K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
149
DETERMINANTES FINANCIEROS DE LA RENTABILIDAD DE LA BANCA PRIVADA
ECUATORIANA
FINANCIAL DETERMINANTS OF THE PROFITABILITY OF ECUADORIAN PRIVATE
BANKING
Katherine Steffania Alvear-Guzman
Universidad Agraria del Ecuador.
Katherine.alvear.guzman@uagraria.edu.ec.
Katherine Steffania Alvear-Guzman: https://orcid.org/0009-0008-8683-9793
Recibido: 21-abr-2026 Aceptado: 22-may-2026
Códigos Clasificación JEL: G21, G32, C32
Resumen
La presente investigación tiene como objetivo determinar los indicadores financieros que
inciden en la rentabilidad de la banca privada ecuatoriana durante el período 2003–2025. Se
analizaron variables como ROA, cartera de crédito, morosidad, liquidez y eficiencia operativa
mediante un enfoque cuantitativo no experimental basado en un modelo VAR, pruebas de causalidad
de Granger, funciones impulso–respuesta y descomposición de varianza. Los resultados evidencian
ausencia de relaciones causales individuales robustas; sin embargo, las variables presentan
significancia conjunta, sugiriendo una incidencia sistémica sobre la rentabilidad bancaria. La
variabilidad del ROA se explica principalmente por su propia dinámica, seguida por la eficiencia
operativa y la morosidad. El estudio aporta evidencia empírica para una economía dolarizada y un
sistema financiero emergente como el ecuatoriano.
Palabras clave: ROA, VAR, cartera de crédito, morosidad, banca ecuatoriana.
Abstract
The objective of this study is to determine the financial indicators that influence the
profitability of Ecuador’s private banking sector during the 2003–2025 period. Variables such as
ROA, loan portfolio, delinquency, liquidity, and operational efficiency were analyzed using a non-
experimental quantitative approach based on a VAR model, Granger causality tests, impulse-
response functions, and variance decomposition. The results show no robust individual causal
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
150
relationships; however, the variables are statistically significant when considered jointly, suggesting
a systemic impact on bank profitability. The variability in ROA is explained primarily by its own
dynamics, followed by operational efficiency and delinquency. The study provides empirical
evidence for a dollarized economy and an emerging financial system such as Ecuador’s.
Keywords: ROA, VAR, loan portfolio, non-performing loans, Ecuadorian banking.
INTRODUCCIÓN
Los bancos privados representan el componente principal de la economía, dado que, en el
rubro financiero, son los negocios con más antigüedad, mayor cuota de mercado y con un impacto
directo en el ámbito socioeconómico (Jigeer & Koroleva, 2023). El sector bancario se mantiene como
eje central de la movilización de capitales, colocación de créditos, creación de ahorros y pilar del
crecimiento económico, mediante la transferencia del superávit de los capitales de los accionistas
hacia unidades con déficit de manera que estimulan la inversión y el desarrollo de la economía
(Siddique et al., 2022).
No obstante, este proceso deja expuestos a los bancos a múltiples riesgos, principalmente
asociados a créditos, morosidad y liquidez, los cuales pueden afectar de manera directa la estabilidad
y rentabilidad de las operaciones (Abusharbeh, 2022; Sharma et al., 2024). A pesar de que los bancos
trabajan facilitando el flujo de capitales, crecimiento económico, creación de empleo y maximización
del patrimonio de los accionistas, su desempeño se encuentra constantemente amenazado por la
exposición al riesgo, la situación política, la gobernanza corporativa y supervisión gerencial (Alfadli
& Rjoub, 2020; Awijen et al., 2023; Naili & Lahrichi, 2022). Por lo tanto, uno de los principales
factores a tener en cuenta y monitorear son los indicadores financieros internos para evitar pérdidas
que desestabilicen la economía (Syed & Aidyngul, 2022).
En economías emergentes, los riesgos son mayores. Estos incluyen riesgos de crédito,
liquidez, operativos, tipo de interés, apalancamiento, y si cabe, tipo de cambio (Demir & Danisman,
2021). Como los riesgos son propios del flujo operativo bancario, gestionarlos de manera eficiente
es esencial para prevenir crisis (Alves et al., 2023). En este sentido, la literatura empírica indica que
débiles prácticas en la gestión de riesgos en los indicadores financieros, resultan en un mal
desempeño bancario y, en casos más severos, el fracaso institucional (Abusharbeh, 2022; Sharma
et al., 2024).
Para el caso ecuatoriano, existe un antes y un después en el sector bancario. A finales de la
década de los 90, casi el 70 % de las entidades financieras quebraron, como resultado de la crisis
comúnmente conocida como “feriado bancario”, misma que resultó en una dolarización de la
economía del país. La quiebra generalizada de entidades bancarias se dio, precisamente, por la falta
de control por parte de la superintendencia de Bancos, a la colocación de créditos (Mendoza, 2002).
Debido a esto se tomaron medidas sobre la eficiencia administrativa, como un aumento de controles,
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
151
sin embargo, para los años 2000 a 2023, aún se percibía la administración del sector bancario como
ineficiente (Buenaño, 2004).
Luego de varios años de reformas regulatorias orientadas a fortalecer la supervisión y
eficiencia del sistema financiero, la evidencia sugiere que el sistema bancario ecuatoriano ha
mostrado una capacidad significativa de resiliencia frente a shocks internos y macroeconómicos. En
particular, estudios recientes destacan que la estabilidad bancaria en Ecuador está estrechamente
vinculada al fortalecimiento del marco normativo y a mejoras en la transparencia y gestión
institucional, lo que ha contribuido a consolidar la confianza del público en el sistema (Izaguirre
et al., 2025). En la misma línea, evaluaciones internacionales señalan que el sistema financiero
ecuatoriano ha demostrado, en términos generales, resiliencia ante perturbaciones financieras, a pesar
de la presencia de ciertas vulnerabilidades estructurales (IMF, 2023).
Con todo, la evidencia sobre la incidencia conjunta de los indicadores financieros en la
rentabilidad de la banca privada en economías dolarizadas de América Latina sigue siendo escasa.
La mayor parte de los estudios se concentra en economías con política monetaria propia, donde el
tipo de cambio opera como variable de ajuste, dejando sin atender el caso de sistemas financieros en
los que la ausencia de ese mecanismo condiciona de forma particular la gestión del riesgo y el
desempeño bancario (Vera-Gilces et al., 2020).
En consecuencia, la presente investigación tiene como objetivo determinar los indicadores
financieros que inciden en la rentabilidad de la banca privada ecuatoriana, utilizando información
mensual agregada para el período 2003–2025. La hipótesis del estudio plantea que los factores
propuestos como determinantes de la rentabilidad ejercen una incidencia significativa sobre dicha
variable. En particular: H1: el riesgo de crédito incide de forma negativa y significativa sobre la
rentabilidad; H2: el riesgo de liquidez presenta una relación negativa con la rentabilidad; H3: el
apalancamiento financiero incide de forma significativa sobre la rentabilidad; y H4: la eficiencia
operativa se asocia positivamente con el desempeño financiero de la banca privada ecuatoriana.
