Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
OJS: https://revistascientificas.uach.mx/index.php/economicus
ISSN: 3061-8169
Como citar / How to cite:
Najar-Ojeda, E. R., Toro-Gallego, C., & Mayta-Mamani, E. (2026). Morosidad, provisiones y rentabilidad financiera en las Cajas
Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19. Economicus Journal of Business and Economics
Insights, 3(2), 1–19. https://doi.org/10.54167/ejbei.v3i2.2196
Este artículo está bajo los términos de la Licencia Creative Commons Atribución/Reconocimiento NoComercial 4.0 Internacional.
This article is under the terms of the Creative Commons Attribution-NonCommercial 4.0 Internacional License.
(https://creativecommons.org/licenses/by-nc/4.0/).
Artículo
Morosidad, provisiones y rentabilidad financiera en las
Cajas Municipales de Ahorro y Crédito del Perú durante
la crisis del COVID-19
Delinquency, provisions, and financial profitability in
Peru’s Municipal Savings and Credit Banks during the
COVID-19 crisis
Everth Rolando Najar-Ojeda 1 *, Cristóbal Toro-Gallego 2, Edgardo Mayta-Mamani 3
1 Escuela de Posgrado Newman, Perú; everthrolando.najar@epnewman.edu.pe; ORCID: 0009-0000-6574-2310
2 Universidad Internacional de La Rioja, España; cristobal.toro@unir.net; ORCID: 0000-0002-1602-5507
3 Universidad Privada de Tacna, Perú; edgardomayta@gmail.com; ORCID: 0000-0003-4764-8798
* Autor de correspondencia / Correspondence author
Recibido: 07/01/2026; Aceptado: 30/05/2026; Publicado: 01/07/2026.
DOI: https://doi.org/10.54167/ejbei.v3i2.2196
Resumen: El objetivo de este estudio es analizar la relación entre el riesgo crediticio y la rentabilidad financiera de
las Cajas Municipales de Ahorro y Crédito (CMAC) peruanas con baja cobertura de provisiones durante el período
2019–2022, en el contexto de la crisis asociada a la pandemia COVID-19. Se adopta un enfoque cuantitativo, no
experimental y de alcance correlacional, utilizando información mensual de 11 CMAC (528 observaciones) y el
coeficiente Rho de Spearman. Los resultados evidencian relaciones estadísticamente significativas entre la
morosidad, la cobertura de provisiones y los indicadores de rentabilidad (ROA y ROE), con comportamientos
heterogéneos entre entidades. En particular, mayores niveles de morosidad se asocian negativamente con la
rentabilidad, mientras que una mayor cobertura de provisiones se relaciona con un mejor desempeño financiero en
contextos de mayor estrés. Se concluye que la gestión del riesgo crediticio constituye un elemento clave para la
estabilidad financiera de las CMAC, aportando evidencia empírica sobre su comportamiento en escenarios de crisis
sistémica.
Palabras clave: Riesgo crediticio, Rentabilidad, Cobertura de provisiones, Morosidad, Provisiones, COVID-19.
Clasificación JEL: G21; G32; C23.
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 2
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Abstract: The objective of this study is to analyze the relationship between credit risk and profitability of Peruvian
Municipal Savings and Credit Banks (CMACs) with lower loan loss provision coverage during the period 2019–
2022. A quantitative, non-experimental, and longitudinal approach is used, employing panel data and Spearman's
rho correlation coefficient on 48 observations per institution. The results show a statistically significant relationship
between changes in delinquency rates, loan loss provision coverage, and financial profitability indicators (ROA
and ROE), with differentiated effects among institutions. Higher credit risk is negatively associated with ROE,
while loan loss provision coverage shows a buffering effect on return on equity, especially in contexts of greater
financial stress. It is concluded that credit risk management is a determining factor for the financial stability and
sustainability of CMAC profitability in systemic crisis scenarios.
Keywords: Credit risk, Profitability, Provision coverage, Loan delinquency, Loan-loss provisions, COVID-19.
JEL Classification: G21; G32; C23.
1. Introducción
La pandemia del COVID-19 generó un impacto significativo en la economía mundial, afectando con
mayor intensidad a las economías en desarrollo y emergentes. Como consecuencia de la crisis sanitaria
y económica, la pobreza global aumentó por primera vez en más de dos décadas (Banco Mundial, 2020),
mientras que el producto interno bruto (PIB) mundial experimentó una contracción generalizada,
profundizando los procesos recesivos en la mayoría de los países (Taranco & Quiroz, 2021). En este
contexto, las empresas enfrentaron una crisis de magnitud inesperada para la cual no se encontraban
plenamente preparadas (Vásquez-Arango & Ceballos-García, 2024).
El sistema bancario internacional fue uno de los sectores que reaccionó con mayor rapidez frente a
los efectos de la pandemia; sin embargo, la efectividad de dicha respuesta estuvo condicionada por la
solidez financiera y la capacidad operativa de cada institución (Demirgüç-Kunt et al., 2021). En particular,
los grandes bancos comerciales demostraron una mayor capacidad de adaptación en comparación con
las instituciones microfinancieras, debido a su mayor respaldo de capital y a un mayor desarrollo
tecnológico (Marcu, 2021). Cabe mencionar que este respaldo patrimonial fortalece la capacidad de las
entidades financieras para constituir provisiones prudenciales, al proveer un colchón de capital que
permite absorber pérdidas esperadas sin comprometer la solvencia ni la continuidad operativa. En este
sentido, actúa como un mecanismo de soporte para la cobertura de provisiones, especialmente en
contextos de deterioro de la calidad crediticia.
