, Credit and Banking, 863-905. doi:https://doi.org/10.1111/jmcb.12612

Ҫolak, G., & Öztekin, Ö. (2021). The impact of COVID-19 pandemic on bank lending around the world. Journal of Banking & Finance, 133, 1-53. doi:https://doi.org/10.1016/j.jbankfin.2021.106207