Fundamentación teórica
El análisis de la rentabilidad bancaria y sus determinantes, en el contexto analizado, se
relaciona particularmente con dos importantes teorías. La primera es la teoría de la intermediación
financiera, cuyo desarrollo moderno se atribuye a Diamond (1984), quien argumenta que los bancos
existen porque tienen ventaja comparativa en el monitoreo delegado de los prestatarios.
Al concentrar en una sola institución la tarea de evaluar y supervisar el riesgo crediticio, se
reducen los costos de información que, de otro modo, cada acreedor individual tendría que asumir.
Bajo este marco, la rentabilidad del banco depende directamente de su capacidad para gestionar el
riesgo de la cartera de crédito, mantener liquidez suficiente para responder a los depositantes y
controlar los costos operativos derivados de esa función de vigilancia.
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
152
En otras palabras, la rentabilidad no es un fin en sí mismo dentro de la teoría de
intermediación, sino el resultado de ejecutar con eficiencia la transferencia de recursos entre agentes
superavitarios y deficitarios, de manera que cualquier deterioro en los indicadores de riesgo crediticio
o liquidez se traduce, directamente, en una erosión del margen financiero del intermediario
(Athanasoglou et al., 2008).
La segunda vertiente teórica corresponde al paradigma estructura-conducta-desempeño
(ECD), que plantea que la rentabilidad bancaria no solo responde a variables internas de gestión, sino
también a la posición competitiva de la entidad dentro del mercado. Este enfoque, aplicado al sector
bancario por Athanasoglou et al. (2008), distingue tres grupos de determinantes de la rentabilidad,
los factores propios del banco, como el riesgo de crédito, la liquidez, la eficiencia operativa y el nivel
de capitalización; los factores sectoriales, concentración de mercado y grado de competencia, y las
variables macroeconómicas de crecimiento del producto, inflación y ciclo económico.
En mercados bancarios latinoamericanos, la evidencia empírica señala que los determinantes
de eficiencia interna explican una parte más significativa de las diferencias en rentabilidad que los
factores de estructura de mercado, lo que da mayor respaldo a la hipótesis de estructura eficiente que
a la versión clásica del paradigma ECD (Chortareas et al., 2011).
Este resultado tiene implicaciones directas para el caso ecuatoriano: en un sistema financiero
dolarizado, sin posibilidad de ajuste cambiario y con restricciones estructurales en el acceso a
liquidez de último recurso, los indicadores internos de gestión adquieren mayor peso relativo como
determinantes del desempeño bancario, dado que el margen de maniobra ante choques externos
descansa, en mayor medida, sobre la solidez de la cartera de crédito, los niveles de eficiencia
operativa y la estructura de capital de cada entidad (Vera-Gilces et al., 2020).
Factores internos como determinantes primarios de la rentabilidad
La evidencia empírica reciente confirma de manera consistente que las variables financieras
específicas de cada institución explican la mayor parte de la variabilidad en la rentabilidad bancaria,
medida habitualmente mediante el ROA y el ROE. En este sentido, Laporšek et al. (2025), a partir
de 3.076 bancos europeos con datos de panel para el período 2013-2018 y estimaciones GMM,
hallaron que una mayor adecuación de capital y la diversificación de ingresos se asocian
positivamente con la rentabilidad, mientras que el riesgo de crédito, la eficiencia de gestión deficiente
y el tamaño excesivo ejercen efectos negativos sobre todas las medidas de desempeño analizadas.
En línea con ello, Amaral (2024) identificó, para el sistema bancario de Portugal y España
entre 2014 y 2019, que el riesgo de crédito y la eficiencia operativa son los factores con mayor poder
explicativo negativo sobre la rentabilidad, en tanto que la solvencia, aproximada por el ratio de
capital, constituye su principal impulsor positivo.
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
153
En el contexto de economías emergentes, Mashamba y Chikutuma (2023) examinaron 11
bancos comerciales de Zimbabue mediante el estimador GMM sistémico para el período 2011-2020
y encontraron que los ingresos no financieros, la liquidez, la eficiencia de costos, la adecuación de
capital y la estabilidad bancaria inciden positiva y significativamente en la rentabilidad. Un resultado
que merece atención particular es que el capital regulatorio debilita el efecto de la estabilidad sobre
el desempeño, lo que sugiere que requerimientos de capital más estrictos podrían reducir los
incentivos de toma de riesgo y, con ello, el potencial de generación de utilidades.
En el mismo campo de estudio, Saeed y Donkoh (2026) corroboran este patrón para Ghana
y comprobaron que la suficiencia de capital y las tasas de interés promedio mejoran el desempeño
financiero, mientras que los préstamos morosos, los índices de eficiencia de costos y el ratio
préstamo-depósito operan en sentido contrario.
Riesgo crediticio, calidad de cartera y eficiencia operativa
La calidad de la cartera crediticia también se menciona como determinante en la literatura
sobre desempeño bancario, en su estudio Jigeer y Koroleva (2023) demostraron, para una muestra
de 16 bancos comerciales urbanos chinos con datos desequilibrados de 2008 a 2020, que la calidad
crediticia y la eficiencia operativa determinan de manera significativa la rentabilidad, mientras que
la liquidez no arroja efectos estadísticamente robustos en ese sistema. Este hallazgo contrasta con
Mashamba y Chikutum (2023), donde la liquidez sí resulta relevante, diferencia que pone de
manifiesto la sensibilidad contextual de estos determinantes.
Desde la perspectiva del riesgo crediticio, Yağlı y Topcu (2023) analizaron la banca turca
entre 2003 y 2018 con el estimador Augmented Mean Group, que permite heterogeneidad y
dependencia transversal, y establecieron que tanto los factores internos como los externos afectan el
riesgo de crédito, aunque su impacto varía sustancialmente según la estructura de propiedad de cada
banco. Esta heterogeneidad regulatoria tiene implicaciones directas para el diseño de marcos
prudenciales en sistemas con diversidad de modelos de negocio.
Adecuación de capital, tamaño bancario y concentración sectorial
El tamaño bancario y la estructura de capital constituyen variables cuya relación con la
rentabilidad no es lineal ni unívoca. Los autores Unver-Erbas y Yilmaz-Ozekenci (2024), en uno de
los estudios con mayor horizonte temporal en la literatura reciente de la banca turca 2005-2023,
emplearon el modelo CCEMG y el estimador AMG para concluir que, en el corto plazo, la
adecuación de capital y el tamaño del banco son determinantes significativos del ROA y el ROE,
aunque sus efectos a largo plazo resultan más acotados. El tamaño también figura en el estudio de
Jigeer y Koroleva (2023) como variable interna con impacto positivo en los bancos comerciales
urbanos chinos, hallazgo que contrasta con Laporšek et al. (2025), quienes documentan que el
tamaño excesivo deteriora la rentabilidad en el contexto europeo post-Basilea III.