Durante la pandemia, el deterioro de la capacidad de pago de los deudores provocó un aumento
significativo de la morosidad, lo que obligó a las entidades financieras a incrementar sus provisiones por
riesgo crediticio (Aldasoro et al., 2021). Este fenómeno afectó directamente la calidad de la cartera
crediticia y, en consecuencia, la rentabilidad de las instituciones del sistema financiero, incluidas las Cajas
Municipales de Ahorro y Crédito (CMAC) peruanas (Najar-Ojeda, 2024). En este sentido, las entidades
que tuvieron una mejor cobertura de provisiones al haber constituido provisiones adicionales como
reservas frente a los riesgos del mercado, lograron mitigar en mayor medida los efectos negativos de la
crisis sin afectar de manera significativa su rentabilidad o estabilidad financiera, dado que esta cobertura
funciona como un amortiguador frente a pérdidas derivadas del riesgo crediticio, en contraste con
aquellas que, al asumir un riesgo mayor, tuvieron dificultades financieras (Bitar et al., 2021).
En el Perú, las CMAC atienden predominantemente a segmentos micro financieros, los cuales se
caracterizan por tener elevados niveles de informalidad, lo que incrementa su exposición al riesgo
crediticio. Según estimaciones recientes, la informalidad laboral alcanza aproximadamente al 70.09 % de
la población económicamente activa (INEI, 2025). En este escenario, la gestión del riesgo crediticio se
vuelve un factor determinante para la sostenibilidad financiera de las instituciones microfinancieras. La
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 3
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
literatura empírica señala que el riesgo crediticio mantiene una relación negativa con la rentabilidad de
las entidades financieras (Lapo-Maza et al., 2021); sin embargo, la evidencia empírica reciente sugiere
que dicha relación no es necesariamente homogénea ni estrictamente negativa, especialmente en
contextos de crisis sistémica. Estudios realizados durante el periodo de la pandemia del COVID-19
muestran que el impacto del riesgo crediticio sobre la rentabilidad bancaria depende de la interacción
con otros factores financieros, como la liquidez, la eficiencia operativa y las estrategias de gestión del
riesgo, pudiendo coexistir niveles elevados de riesgo crediticio con resultados de rentabilidad
relativamente favorables en el corto plazo (Haris et al., 2024).
Desde el ámbito regulatorio, la Superintendencia de Banca, Seguros y AFP (SBS) ha implementado
reformas orientadas a fortalecer los requerimientos de capital y provisiones en el sistema financiero
peruano, con el objetivo de incrementar la resiliencia de las entidades frente a episodios de estrés
económico. Estas medidas, si bien se consolidan en periodos posteriores al analizado, refuerzan la
necesidad de evaluar empíricamente el vínculo entre provisiones, riesgo crediticio y rentabilidad,
especialmente en el sector micro financiero.
El análisis de las CMAC peruanas con menor cobertura de provisiones resulta particularmente
relevante, dado que estas entidades representan el segmento más vulnerable ante el deterioro de la
calidad crediticia en contextos de crisis macroeconómica. Una cobertura insuficiente de provisiones
limita la capacidad de absorción de pérdidas esperadas y no esperadas, incrementando la fragilidad
financiera y el riesgo de contagio dentro del sistema micro financiero (Demirgüç-Kunt et al., 2021). En
economías en desarrollo, donde las CMAC cumplen un rol fundamental en la inclusión financiera de
agentes con alta volatilidad de ingresos, una gestión inadecuada del riesgo crediticio puede comprometer
no solo la rentabilidad institucional, sino también la estabilidad financiera local (Cull et al., 2019).
A nivel académico, si bien existe una extensa literatura sobre la relación entre riesgo crediticio y
rentabilidad bancaria, los estudios centrados específicamente en instituciones microfinancieras con baja
cobertura de provisiones siguen siendo limitados, especialmente en economías emergentes. En este
sentido, el presente trabajo contribuye a la literatura al ofrecer evidencia empírica para el caso de las
CMAC peruanas reguladas por la SBS durante el periodo 2019–2022, marcado por la crisis del COVID-
19.
El objetivo general del presente trabajo se refiere a analizar la relación entre el riesgo crediticio y la
rentabilidad de las CMAC peruanas con menor cobertura de provisiones. Así mismo, los objetivos
específicos se enlistan a continuación:
• Analizar la relación entre la morosidad y la rentabilidad financiera, medida a través del ROA y ROE,
en las CMAC peruanas con menor cobertura de provisiones durante el periodo 2019–2022.
• Examinar la relación entre la cobertura de provisiones de créditos y la rentabilidad financiera (ROA
y ROE) de las CMAC peruanas con menor cobertura de provisiones durante el periodo 2019–2022.
• Analizar la relación entre el riesgo crediticio y la rentabilidad financiera de las CMAC del Perú
durante el período 2019–2022, en el contexto del COVID-19, con el fin de identificar patrones
diferenciados en el desempeño financiero de las entidades.