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
154
En cuanto a la concentración sectorial, Mashamba et al. (2023) reportan una relación
negativa y significativa entre dicha variable y la rentabilidad bancaria en Zimbabue, resultado que
cuestiona las predicciones de la hipótesis de poder de mercado en contextos de alta concentración
con regulación débil. Adicionalmente, Magazzino et al. (2025) amplían esta discusión al incorporar
indicadores ESG como predictores de la adecuación de capital en 80 países, identificando que
métricas de gobernanza, en particular la producción científica y técnica del país, son los factores con
mayor capacidad predictiva sobre la resiliencia bancaria, lo que abre una línea metodológica con
implicaciones para sistemas regulatorios en desarrollo.
Contextos específicos y pertinencia para el sistema bancario ecuatoriano
La revisión precedente evidencia que, si bien la adecuación de capital, el riesgo de crédito y
la eficiencia operativa son determinantes recurrentes en la literatura internacional, su capacidad
explicativa varía de manera apreciable según la arquitectura regulatoria, la estructura de propiedad y
las condiciones macroeconómicas de cada sistema. Los estudios realizados en economías con
restricciones monetarias autónomas, como los de Zimbabue, Ghana o Turquía, ofrecen referencias
más próximas al caso ecuatoriano que los provenientes de Europa o China, dada la ausencia de
política monetaria discrecional como mecanismo de ajuste. No obstante, ninguno de los antecedentes
identificados examina la rentabilidad en una economía plenamente dolarizada, condición que altera
los incentivos de liquidez, la formación de spreads y la gestión del riesgo sistémico de manera
estructuralmente diferenciada.
En el contexto local, la literatura específica sobre el sistema bancario ecuatoriano es escasa
en términos cuantitativos, aunque los trabajos disponibles permiten establecer patrones que sitúan al
país como un caso de estudio diferenciado dentro de la región. Las conclusiones de Lapo-Maza et al.
(2021) constituyen el antecedente empírico más directo para los objetivos del presente estudio,
mediante un modelo de sendas PLS-SEM aplicado a 504 observaciones de siete bancos privados
ecuatorianos entre 2012 y 2017, determinaron que el riesgo crediticio ejerce un efecto negativo y
significativo sobre la rentabilidad, en tanto que la estructura de capital, aunque condicionada por el
propio riesgo crediticio, no incide de manera directa y significativa sobre el desempeño financiero.
Este resultado diverge de los hallazgos obtenidos en otros sistemas emergentes, donde la
adecuación de capital aparece como determinante positivo de la rentabilidad y sugiere que, en el
contexto ecuatoriano, la gestión del riesgo crediticio tiene mayor peso relativo que las decisiones de
estructura de capital a la hora de explicar la variabilidad en el desempeño bancario. Los propios
autores reconocen como limitación la exclusión del entorno macroeconómico e institucional, así
como de variables de tamaño, lo que abre un espacio metodológico que el presente estudio busca
cubrir.
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
155
Desde una perspectiva histórico-estructural, Meireles et al. (2023) analizan el
comportamiento de la banca privada ecuatoriana entre 2000 y 2021 a partir de datos agregados del
sector. Su argumento central es que la operación bajo dolarización formal no elimina las fuentes de
fragilidad financiera heredadas de la crisis de 1999-2000, sino que las reconfigura bajo nuevas formas
propias del sistema bancario contemporáneo. La ausencia de un prestamista de última instancia
doméstico y la imposibilidad de depreciar la moneda trasladan las tensiones de liquidez directamente
a la gestión de activos y pasivos institucionales, con efectos sobre los márgenes de intermediación y
la capacidad de sostener posiciones rentables en períodos de contracción del crédito.
En el plano de la dinámica crediticia agregada, Urdaneta et al. (2024) examinan la relación
entre el crédito bancario al sector privado, los depósitos totales y el PIB en Ecuador para el período
2007-2022 mediante pruebas de causalidad de Granger y cointegración de Engle-Granger. Sus
resultados revelan que, si bien las tres variables están cointegradas a largo plazo, no existe causalidad
bidireccional entre ellas, hecho que los autores vinculan al reducido peso del crédito productivo
respecto al PIB, que apenas pasó del 2,55 % al 3,59 % entre 2007 y 2019, y a la marginal participación
del sector financiero en la producción total.
Este bajo nivel de profundidad financiera implica que el potencial de generación de ingresos
por intermediación queda estructuralmente limitado, condición que afecta de manera directa los
determinantes de rentabilidad identificados en la literatura internacional y precisa la necesidad de un
análisis específico que incorpore simultáneamente variables internas bajo las restricciones propias
del modelo ecuatoriano.
Síntesis de la literatura y relación esperada entre determinantes y rentabilidad
La revisión de la literatura permite identificar que el riesgo crediticio, la eficiencia operativa,
la adecuación de capital y la liquidez son los determinantes con mayor recurrencia en la explicación
de la rentabilidad bancaria, aunque su dirección e intensidad varían según el sistema financiero
analizado.
El riesgo crediticio presenta de forma consistente una relación negativa con el desempeño
(Amaral 2024; Laporšek et al. 2025; Lapo-Maza et al. 2021), la eficiencia operativa sigue una lógica
análoga, y la capitalización actúa como impulsor positivo con efectos que se atenúan ante
requerimientos regulatorios excesivos (Mashamba y Chikutuma 2023). La liquidez, en cambio,
muestra resultados menos estables entre contextos (Jigeer y Koroleva 2023; Saeed y Donkoh 2026).
Para el caso ecuatoriano, la dolarización desplaza el ajuste ante choques externos hacia los
indicadores internos de cada institución, lo que otorga mayor peso relativo a estas variables como
determinantes del desempeño (Vera-Gilces et al. 2020; Meireles et al. 2023), sustentando las
hipótesis planteadas en el presente estudio.
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
156
METODOLOGÍA
La presente investigación adopta un enfoque cuantitativo, no experimental y de alcance
explicativo, con el que se espera identificar y modelar las relaciones dinámicas entre el desempeño
bancario y sus principales determinantes. Este enfoque es consistente con la literatura empírica en
finanzas bancarias revisada, donde el análisis econométrico de series temporales constituye la
principal herramienta para evaluar las interacciones entre las variables financieras consideradas.
Diseño de investigación y datos
El estudio se desarrolla bajo un diseño longitudinal de series de tiempo, utilizando datos
mensuales agregados del sistema de banca privada ecuatoriana para el período 2003–2025. La
información es obtenida de fuentes oficiales, específicamente de la Superintendencia de Bancos,
garantizando consistencia y comparabilidad en la medición de las variables.
La variable de interés es el desempeño bancario, aproximado mediante el Return on Assets
(ROA), ampliamente reconocido como un indicador robusto de rentabilidad y eficiencia financiera
en la literatura especializada (Bortoluzzo et al., 2024). En línea con la evidencia empírica reciente,
los determinantes considerados incluyen variables internas del banco, ROA, cartera total, liquidez,
morosidad y eficiencia, los cuales han demostrado influir en la dinámica del desempeño financiero
(Statovci & Balaj, 2026).
Criterios de Selección
La selección de las variables incluidas en el modelo obedece a tres criterios concurrentes. El
primero es teórico: las variables retienen correspondencia directa con los determinantes identificados
en la literatura especializada, riesgo de crédito, liquidez, eficiencia operativa y tamaño de cartera, y
con el marco de la intermediación financiera que sustenta el estudio (Diamond, 1984; Athanasoglou
et al., 2008).
El segundo criterio es empírico dado que cada variable ha demostrado capacidad explicativa
sobre el desempeño bancario en sistemas financieros de economías emergentes con restricciones
monetarias análogas a las del Ecuador (Vera-Gilces et al., 2020; Lapo-Maza et al., 2021). El tercero
es de disponibilidad y consistencia de datos las series provienen de la Superintendencia de Bancos,
con cobertura mensual continua para el período 2003–2025, lo que garantiza homogeneidad en la
fuente y comparabilidad en la medición a lo largo del horizonte de análisis.
Especificación econométrica
Para capturar la interdependencia dinámica entre las variables, se emplea un modelo de
Vectores Autorregresivos (VAR). Este enfoque permite modelar simultáneamente todas las variables
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
157
como endógenas, evitando restricciones teóricas fuertes y permitiendo que las relaciones emerjan de
los datos. El modelo VAR se especifica de la siguiente forma general:
(1)
(2)
(3)
(4)
(5)
Donde:
y
1t
: ROA
y
2t
: Cartera de crédito total
y
3t
: Morosidad
y
4t
: Liquidez
: Eficiencia
, , , y
: Constantes del modelo
,
,
: coeficiente del modelo para la varible Yt.
u
it
: son términos de error de las ecuaciones del modelo
La elección del modelo VAR responde a consideraciones tanto teóricas como empíricas.
Desde el plano teórico, Sims (1980) argumentó que imponer restricciones a priori sobre las relaciones
entre variables macroeconómicas genera sesgos sistemáticos en la estimación; el VAR evita ese
problema al tratar todas las variables como endógenas y dejar que las interrelaciones emerjan de los
datos.
En el contexto bancario, esta propiedad es relevante porque el ROA, la cartera de crédito, la
morosidad, la liquidez y la eficiencia no se determinan de forma unilateral: cada una retroalimenta a
las demás dentro del ciclo operativo de la institución, de modo que un modelo de ecuación única
subestimaría estas interdependencias y produciría estimaciones inconsistentes (Morshed y Hossain,
2022). Desde el plano empírico, el uso del VAR y su extensión al VECM está consolidado en la
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
158
literatura que analiza vínculos dinámicos entre indicadores financieros de series de tiempo, dado que
permite incorporar simultáneamente efectos de corto y largo plazo sin sacrificar la capacidad de
identificar la dirección e intensidad de las relaciones entre variables.
La elección del número óptimo de rezagos se realiza mediante criterios de información (AIC,
SIC y HQ), garantizando parsimonia y consistencia en la estimación.
En caso de que las series presenten integración de orden uno y exista evidencia de
cointegración, se optará por la estimación de un modelo de Vectores de Corrección de Error (VECM),
el cual permite distinguir entre relaciones de corto y largo plazo. Este enfoque ha sido ampliamente
validado en la literatura para analizar vínculos dinámicos y causales en variables económicas y
financieras (Morshed & Hossain, 2022).
Pruebas econométricas
Previo a la estimación del modelo, se realizan pruebas de diagnóstico que verifican la validez
de las series para su inclusión en el modelo propuesto. Se determinará la estacionariedad mediante
la prueba Dickey Fuller Aumentado (ADF), con el fin de determinar el orden de integración de cada
variable. La cointegración se consultará utilizando el enfoque de Johansen para identificar relaciones
de equilibrio de largo plazo entre las variables.
Posteriormente a la estimación del modelo procede su validación mediante los contrastes
básicos, los cuales comprenden: Normalidad de residuos (Jarque-Bera), heterocedasticidad
(Breusch-Pagan-Godfrey) y multicolinealidad (VIF).
Análisis de relaciones dinámicas
Una vez estimado el modelo VAR o VECM, si resultan variables cointegradas de orden 1, se
realiza el análisis de interrelaciones dinámicas mediante la prueba de causalidad de Granger, este
contraste permite identificar relaciones predictivas entre variables en el tiempo, también se estudian
mediante una función Impulso-Respuesta (IRF), para evaluar el efecto de choques exógenos en una
variable sobre el resto del sistema a lo largo del tiempo. Finalmente se lleva a cabo una
Descomposición de la varianza del error de pronóstico de Cholesky, esta prueba que permite
cuantificar la contribución relativa de cada variable en la explicación de la variabilidad del sistema.
Limitaciones Metodológicas
El diseño metodológico adoptado presenta limitaciones que conviene reconocer. En primer
lugar, el uso de datos agregados del sistema bancario privado ecuatoriano impide distinguir
comportamientos heterogéneos entre instituciones de distinto tamaño, modelo de negocio o
estructura de propiedad, dimensión que la literatura identifica como fuente de variabilidad en los
determinantes de la rentabilidad (Yağlı y Topcu, 2023; Laporšek et al., 2025).
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
159
En segundo lugar, la exclusión de variables macroeconómicas externas, como el ciclo del
PIB o la inflación, acota el alcance explicativo del modelo a los determinantes internos del sistema,
lo que los propios antecedentes empíricos señalan como una limitación relevante en el contexto
ecuatoriano (Lapo-Maza et al., 2021).
En tercer lugar, la estimación con datos mensuales agregados no permite capturar efectos de
composición de cartera ni dinámicas internas de gestión de riesgo a nivel de entidad individual.
RESULTADOS
Se transformó la variable cartera de crédito total a logaritmos con el fin de reducir la
dispersión de la serie, atenuar la influencia de valores extremos y facilitar la interpretación de las
relaciones en términos relativos.
En primera instancia, se construye la matriz de correlación entre las variables consideradas,
con el propósito de identificar la dirección y magnitud de las asociaciones lineales, así como detectar
posibles problemas de colinealidad que pudieran afectar la estimación econométrica.
Tabla 1
Matriz de correlación
Nota. Elaborado por: Alvear (2026).
Para continuar con la estimación del modelo, se verifica la estacionariedad de las series,
primero a nivel, posteriormente en primeras diferencias, la prueba se realizó de forma individual para
cada variable, no obstante, a continuación, se muestra una tabla resumen. Los resultados de la prueba
ADF indican que MORO y EFIC son estacionarias en niveles, mientras que ROA, LN_CRED y LIQ
presentan raíz unitaria en nivel, pero se vuelven estacionarias en primera diferencia, evidenciando
un proceso integrado de orden uno I(1):
Tabla 2
Prueba de estacionariedad ADF
Nota. *** p < 0.01; ** p < 0.05; * p < 0.10
Elaborado por: Alvear (2026).
EFIC 0.0024 -0.5490 0.7730 0.3202 1.0000
LIQ 0.2791 -0.5743 0.1546 1.0000
MORO 0.3934 -0.7079 1.0000
ln_cred -0.7005 1.0000
ROA 1.0000
ROA ln_cred MORO LIQ EFIC
Variable
Nivel
Primera diferencia
ROA
-2.246
-3.551***
LN_CRED
-2.491
-3.965***
MORO
-3.654***
-3.052**
LIQ
-1.864
-4.690***
EFIC
-2.897**
-4.352***
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
160
Estimación del modelo VAR
Dado que las pruebas de raíz unitaria evidenciaron variables integradas de orden cero y uno,
y al no configurarse un sistema apto para cointegración multivariada, el modelo VAR se estimó con
las series en su forma estacionaria.