Los resultados permiten evaluar si el desempeño financiero observado responde a una gestión
eficiente del riesgo crediticio, más que a factores aleatorios, aportando evidencia relevante tanto para la
academia como para el diseño de políticas públicas en el sector micro financiero.
2. Revisión de la literatura teórica sobre riesgo crediticio y la rentabilidad microfinanciera
2.1. Marco teórico
Para efectos del presente estudio, se define como CMAC con menor cobertura de provisiones a
aquellas entidades cuyo ratio de cobertura de provisiones sobre cartera atrasada se ubicó, en promedio,
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 4
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
en el cuartil inferior de la distribución y que se mantuvo persistentemente por debajo del promedio del
sistema de CMAC durante el periodo de análisis 2019–2022, utilizando información oficial publicada por
la SBS.
De acuerdo con la teoría de regulación bancaria, las provisiones actúan como un mecanismo de
suavizamiento Inter temporal de pérdidas, reduciendo la prociclicidad del crédito y estabilizando la
rentabilidad bancaria (Bikker & Metzemakers, 2005). En ausencia de niveles adecuados de provisiones,
las instituciones financieras tienden a experimentar mayores fluctuaciones en sus resultados financieros,
particularmente en entornos de alta incertidumbre macroeconómica.
2.1.1. Teoría de la intermediación financiera y riesgo crediticio
La teoría de la intermediación financiera sostiene que las entidades financieras cumplen un rol
fundamental en la asignación eficiente de recursos, actuando como intermediarios entre agentes
superavitarios y deficitarios de capital. En este proceso, el riesgo crediticio emerge como uno de los
principales riesgos inherentes a la actividad bancaria, debido a la posibilidad de incumplimiento por
parte de los prestatarios (Diamond, 1984). En instituciones microfinancieras, este riesgo se intensifica
como consecuencia de la mayor asimetría de información, la informalidad y la volatilidad de los ingresos
de los clientes atendidos (Cull et al., 2019).
Desde esta perspectiva, un incremento en la morosidad deteriora la calidad de los activos
financieros, reduce los flujos de ingresos esperados y obliga a las entidades a reconocer pérdidas
mediante provisiones, afectando negativamente su desempeño financiero. En contextos de crisis
macroeconómica, como la pandemia del COVID-19, estos efectos tienden a amplificarse, especialmente
en instituciones con limitada capacidad de absorción de pérdidas (Demirgüç-Kunt et al., 2021).
2.1.2. Teorías explicativas de la rentabilidad bancaria
La rentabilidad bancaria puede explicarse a partir de diversas aproximaciones teóricas. Desde la
teoría de la eficiencia, la rentabilidad refleja la capacidad de las entidades para gestionar eficientemente
sus recursos y riesgos, maximizando ingresos y controlando costos (Berger & Humphrey, 1997). En este
marco, un mayor riesgo crediticio suele asociarse a una menor rentabilidad, debido al aumento de
pérdidas esperadas y costos asociados a la gestión del crédito.
Complementariamente, la teoría del orden jerárquico (pecking order theory) plantea que las
instituciones financieras priorizan el financiamiento interno sobre el externo, lo que implica que mayores
niveles de rentabilidad fortalecen la solvencia y reducen la dependencia de capital externo (Myers &
Majluf, 1984). En el caso de las microfinanzas, esta teoría ha sido adaptada para explicar la relación entre
rentabilidad, provisiones y estructura de capital, sugiriendo que una rentabilidad insuficiente limita la
capacidad de las entidades para constituir provisiones adecuadas (Alexis, 2023).
2.1.3. Provisiones, capital y absorción de pérdidas
Las provisiones crediticias cumplen una función clave como mecanismo de absorción de pérdidas
esperadas, contribuyendo a la estabilidad financiera y a la suavización intertemporal de resultados. De
acuerdo con la teoría de la regulación bancaria, niveles adecuados de provisiones reducen la
prociclicidad del crédito y mitigan la volatilidad de la rentabilidad en periodos de estrés económico
(Bikker & Metzemakers, 2005).
Asimismo, la teoría del ciclo de vida de las instituciones financieras sugiere que las entidades más
maduras presentan una mayor capacidad para acumular capital y provisiones, mientras que aquellas en
etapas menos consolidadas enfrentan mayores restricciones financieras, incrementando su exposición al
riesgo crediticio (Alexis, 2023). En este contexto, una baja cobertura de provisiones no solo refleja
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 5
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
debilidades en la gestión del riesgo, sino que también incrementa la probabilidad de deterioro de la
rentabilidad y la solvencia institucional.
2.1.4. Articulación teórica entre riesgo crediticio y rentabilidad
Desde un enfoque integrador, la relación entre riesgo crediticio y rentabilidad puede explicarse a
través de la interacción entre morosidad, provisiones y estructura de capital. Un aumento de la
morosidad incrementa las pérdidas esperadas, obligando a las entidades a elevar sus provisiones, lo que
reduce los resultados netos y afecta negativamente indicadores como el ROA y el ROE. Este efecto es
particularmente relevante en instituciones microfinancieras con baja cobertura de provisiones, donde la
capacidad de absorción de shocks es limitada.