Para determinar el número de rezagos del modelo VAR se usaron cuatro criterios de
información: AIC, HQIC, SBIC y FPE. Tres de ellos (AIC, HQIC y FPE) apuntaron a un modelo con
tres rezagos, mientras que el SBIC recomendó solo uno. Se optó por tres rezagos siguiendo el criterio
AIC, que tiende a funcionar mejor con datos mensuales al recoger con más fidelidad el
comportamiento de las variables.
Tabla 3
Selección de rezagos del modelo VAR (p)
Nota. Elaborado por: Alvear (2026).
En base a los criterios estadísticos se estableció un VAR (3) de rezagos, posteriormente se
verificó su estabilidad mediante la prueba de raíces inversas del polinomio característico del modelo.
En la tabla 4 se observa que todos los eigenvalores tienen módulo menor a uno, es decir, caen dentro
del círculo unitario, lo que confirma que el modelo es estable. Esto significa que los choques
temporales no generan efectos permanentes y que tanto las funciones de impulso-respuesta como la
descomposición de varianza pueden interpretarse con confianza.
Tabla 4
Estabilidad del Modelo
Nota. Elaborado por: Alvear (2026).
4 5175.37 36.517 25 0.064 5.8e-23 -37.01 -36.4543 -35.6254
3 5157.11 79.338* 25 0.000 5.5e-23* -37.0592* -36.6358 -36.0043
2 5117.44 109.09 25 0.000 6.2e-23 -36.9521 -36.661* -36.2269
1 5062.9 1727.4 25 0.000 7.6e-23 -36.7365 -36.5777 -36.3409*
0 4199.22 3.5e-20 -30.6147 -30.5883 -30.5488
lag LL LR df p FPE AIC HQIC SBIC
.1626235 .162623
.36304 - .1501158i .392852
.36304 + .1501158i .392852
.074455 - .4287866i .435203
.074455 + .4287866i .435203
-.4351587 - .08930832i .444229
-.4351587 + .08930832i .444229
-.2941082 - .4502866i .537827
-.2941082 + .4502866i .537827
-.5868943 .586894
-.1958445 - .6124006i .642954
-.1958445 + .6124006i .642954
.761819 .761819
.933832 .933832
.9715422 .971542
Eigenvalue Modulus
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
161
Seguidamente se realizó el diagnóstico de aucorrelación. La prueba LM indica que la
hipótesis nula de ausencia de autocorrelación no se rechaza al 1 % de significancia, aunque sí al 5
%, lo que revela autocorrelación residual de bajo orden. Dado que las especificaciones alternativas
no mejoraron sustancialmente este resultado y que el modelo satisface la condición de estabilidad,
se mantiene la especificación seleccionada con base en los criterios de información.
Tabla 5
Prueba de Autocorrelación
Nota. Elaborado por: Alvear (2026).
La normalidad de los residuos se evaluó con la prueba de Jarque-Bera, incluyendo sus
componentes de asimetría y curtosis. En la mayoría de las ecuaciones y en el sistema completo se
rechaza la normalidad (p < 0.01), con niveles altos de curtosis que apuntan a colas pesadas y posibles
valores atípicos. La excepción es la variable de liquidez, cuyos residuos no muestran problemas de
normalidad y se comportan de forma más regular que el resto.
Aunque la no normalidad puede reducir la eficiencia de los estimadores, no compromete la
consistencia del modelo VAR ni impide interpretar las relaciones dinámicas, sobre todo dado el
tamaño de la muestra.
En series financieras de frecuencia mensual, la presencia de colas pesadas y curtosis elevada
es un rasgo habitual, atribuible a episodios de contracción crediticia, choques de liquidez o períodos
de estrés institucional que generan observaciones atípicas sin alterar la estructura del modelo. Este
tipo de no normalidad, originada en valores extremos puntuales y no en una mala especificación del
sistema, es reconocida en la literatura como un resultado esperable en contextos de economías
emergentes con historial de volatilidad financiera.
Tabla 6
Prueba de normalidad de los residuos
Nota. Elaborado por: Alvear (2026).
2 40.5753 25 0.02543
1 38.2557 25 0.04367
lag chi2 df Prob > chi2
ALL 1464.821 5 0.00000
EFIC 9.8541 538.301 1 0.00000
d_liq 3.2432 0.678 1 0.41043
MORO 6.4666 137.701 1 0.00000
d_ln_cred 8.114 299.666 1 0.00000
d_roa 9.5292 488.475 1 0.00000
Equation Kurtosis chi2 df Prob > chi2
Kurtosis test
ALL 81.976 5 0.00000
EFIC -.6985 22.362 1 0.00000
d_liq .07821 0.280 1 0.59646
MORO -.35671 5.832 1 0.01574
d_ln_cred .95905 42.157 1 0.00000
d_roa -.4975 11.344 1 0.00076
Equation Skewness chi2 df Prob > chi2
Skewness test
ALL 1546.796 10 0.00000
EFIC 560.664 2 0.00000
d_liq 0.958 2 0.61943
MORO 143.533 2 0.00000
d_ln_cred 341.823 2 0.00000
d_roa 499.819 2 0.00000
Equation chi2 df Prob > chi2
Jarque-Bera test
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
162
Prueba de Causalidad de Granger
Los resultados de la prueba de causalidad de Granger muestran que, de manera individual,
ninguna de las variables financieras consideradas presenta un efecto estadísticamente significativo
sobre la rentabilidad bancaria. No obstante, la prueba conjunta indica que el conjunto de variables
incluidas en el modelo ejerce una influencia significativa sobre el ROA (p < 0.05), lo que apunta a
que su influencia opera de manera combinada más que por separado.
En particular, la liquidez muestra una relación marginalmente significativa (p < 0.10),
sugiriendo que cambios en la posición de liquidez pueden tener efectos de corto plazo sobre la
rentabilidad. Sin embargo, las variables crédito, la morosidad y la eficiencia operativa no presentan
efectos individuales estadísticamente significativos.
También se observa que el crédito responde significativamente a la rentabilidad, la
morosidad y la liquidez, lo que evidencia su carácter endógeno dentro del sistema financiero.
Asimismo, la morosidad es influenciada por el crédito, indica que los procesos de expansión
crediticia pueden incidir en la calidad de la cartera. Finalmente, la eficiencia operativa se ve afectada
por la morosidad y, en menor medida, por el crédito, como muestra del impacto del riesgo y la
actividad financiera sobre los costos operativos.
Tabla 7
Prueba de causalidad de Granger
Nota. Elaborado por: Alvear (2026).
EFIC ALL 54.585 12 0.000
EFIC d_liq 2.5982 3 0.458
EFIC MORO 23.982 3 0.000
EFIC d_ln_cred 7.827 3 0.050
EFIC d_roa 5.5015 3 0.139
d_liq ALL 22.629 12 0.031
d_liq EFIC 5.3714 3 0.147
d_liq MORO 5.0183 3 0.170
d_liq d_ln_cred 4.0795 3 0.253
d_liq d_roa .23353 3 0.972
MORO ALL 24.15 12 0.019
MORO EFIC .71648 3 0.869
MORO d_liq .43413 3 0.933
MORO d_ln_cred 11.241 3 0.010
MORO d_roa 5.9171 3 0.116
d_ln_cred ALL 52.018 12 0.000
d_ln_cred EFIC 2.5664 3 0.463
d_ln_cred d_liq 8.1734 3 0.043
d_ln_cred MORO 11.304 3 0.010
d_ln_cred d_roa 16.953 3 0.001
d_roa ALL 21.668 12 0.041
d_roa EFIC 2.7661 3 0.429
d_roa d_liq 7.5577 3 0.056
d_roa MORO 4.7367 3 0.192
d_roa d_ln_cred 3.3272 3 0.344
Equation Excluded chi2 df Prob > chi2
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
163
Estos resultados son consistentes con la teoría de la intermediación financiera, en el sentido
de que la rentabilidad bancaria no responde de manera simple y directa a ningún indicador aislado,
sino que emerge de la interacción sistémica entre la gestión del crédito, la calidad de la cartera y la
eficiencia operativa (Diamond, 1984).
La ausencia de efectos individuales significativos no implica irrelevancia de las variables,
sino que su influencia sobre el ROA se ejerce a través de canales indirectos y encadenados: el crédito
condiciona la morosidad, la morosidad presiona la eficiencia, y la eficiencia incide sobre el margen
financiero. Esta cadena de transmisión es coherente con el paradigma ECD, que sitúa la eficiencia
interna como el determinante primario del desempeño en sistemas bancarios de economías
emergentes (Athanasoglou et al., 2008; Chortareas et al., 2011).
Función Impulso – Respuesta
Para examinar la dinámica de corto plazo entre las variables del sistema, se estimaron
funciones impulso-respuesta ortogonalizadas a partir del modelo VAR. Un primer hallazgo es que
las respuestas son, en general, de baja magnitud y se disipan en pocos períodos, lo que anticipa el
análisis variable por variable.
Ante un shock positivo en la eficiencia operativa (EFIC), el ROA muestra una caída inicial
moderada seguida de una rápida convergencia al equilibrio. El resultado es coherente con lo esperado
ante incrementos en los costos relativos del sistema presionan la rentabilidad de forma inmediata,
aunque sin prolongarse en el tiempo.
La respuesta ante perturbaciones en la morosidad (MORO), el ROA reacciona inicialmente
de forma positiva, pero registra ajustes negativos en los períodos siguientes. Esta inversión de signo
refleja que la relación entre riesgo crediticio y desempeño financiero no es lineal ni inmediata, y que
los efectos de corto plazo pueden moverse en dirección opuesta a los de mediano plazo.
Los choques en la liquidez (d_liq) generan oscilaciones de signo alternante en los primeros
períodos que se amortiguan con rapidez, sin dejar huella persistente sobre la rentabilidad. Asimismo,
ante expansiones del crédito (d_ln_cred), la rentabilidad responde positivamente en el corto plazo,
pero el efecto se reduce de forma progresiva hasta desaparecer, es decir que el crédito parece impulsar
temporalmente los ingresos financieros sin generar ganancias sostenidas en la rentabilidad.
En todos los casos, los intervalos de confianza al 95% indican que buena parte de las
respuestas no alcanzan significancia estadística en todos los horizontes analizados. La rentabilidad
bancaria parece responder más a la interacción entre variables que a choques aislados, con ajustes de
corto plazo que convergen rápidamente sin alterar la trayectoria de largo plazo del sistema.
La rápida disipación de los choques y la baja magnitud de las respuestas individuales son
coherentes con el comportamiento esperado en un sistema financiero dolarizado, donde la ausencia
de política monetaria propia limita la amplificación de perturbaciones internas a través del canal
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
164
cambiario, pero también restringe los mecanismos de amortiguación disponibles (Vera-Gilces et al.,
2020). En ese marco, la rentabilidad tiende a ajustarse sobre la base de la gestión interna de activos
y pasivos más que por impulsos externos, lo que explica por qué los choques en variables como el
crédito o la liquidez generan efectos transitorios de corta duración sin alterar la tendencia del sistema.
Figura 1
Función Impulso – Respuesta
Nota. Elaborado por: Alvear (2026).
Descomposición de Varianza de Cholesky
La descomposición de la varianza muestra que la rentabilidad bancaria está fuertemente
determinada por sí misma. Aproximadamente el 76 % de su variabilidad en el corto plazo se explica
por innovaciones propias, proporción que se estabiliza cerca del 70 % en horizontes más largos. Entre
los determinantes externos, la eficiencia operativa se muestra muy influyente, contribuye con
alrededor del 16 % a lo largo de todos los horizontes analizados.
La morosidad ocupa un lugar secundario, explicando cerca del 8 % de la variabilidad del
ROA, es decir que la calidad de la cartera opera como un factor de fondo con menor peso que la
eficiencia operativa. El crédito y la liquidez muestran una capacidad explicativa marginal, con
contribuciones inferiores al 3 %, lo que limita su relevancia dentro del horizonte analizado.
Tabla 8
Descomposición de Vanrianza (Resumen)
Nota. Elaborado por: Alvear (2026).
-.0004
-.0002
0
.0002
-.0004
-.0002
0
.0002
0 5 10 15 0 5 10 15
modelo1, EFIC, d_roa modelo1, MORO, d_roa
modelo1, d_liq, d_roa modelo1, d_ln_cred, d_roa
95% CI orthogonalized irf
step
Graphs by irfname, impulse variable, and response variable
Horizonte
Crédito
Morosidad
Liquidez
Eficiencia
ROA
1
1.33%
4.63%
0.76%
16.89%
76.38%
3
2.04%
7.45%
2.69%
16.31%
71.51%
6
2.21%
7.77%
3.00%
16.34%
70.68%
12
2.24%
7.80%
3.00%
16.59%
70.37%
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
165
Estos resultados apuntan en la misma dirección que la prueba de Granger. La rentabilidad
bancaria responde principalmente a su propia dinámica y a la gestión operativa interna, más que a
perturbaciones en variables financieras específicas.
DISCUSIÓN
La rentabilidad de la banca privada ecuatoriana no responde a la incidencia aislada de cada
variable, sino a la dinámica del sistema en su conjunto. Aunque esto es consistente con Laporšek et
al. (2025), Amaral (2024) y Mashamba y Chikutuma (2023), hay una diferencia que la literatura
raramente aborda: cuando se trabaja con datos agregados, los efectos individuales sobre el ROA se
diluyen y la causalidad solo emerge en la prueba conjunta. No es un resultado que contradiga la
evidencia microeconómica; muestra que el nivel de agregación cambia cómo se expresa la causalidad
financiera, distinción que los estudios de panel por banco no pueden capturar.