El riesgo crediticio constituye uno de los principales riesgos inherentes a la intermediación
financiera y se define como la probabilidad de que un prestatario incumpla total o parcialmente sus
obligaciones contractuales, generando pérdidas para la empresa financiera. En este contexto, la literatura
comprende sobre el carácter multidimensional del riesgo crediticio, el cual puede ser operacionalizado a
través de indicadores identifican su gestión y exposición. En particular, la morosidad refleja el nivel de
deterioro de la cartera crediticia, mientras que la cobertura de provisiones representa el grado de
protección financiera frente a pérdidas potenciales (BCBS, 2000; Koch & MacDonald, 2015).
En consecuencia, la teoría financiera y bancaria predice una relación negativa entre riesgo crediticio
y rentabilidad, especialmente en contextos de crisis sistémica. Este marco teórico proporciona el sustento
conceptual para las hipótesis planteadas en el presente estudio, permitiendo interpretar los resultados
empíricos más allá de simples asociaciones estadísticas.
El presente marco teórico proporciona el sustento conceptual para las hipótesis planteadas en este
estudio, permitiendo analizar empíricamente la relación entre riesgo crediticio, morosidad, provisiones
y rentabilidad en las CMAC peruanas durante el periodo 2019–2022.
Partiendo de la revisión literaria y los y los trabajos previos se sugieren las siguientes hipótesis:
H1: El riesgo crediticio presenta una relación negativa y estadísticamente significativa con la rentabilidad
financiera (ROA y ROE) de las CMAC en el Perú durante el período 2019–2022, en el contexto de la crisis
económica derivada de la pandemia de la COVID-19.
H2: La morosidad presenta una relación negativa y estadísticamente significativa con la rentabilidad
financiera (ROA y ROE) de las CMAC peruanas durante el período 2019–2022, en el contexto de la crisis asociada
a la COVID-19.
H3: La cobertura de provisiones presenta una relación positiva y estadísticamente significativa con la
rentabilidad financiera (ROA y ROE) de las CMAC peruanas durante el período 2019–2022, en el contexto de la
crisis asociada a la pandemia de la COVID-19, al reflejar una mayor capacidad de gestión y mitigación del riesgo
crediticio.
2.2. Variables, dimensiones e indicadores
Con la finalidad de garantizar la coherencia entre el marco teórico, las hipótesis y el modelo empírico
propuesto, las variables del estudio fueron operacionalizadas a partir de la literatura especializada en
riesgo crediticio y rentabilidad financiera. La selección de las dimensiones e indicadores responde a su
uso recurrente en estudios empíricos sobre instituciones financieras y microfinancieras, así como a su
pertinencia para analizar el desempeño de las CMAC peruanas durante periodos de crisis sistémica,
como la pandemia del COVID-19 (ver la Tabla 1).
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 6
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Tabla 1. Operacionalización de variables, dimensiones e indicadores.
Variable
Dimensión
Indicador
Definición operativa
Sustento teórico
Riesgo
crediticio
Morosidad
Variación de la
tasa de morosidad
Proporción de créditos vencidos
respecto al total de la cartera
crediticia, expresada en
términos de variación
porcentual
Lapo-Maza et al.
(2021); Morales-
Castro & Espinosa-
Jiménez (2024)
Riesgo
crediticio
Cobertura de
provisiones
Variación de la
cobertura de
provisiones de
créditos
Relación entre las provisiones
constituidas para créditos
incobrables y el total de
préstamos otorgados
Lapo-Maza et al.
(2021)
Solvencia
financiera
Capital global
Ratio de capital
global
Relación del patrimonio efectivo
sobre los activos y contingentes
ponderados por riesgo total
SBS (2023); BCRP
(2020)
Rentabilidad
Rentabilidad
económica
ROA
Relación entre la utilidad neta y
los activos totales promedio
Andrade (2011)
Rentabilidad
Rentabilidad
financiera
ROE
Relación entre la utilidad neta y
el patrimonio promedio
Andrade (2011)
Nota: definiciones operativas adaptadas de Andrade (2011); SBS (2023); BCRP (2020); Lapo-Maza et al. (2021);
Morales-Castro & Espinosa-Jiménez (2024).
La variable riesgo crediticio se operacionaliza a través de la morosidad y la cobertura de provisiones,
dado que ambas reflejan de manera directa el deterioro de la cartera crediticia y la capacidad de absorción
de pérdidas de las entidades microfinancieras. La morosidad captura el incumplimiento efectivo de los
deudores, mientras que la cobertura de provisiones representa el esfuerzo prudencial realizado por la
entidad para enfrentar pérdidas esperadas y no esperadas.
Por su parte, la rentabilidad se mide mediante los indicadores ROA y ROE, ampliamente utilizados
en la literatura financiera por su capacidad para evaluar la eficiencia en el uso de los activos y la
rentabilidad del capital propio, respectivamente. La inclusión del capital global permite contextualizar
los resultados dentro del marco de solvencia regulatoria exigido a las CMAC peruanas, especialmente
relevante en escenarios de estrés financiero como el generado por la pandemia del COVID-19.
3. Metodología
3.1. Enfoque, tipo y diseño de investigación
La presente investigación adopta un enfoque cuantitativo, de tipo investigación básica, con un nivel
relacional, debido a que busca analizar la asociación del riesgo crediticio sobre la rentabilidad de las
CMAC peruanas con menor cobertura de provisiones, sin manipulación deliberada de las variables de
estudio (Hernández-Sampieri & Mendoza, 2018).
El diseño metodológico es no experimental, longitudinal y bivariado, dado que las variables son
observadas en su contexto real y analizadas a lo largo del período 2019–2022, permitiendo captar la
evolución temporal de los indicadores financieros antes, durante y después de la pandemia de la COVID-
19. Este tipo de diseño resulta pertinente en investigaciones financieras, especialmente cuando se
analizan efectos de choques exógenos como crisis sanitarias o económicas, donde la experimentación no
es posible ni ética (Kerlinger & Lee, 2002; Wooldridge, 2010).
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 7
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
3.2. Unidad de análisis, población y fuente de datos
La unidad de análisis está constituida por las CMAC que operan dentro del sistema financiero
peruano. La población de estudio comprende aquellas CMAC que presentan menor cobertura de
provisiones, criterio relevante desde la perspectiva del riesgo financiero, dado que refleja una mayor
exposición ante el deterioro de la cartera crediticia.
La investigación se desarrolló mediante análisis documental, utilizando datos secundarios
provenientes de los estados financieros oficiales publicados por la Superintendencia de Banca, Seguros y
AFP (SBS) del Perú. Esta fuente de información garantiza confiabilidad, estandarización contable y
comparabilidad Inter temporal, y es ampliamente utilizada en estudios empíricos del sistema financiero
(Arellano, 2003; Hsiao, 2014).
La base de datos está conformada por 11 CMAC del sistema financiero peruano. La información
utilizada corresponde a una frecuencia mensual para el período 2019–2022, lo que genera un total de 48
observaciones por entidad y 528 observaciones en conjunto. Así mismo, los datos fueron obtenidos de
fuentes secundarias oficiales, específicamente de los reportes estadísticos publicados por la SBS.
En cuanto al tratamiento de los datos, se realizó un proceso de depuración que incluyó la verificación
de consistencia, identificación de valores atípicos mediante análisis de dispersión y revisión de valores
faltantes. En caso de registros incompletos, se aplicaron criterios de exclusión cuando la información no
era recuperable, garantizando así la integridad de la muestra final.
3.3. Variables de estudio y operacionalización
La variable dependiente es la rentabilidad, medida a través de indicadores financieros comúnmente
empleados en la literatura bancaria, tales como el Retorno sobre Activos (ROA) y/o el Retorno sobre
Patrimonio (ROE), los cuales reflejan la eficiencia en la gestión de los recursos y el desempeño económico
de las entidades financieras.
La variable independiente es el riesgo crediticio, operacionalizado mediante indicadores que
capturan la calidad de la cartera crediticia, tales como la morosidad, la cartera atrasada y la cobertura de
provisiones. Estos indicadores son ampliamente utilizados como aproximaciones del riesgo crediticio en
estudios sobre instituciones financieras y microfinancieras (Berger & DeYoung, 1997; Louzis et al., 2012).
La selección de estas variables responde tanto a su relevancia teórica como a su disponibilidad y
consistencia en la información reportada por la SBS, asegurando la validez y confiabilidad de las
mediciones.
3.4. Modelo y justificación metodológica
Con el objetivo de analizar la relación entre el riesgo crediticio y la rentabilidad financiera de las
CMAC, se empleó un enfoque cuantitativo basado en técnicas estadísticas de carácter descriptivo y
correlacional.
A diferencia de los enfoques econométricos de datos de panel, el presente estudio se centra en el
análisis de asociaciones entre variables financieras, priorizando la identificación de patrones de
comportamiento y relaciones estadísticamente significativas en el contexto de la crisis derivada de la
pandemia de la COVID-19 durante el período 2019–2022.
El riesgo crediticio fue operacionalizado mediante dos indicadores clave: la morosidad, como forma
de medir el deterioro de la calidad de la cartera crediticia, y la cobertura de provisiones, como medida
de la capacidad de las entidades para absorber pérdidas potenciales. Por su parte, la rentabilidad
financiera se midió a través de los indicadores tradicionales ROA y ROE.
Este enfoque metodológico es consistente con estudios empíricos en el ámbito financiero que buscan
analizar relaciones entre variables clave en contextos de alta incertidumbre, donde la prioridad es
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 8
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
comprender patrones de comportamiento más que establecer relaciones causales estrictas (Gujarati &
Porter, 2010; Wooldridge, 2010). En este sentido, los resultados deben interpretarse en términos de
asociación y no de causalidad, manteniendo coherencia con el diseño no experimental del estudio.
3.5. Procedimiento de análisis estadístico
El análisis de los datos se desarrolló siguiendo un procedimiento secuencial que permitió garantizar
la coherencia entre los objetivos del estudio y los resultados obtenidos:
1. Análisis estadístico descriptivo, mediante medidas de tendencia central, dispersión y representación
gráfica, con el fin de caracterizar el comportamiento de las variables de rentabilidad y riesgo
crediticio durante el período de estudio.
2. Pruebas de normalidad, aplicadas para evaluar la distribución de los datos y determinar la
pertinencia del uso de pruebas paramétricas.
3. Análisis de correlación de Pearson, utilizado como una aproximación inicial para identificar la
dirección e intensidad de la relación entre el riesgo crediticio y la rentabilidad.
4. Estimaciones con el objetivo de analizar la asociación entre el riesgo crediticio sobre la rentabilidad
de las CMAC, controlando la heterogeneidad individual no observable y las variaciones temporales
asociadas al contexto de la pandemia.