La eficiencia operativa concentra el mayor peso externo sobre el ROA en todos los horizontes
analizados. Amaral (2024), Jigeer y Koroleva (2023) y Saeed y Donkoh (2026) documentan una
relación inversa entre costos relativos y desempeño financiero, pero en el sistema ecuatoriano ese
efecto no opera de forma puntual sino como una presión sostenida sobre la rentabilidad agregada. La
morosidad ocupa el segundo lugar, confirmando lo documentado por Lapo-Maza et al. (2021),
aunque con un peso menor al de la eficiencia: el deterioro de cartera importa, pero el principal
problema no es la pérdida crediticia en sí, sino el costo de sostener el negocio cuando esa pérdida ya
ocurrió. El crédito y la liquidez muestran una capacidad explicativa marginal, lo que se aproxima a
Jigeer y Koroleva (2023) y se aparta de Mashamba y Chikutuma (2023); la divergencia no es
arbitraria: Urdaneta et al. (2024) ya documentaron que la profundidad financiera en Ecuador es baja
y que el crédito no configura una causalidad bidireccional robusta con la actividad económica,
mientras que Meireles et al. (2023) señalan que la dolarización desplaza las tensiones de liquidez
hacia la gestión interna de activos y pasivos, lo que reduce su expresión en el ROA agregado.
La persistencia del ROA, más del 70 % de su variabilidad explicada por innovaciones
propias, supera la reportada en estudios con datos de panel. En un sistema sin política monetaria
propia y con acceso limitado a liquidez de último recurso, la trayectoria pasada pesa más que en
economías con mayor margen de ajuste. Unver-Erbas y Yilmaz-Ozekenci (2024) para Turquía
ofrecen una referencia más cercana que los estudios europeos, dado que ambos contextos comparten
restricciones monetarias que condicionan cuánto puede moverse el desempeño bancario ante un
choque.
Las implicaciones para la regulación son directas. Si la eficiencia operativa es el
determinante externo que más pesa sobre la rentabilidad, la supervisión bancaria debería incorporar
métricas de eficiencia de costos con la misma periodicidad y visibilidad con que hoy se monitorea la
morosidad. El peso moderado pero estable de la cartera en riesgo indica que los esquemas de
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
166
provisiones no deben relajarse en períodos de aparente estabilidad: el deterioro se acumula antes de
expresarse en el ROA. Por otro lado, el escaso efecto del crédito sobre la rentabilidad agregada
sugiere que políticas de expansión crediticia sin mejoras paralelas en eficiencia operativa no
mejorarán el desempeño del sistema, consideración relevante para el diseño de incentivos al crédito
productivo.
La jerarquía de determinantes que emerge en Ecuador difiere de la que documenta la
literatura internacional no por un problema de medición, sino porque la dolarización y la baja
profundidad financiera alteran los canales a través de los cuales cada variable incide sobre el ROA.
Esa diferencia es el argumento empírico más claro que el estudio aporta: los determinantes de la
rentabilidad bancaria no son universales, y el arreglo institucional del sistema modifica cuáles sí
influyen y cuánto.
CONCLUSIONES
Los resultados del presente estudio permiten concluir que la rentabilidad de la banca privada
ecuatoriana responde principalmente a la interacción de factores financieros internos y no a efectos
individuales aislados. El objetivo general de la investigación, orientado a determinar los indicadores
financieros que inciden en la rentabilidad del sistema bancario privado ecuatoriano durante el período
2003–2025, se cumple satisfactoriamente. A partir del modelo VAR estimado se identificó la
dinámica conjunta entre eficiencia operativa, morosidad, crédito, liquidez y rentabilidad bancaria.
En relación con el análisis de incidencia entre variables, las pruebas de causalidad de Granger
muestran que no todas las variables financieras ejercen una incidencia individual estadísticamente
significativa sobre el ROA. Sin embargo, la prueba conjunta sí presenta significancia estadística, lo
que indica que los determinantes financieros operan de manera sistémica dentro de la estructura
bancaria ecuatoriana. En consecuencia, la hipótesis del estudio se acepta parcialmente.
Respecto al análisis de los indicadores financieros internos, la eficiencia operativa presentó
la mayor contribución sobre la variación del ROA fuera de las innovaciones propias de la
rentabilidad. La descomposición de varianza evidenció que su capacidad explicativa se mantiene en
todos los horizontes analizados, lo que indica que la gestión operativa posee mayor incidencia sobre
el desempeño financiero que la expansión del crédito.
En cuanto a la morosidad, su contribución se mantuvo en niveles moderados pero
persistentes dentro de la explicación de la rentabilidad bancaria. Los resultados muestran que el
deterioro de cartera continúa representando un componente relevante dentro de la dinámica
financiera del sistema, aunque con menor incidencia que la eficiencia operativa.
Por otra parte, el crédito y la liquidez registraron una capacidad explicativa más reducida
sobre la variación del ROA. En el caso del crédito, los resultados reflejan las limitaciones
estructurales de profundidad financiera presentes en la economía ecuatoriana. Para la liquidez, su
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
167
comportamiento se relaciona principalmente con mecanismos prudenciales de ajuste del sistema
bancario dentro de una economía dolarizada.
Finalmente, la rentabilidad bancaria presentó una elevada persistencia temporal. Más del 70
% de la varianza del ROA fue explicada por innovaciones propias incluso en horizontes amplios, lo
que evidencia que el comportamiento histórico de la rentabilidad condiciona de forma importante su
evolución futura. Los cambios en el desempeño financiero del sistema no responden de manera
inmediata a perturbaciones puntuales, sino a procesos acumulativos de ajuste.
Finalmente, en relación con las hipótesis planteadas, los resultados permiten concluir que la
hipótesis general del estudio se acepta parcialmente. De manera específica, la evidencia empírica
permitió aceptar parcialmente la H1 y H2, mientras que la H4 presentó mayor respaldo dentro del
modelo estimado. Por otra parte, la H3 no mostró evidencia estadística suficiente para ser confirmada
de forma robusta durante el período analizado.
REFERENCIAS BIBLIOGRAFICAS
Abusharbeh, M. T. (2022). Determinants of credit risk in Palestine: Panel data estimation.
International Journal of Finance and Economics, 27(3), 3434-3443.
https://doi.org/10.1002/ijfe.2329
Alfadli, A., & Rjoub, H. (2020). The impacts of bank-specific, industry-specific and
macroeconomic variables on commercial bank financial performance: Evidence from the
Gulf cooperation council countries. Applied Economics Letters, 27(15), 1284-1288.
https://doi.org/10.1080/13504851.2019.1676870
Alves, C. F., Citterio, A., & Marques, B. P. (2023). Bank-specific capital requirements: Short and
long-run determinants. Finance Research Letters, 52.
https://doi.org/10.1016/j.frl.2022.103558
Amaral, M. (2024). Profitability of Commercial Banks in Portugal and Spain: A Panel Data
Analysis Model. Revista de Métodos Cuantitativos para la Economía y la Empresa, 37, 1-
18. (2006-). https://doi.org/10.46661/rev.metodoscuant.econ.empresa.8172
Athanasoglou, P. P., Brissimis, S. N., & Delis, M. D. (2008). Bank-specific, industry-specific and
macroeconomic determinants of bank profitability. Journal of International Financial
Markets, Institutions and Money, 18(2), 121-136.
https://doi.org/10.1016/j.intfin.2006.07.001
Awijen, H., Ben Zaied, Y., & Hunjra, A. I. (2023). Systematic and Unsystematic Determinants of
Sectoral Risk Default Interconnectedness. Computational Economics, 62(2), 561-587.
https://doi.org/10.1007/s10614-022-10336-5
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
168
Bortoluzzo, A. B., Ciganda, R. R., & Bortoluzzo, M. M. (2024). Determinant factors of banking
profitability: An application of quantile regression for panel data. Future Business Journal,
10(1), 56. https://doi.org/10.1186/s43093-024-00347-z
Buenaño, E. (2004). Eficiencia-X en la banca ecuatoriana durante el periodo 2000—2003.