Este procedimiento metodológico se encuentra alineado con estudios empíricos similares
desarrollados en el ámbito de las finanzas y la economía bancaria, donde el uso combinado de análisis
descriptivo y correlacional permite una comprensión integral de la relación entre riesgo y desempeño
financiero (Athanasoglou et al., 2008; Louzis et al., 2012).
4. Resultados
De acuerdo con los resultados de la Tabla 2, las CMAC muestran una diversidad de
comportamientos en términos de variación de morosidad, cobertura de provisión de créditos,
rentabilidad sobre activos (ROA) y rentabilidad sobre patrimonio (ROE). Por ejemplo, CMAC Arequipa
muestra un ROA medio de 8.35% y un ROE de 4.84%, con una asimetría positiva en ambas medidas,
indicando una distribución sesgada hacia valores superiores. La variación de morosidad es moderada
con una media de 4.26% y un desvío estándar relativamente bajo, reflejando estabilidad comparada con
otras regiones. La cobertura de provisión de créditos presenta una media de 238.53, lo cual sugiere una
estrategia sólida de cobertura crediticia.
Tabla 2. Descriptivo de los indicadores de Riesgo Crediticio y Rentabilidad según Caja Municipal de
Ahorro, 2019 a 2022.
Caja Municipal de
Ahorro
Estadísticos
Variación
de
morosidad
Variación de
cobertura de
provisión de
créditos
% De
rentabilidad
sobre activos
(ROA)
% De
rentabilidad
sobre
patrimonio
(ROE)
Arequipa
Media
4.26
238.53
8.35
4.84
Mediana
4.10
238.59
2.92
2.43
Desv. típ.
0.81
68.12
8.32
3.93
Asimetría
0.16
0.18
0.36
0.84
Curtosis
-1.51
-1.46
-1.78
-1.03
Mínimo
3.12
155.33
0.28
0.54
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 9
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Caja Municipal de
Ahorro
Estadísticos
Variación
de
morosidad
Variación de
cobertura de
provisión de
créditos
% De
rentabilidad
sobre activos
(ROA)
% De
rentabilidad
sobre
patrimonio
(ROE)
Máximo
5.62
346.73
19.61
12.31
Cusco
Media
3.44
182.99
6.22
3.92
Mediana
3.21
176.86
1.59
2.36
Desv. típ.
0.72
38.21
6.56
3.10
Asimetría
0.63
0.26
0.54
0.79
Curtosis
-0.84
-1.42
-1.58
-0.79
Mínimo
2.29
130.88
0.07
0.27
Máximo
4.82
257.06
16.01
9.98
Del Santa
Media
20.42
110.06
-6.91
-8.12
Mediana
22.49
104.39
-4.31
-2.58
Desv. típ.
5.79
15.49
6.54
11.03
Asimetría
-1.56
1.89
-0.81
-1.18
Curtosis
1.75
2.89
-0.66
-0.16
Mínimo
5.71
94.36
-20.77
-33.79
Máximo
26.73
154.32
0.42
2.92
Huancayo
Media
3.49
169.77
8.02
4.45
Mediana
3.59
152.96
3.15
2.52
Desv. típ.
0.61
42.81
8.13
3.49
Asimetría
-0.71
1.75
0.39
0.93
Curtosis
-0.32
2.48
-1.72
-0.70
Mínimo
1.93
125.70
.24
0.60
Máximo
4.39
312.51
19.36
11.53
Ica
Media
5.46
202.03
6.09
4.24
Mediana
5.59
194.92
3.54
2.53
Desv. típ.
0.72
50.20
5.53
3.27
Asimetría
0.43
0.30
0.27
0.97
Curtosis
1.14
-1.48
-1.82
-0.57
Mínimo
4.34
144.73
0.44
0.83
Máximo
7.85
285.22
13.24
11.27
Maynas
Media
5.87
158.87
3.69
3.17
Mediana
5.67
160.91
1.34
1.48
Desv. típ.
0.90
23.76
3.37
2.69
Asimetría
0.00
0.24
0.51
0.66
Curtosis
-1.18
-0.87
-1.58
-1.28
Mínimo
4.19
123.36
0.15
0.20
Máximo
7.39
208.26
8.72
8.22
Paita
Media
15.01
110.53
-1.34
-2.64
Mediana
15.58
107.93
-1.36
-.56
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 10
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Caja Municipal de
Ahorro
Estadísticos
Variación
de
morosidad
Variación de
cobertura de
provisión de
créditos
% De
rentabilidad
sobre activos
(ROA)
% De
rentabilidad
sobre
patrimonio
(ROE)
Desv. típ.
2.74
9.52
1.24
4.49
Asimetría
-1.48
0.53
-0.28
-0.77
Curtosis
1.77
-0.16
-0.13
-0.39
Mínimo
6.47
95.00
-4.47
-12.22
Máximo
17.96
132.76
0.73
4.17
Piura
Media
7.37
139.23
5.39
4.00
Mediana
7.36
145.67
2.50
1.74
Desv. típ.
0.80
20.57
5.14
3.90
Asimetría
0.17
-0.31
0.34
1.12
Curtosis
-1.10
-1.64
-1.78
-0.01
Mínimo
5.95
105.05
0.20
0.34
Máximo
8.89
166.49
12.77
12.95
Sullana
Media
15.19
103.97
-2.88
-8.06
Mediana
14.84
102.60
-1.35
-1.64
Desv. típ.
2.38
6.57
6.47
10.80
Asimetría
0.11
0.11
-1.06
-1.15
Curtosis
-1.32
-0.75
0.57
-0.15
Mínimo
11.08
91.15
-17.94
-32.07
Máximo
19.29
117.34
6.74
0.68
Tacna
Media
12.00
114.12
-0.72
-5.09
Mediana
11.02
115.16
-1.23
-0.31
Desv. típ.
3.34
8.40
2.68
12.97
Asimetría
1.03
0.82
1.12
-0.91
Curtosis
0.26
2.45
1.13
-0.08
Mínimo
7.51
97.15
-4.10
-33.53
Máximo
20.41
140.46
7.40
13.33
Trujillo
Media
6.33
151.51
3.45
2.51
Mediana
6.38
150.22
1.65
1.46
Desv. típ.
0.44
13.93
3.22
3.09
Asimetría
-0.71
0.54
0.38
1.23
Curtosis
-0.05
-0.91
-1.60
0.14
Mínimo
5.08
134.57
-0.21
-1.12
Máximo
6.93
182.32
8.23
9.28
Nota: procesamiento SPSS estadística descriptiva por cada CMAC.
Contrariamente, CMAC Sullana presenta un ROA y ROE negativos (-2.88% y -8.06%), con una
asimetría leve en la morosidad (15.19% de media) y una cobertura de provisiones baja de 103.97. El dato
sugiere problemas en la gestión de recuperaciones, lo cual estaría impactando directamente en el
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 11
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
indicador de morosidad; por lo tanto, se estima que la entidad enfrenta fuertes desafíos en la gestión de
su cartera y que podrían derivar es futuros problemas financieros.
Con base en la Tabla 3 se muestra el análisis de la prueba de normalidad de Kolmogorov-Smirnov
aplicada a las distintas variables de las CMAC, donde se observa que, en la mayoría de los casos, las
variables presentan valores de significancia menores a 0.05, lo que implica el rechazo de la hipótesis nula
de normalidad y, por ende, una distribución no normal.
Tabla 3. Prueba de normalidad para las variables de riesgo crediticio y rentabilidad según Caja Municipal
de Ahorro, 2019 a 2022.
Variables
Kolmogorov-Smirnov
Estadístico
gl
Sig.
Variación de morosidad
0.212
528
0.000
Variación de cobertura de provisión de créditos
0.147
528
0.000
% De rentabilidad sobre activos (ROA)
0.214
528
0.000
% De rentabilidad sobre patrimonio (ROE)
0.251
528
0.000
Nota: procesamiento SPSS prueba de normalidad por cada CMAC.
En conclusión, la evaluación de la prueba de Shapiro-Wilk evidencia que la mayoría de las variables
estudiadas en las distintas CMAC no siguen una distribución normal, lo cual es relevante para la elección
de métodos estadísticos apropiados, pudiendo ser necesario el uso de técnicas no paramétricas o la
transformación de datos para cumplir con los supuestos de normalidad.
El análisis basado en el coeficiente de correlación Rho de Spearman muestra una relación entre las
variables de riesgo crediticio (variación de morosidad y cobertura de provisión de créditos) y las variables
de rentabilidad (ROA y ROE) en distintas CMAC. En general, se observa que la variación de la morosidad
tiene un impacto diferencial sobre la rentabilidad (ver Tabla 4). Por un lado, en varias CMAC, como
Arequipa y Maynas, existe una correlación positiva significativa entre la variación de morosidad y el
ROA (0.872 y 0.773, respectivamente), indicando que un mayor cambio en la morosidad podría asociarse
con un aumento en el retorno sobre los activos. Por otro lado, respecto al ROE, predominan correlaciones
negativas significativas, como en CMAC Arequipa (-0.417) y CMAC Tacna (-0.726), lo que sugiere que
un incremento en la morosidad tiende a disminuir los retornos sobre el patrimonio.
Tabla 4. Análisis de correlación de indicadores de riesgo crediticio y rentabilidad según Caja Municipal
de Ahorro.
Caja Municipal de Ahorro
% De
rentabilidad
sobre activos
(ROA)
% De
rentabilidad
sobre
patrimonio
(ROE)
CMAC
AREQUIPA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
0.872
-0.417
Sig. (bilateral)
0.000
0.003
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.894
0.336
Sig. (bilateral)
0.000
0.019
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 12
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
CMAC
CUSCO
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
0.049
0.355
Sig. (bilateral)
0.742
0.013
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.734
-0.190
Sig. (bilateral)
0.000
0.197
CMAC DEL
SANTA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
-0.606
-0.351
Sig. (bilateral)
0.000
0.014
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
0.630
-0.090
Sig. (bilateral)
0.000
0.544
CMAC
HUANCAYO
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
-0.085
0.562
Sig. (bilateral)
0.565
0.000
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.334
-0.504
Sig. (bilateral)
0.020
0.000
CMAC ICA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
0.669
-0.370
Sig. (bilateral)
0.000
0.010
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.910
0.427
Sig. (bilateral)
0.000
0.002
CMAC
MAYNAS
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
0.773
-0.473
Sig. (bilateral)
0.000
0.001
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.799
0.332
Sig. (bilateral)
0.000
0.021
CMAC
PAITA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
-0.284
-0.125
Sig. (bilateral)
0.050
0.397
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.227
-0.158
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 13
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Sig. (bilateral)
0.121
0.284
CMAC
PIURA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
0.237
-0.638
Sig. (bilateral)
0.104
0.000
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.679
0.564
Sig. (bilateral)
0.000
0.000
CMAC
SULLANA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
0.050
0.536
Sig. (bilateral)
0.737
0.000
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.031
-0.697
Sig. (bilateral)
0.832
0.000
CMAC
TACNA
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
-0.755
-0.726
Sig. (bilateral)
0.000
0.000
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
0.533
0.545
Sig. (bilateral)
0.000
0.000
CMAC
TRUJILLO
Riesgo Crediticio
Variación de
morosidad
Coeficiente de
correlación Rho de
Spearman
-0.034
-0.573
Sig. (bilateral)
0.820
0.000
Variación de
cobertura de
provisión de créditos
Coeficiente de
correlación Rho de
Spearman
-0.496
0.318
Sig. (bilateral)
0.000
0.027
Nota: procesamiento SPSS correlación por cada CMAC.