Cuestiones Económicas, 20(2).
Chortareas, G. E., Garza-Garcia, J. G., & Girardone, C. (2011). Banking Sector Performance in
Latin America: Market Power versus Efficiency. Review of Development Economics, 15(2),
307-325. https://doi.org/10.1111/j.1467-9361.2011.00610.x
Demir, E., & Danisman, G. O. (2021). Banking sector reactions to COVID-19: The role of bank-
specific factors and government policy responses. Research in International Business and
Finance, 58. https://doi.org/10.1016/j.ribaf.2021.101508
Diamond, D. W. (1984). Financial Intermediation and Delegated Monitoring. The Review of
Economic Studies, 51(3), 393-414. https://doi.org/10.2307/2297430
IMF. (2023). Ecuador: Financial System Stability Assessment. IMF.
https://www.imf.org/en/publications/cr/issues/2023/09/21/ecuador-financial-system-
stability-assessment-539348
Izaguirre, J., Rangel, E., Coronel, J., & Rea, M. (2025). Efectividad de las Normativas en la
Estabilidad Financiera de Bancos en Ecuador: Effectiveness of Regulations in Financial
Stability of Private Banks in Ecuador. LATAM Revista Latinoamericana de Ciencias
Sociales y Humanidades, 6(6), 2850-2858. https://doi.org/10.56712/latam.v6i6.5101
Jigeer, S., & Koroleva, E. (2023). The Determinants of Profitability in the City Commercial Banks:
Case of China. Risks, 11(3), 53. https://doi.org/10.3390/risks11030053
Lapo-Maza, M. del C., Tello-Sánchez, M. G., & Mosquera-Camacás, S. C. (2021). Rentabilidad,
capital y riesgo crediticio en bancos ecuatorianos. Investigación administrativa, 50(127).
https://doi.org/10.35426/iav50n127.02
Laporšek, S., Švagan, B., Stubelj, M., & Stubelj, I. (2025). Profitability Drivers in European Banks:
Analyzing Internal and External Factors in the Post-2009 Financial Landscape. Risks,
13(1), 2. https://doi.org/10.3390/risks13010002
Magazzino, C., Arnone, M., Leogrande, A., & Gattone, T. (2025). Determinants of capital adequacy
in global banking: Key environmental, social, and governance indicators across countries.
Eurasian Economic Review. https://doi.org/10.1007/s40822-025-00346-7
Mashamba, T., & Chikutuma, C. N. (2023). Determinants of bank profitability: Evidence from the
emerging economy. Corporate and Business Strategy Review, 4(4, special issue), 310.
Meireles, M., Rivera, G., Meireles, M., & Rivera, G. (2023). Dolarización, banca privada y
rentabilidad financiera en Ecuador. Problemas del desarrollo, 54(215), 149-172.
https://doi.org/10.22201/iiec.20078951e.2023.215.70021
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
169
Mendoza, E. (2002, febrero 17). De la Crisis Financiera Ecuatoriana, Causas, Consecuencias,
Soluciones. Revista Jurídica de al Universidad Católica de Guayaquil.
https://www.revistajuridicaonline.com/2002/02/de-la-crisis-financiera-ecuatoriana-causas-
consecuencias-soluciones/
Morshed, N., & Hossain, M. R. (2022). Causality analysis of the determinants of FDI in
Bangladesh: Fresh evidence from VAR, VECM and Granger causality approach. Sn
Business & Economics, 2(7), 64. https://doi.org/10.1007/s43546-022-00247-w
Naili, M., & Lahrichi, Y. (2022). The determinants of banks’ credit risk: Review of the literature
and future research agenda. International Journal of Finance and Economics, 27(1), 334-
360. https://doi.org/10.1002/ijfe.2156
Saeed, M. M., & Donkoh, E. (2026). Credit risk management, bank-specific factors, and financial
performance of banks: Insights from an emerging economy. Social Sciences & Humanities
Open, 13, 102523. https://doi.org/10.1016/j.ssaho.2026.102523
Sharma, H., Andhalkar, A., Ajao, O., & Ogunleye, B. (2024). Analysing the Influence of
Macroeconomic Factors on Credit Risk in the UK Banking Sector. Analytics, 3(1), 63-83.
https://doi.org/10.3390/analytics3010005
Siddique, A., Khan, M. A., & Khan, Z. (2022). The effect of credit risk management and bank-
specific factors on the financial performance of the South Asian commercial banks. Asian
Journal of Accounting Research, 7(2), 182-194. https://doi.org/10.1108/AJAR-08-2020-
0071
Statovci, B., & Balaj, D. (2026). Determinants of banking profitability: The impact of internal and
macroeconomic factors. Multidisciplinary Science Journal, 8(3), 2026187-2026187.
https://doi.org/10.31893/multiscience.2026187
Syed, A. A., & Aidyngul, Y. (2022). Macro economical and bank-specific vulnerabilities of
nonperforming loans: A comparative analysis of developed and developing countries.
Journal of Public Affairs, 22(2). https://doi.org/10.1002/pa.2414
Unver-Erbas, C., & Yilmaz-Ozekenci, S. (2024). The Determinants of Bank Profitability: A Study
of the Turkish Banking Sector, 77(1). https://doi.org/https://doi.org/10.32910/ep.77.1.1
Urdaneta Montiel, A. J., Fernández Encalada, M. A., Mejía Flores, O. G., & Borgucci García, E. V.
(2024). Relaciones de causalidad entre el crédito bancario al sector privado, depósitos
totales y Producto Interno Bruto en Ecuador. Espacio Abierto. Cuaderno Venezolano de
Sociología, 33(2), 138-156. https://doi.org/10.5281/zenodo.11216959
Vera-Gilces, P., Camino-Mogro, S., Ordeñana-Rodríguez, X., & Cornejo-Marcos, G. (2020). A
look inside banking profitability: Evidence from a dollarized emerging country. The
Quarterly Review of Economics and Finance, 75, 147-166.
https://doi.org/10.1016/j.qref.2019.05.002
K. Alvear / Journal Business Science V 7 N°1 (2026) 149 – 170
Facultad de Ciencias Administrativas, Contables y Comercio. Universidad Laica Eloy Alfaro de Manabí. Manta, Ecuador.
https://revistas.uleam.edu.ec/index.php/business_science
Licencia de Creative Commons (http://creativecommons.org/licenses/by-nc-sa/4.0)
170
Yağlı, İ., & Topcu, M. (2023). Determinants of Credit Risk in the Turkish Banking Sector: Does
Ownership Matter? Sosyoekonomi, 31(55), 49-67.
https://doi.org/10.17233/sosyoekonomi.2023.01.03