En el caso de la cobertura de provisión de créditos, se encuentran tendencias opuestas en relación
con las medidas de rentabilidad. En la mayoría de las CMAC, como Arequipa e Ica, la correlación con el
ROA es negativa y significativa (-0.894 y -0.910, respectivamente), lo que implica que mayores
provisiones de créditos suelen estar asociadas con menores retornos sobre activos, probablemente debido
al costo de mantener provisiones altas. Sin embargo, para el ROE, las correlaciones suelen ser positivas
y significativas, como en CMAC Ica (0.427) y CMAC Piura (0.564). Esto podría interpretarse como un
efecto protector de las provisiones, que permiten mantener la rentabilidad del patrimonio frente a
posibles pérdidas crediticias.
Existen casos particulares que destacan en el análisis. Por ejemplo, CMAC Tacna muestra
correlaciones negativas significativas tanto entre la variación de morosidad y el ROA (-0.755) como con
el ROE (-0.726), indicando que esta institución podría ser más sensible a los cambios en la morosidad. Sin
embargo, para la cobertura de provisión de créditos, CMAC Tacna presenta correlaciones positivas y
significativas tanto para el ROA (0.533) como para el ROE (0.545), sugiriendo que la gestión de las
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 14
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
provisiones en esta institución es eficiente y contribuye positivamente a la rentabilidad, lo cual puede
evitar futuros problemas financieros. En contraste, CMAC Cusco muestra correlaciones no significativas
en la mayoría de las relaciones analizadas, lo que podría indicar poca interacción entre las variables en
esta institución. En términos generales, los resultados destacan la importancia de una gestión eficiente
de la morosidad y las provisiones de crédito para maximizar la rentabilidad.
El análisis de correlación Rho de Spearman evidencia que la relación entre riesgo crediticio
(morosidad y provisiones) y rentabilidad no es homogénea entre las CMAC, lo que sugiere que dichas
relaciones están condicionadas por factores estructurales propios de cada entidad, como el tamaño del
patrimonio, el nivel de capitalización y la estrategia de gestión del riesgo durante el periodo de
pandemia. En consecuencia, los resultados deben interpretarse como asociaciones estadísticas, más que
como relaciones causales directas.
5. Discusión
Los resultados obtenidos evidencian que la relación entre riesgo crediticio y rentabilidad en las
CMAC peruanas de menor cobertura de provisiones no es homogénea, sino que presenta una marcada
heterogeneidad entre entidades, particularmente durante el periodo de crisis asociado a la pandemia del
COVID-19. Esta evidencia confirma que los efectos del deterioro crediticio sobre el desempeño financiero
dependen de la estructura de provisiones, la calidad de cartera y la capacidad de absorción de pérdidas
de cada institución.
En primer lugar, los coeficientes de correlación muestran que, en varias CMAC, el incremento de la
morosidad se asocia de manera significativa con una reducción de la rentabilidad, especialmente medida
a través del ROE. Este resultado es consistente con la teoría del riesgo–retorno aplicado al sector bancario,
la cual sostiene que un aumento del riesgo crediticio incrementa los costos financieros y reduce la
eficiencia en la generación de utilidades (Saona, 2016; Lapo-Maza et al., 2021). En contextos de crisis,
como el generado por la pandemia, el deterioro de la capacidad de pago de los prestatarios intensifica
este efecto negativo, afectando directamente los márgenes financieros.
Sin embargo, el análisis por entidad revela que esta relación no es uniforme. En algunas CMAC,
como Arequipa, Ica y Maynas, se observa una relación positiva entre la variación de la morosidad y el
ROA, lo que sugiere que estas instituciones lograron sostener niveles de rentabilidad operativa a pesar
del deterioro crediticio. Este comportamiento puede interpretarse a la luz de la teoría del incentivo
económico, según la cual las entidades financieras, frente a un aumento del riesgo, pueden adoptar
estrategias de ajuste en tasas de interés, reprogramaciones crediticias selectivas o reducción de costos
operativos para preservar la rentabilidad (Alexis, 2023). No obstante, esta rentabilidad operativa no
siempre se traduce en una mejora del ROE, lo que evidencia limitaciones estructurales en la rentabilidad
del capital.
En relación con la cobertura de provisiones, los resultados muestran predominantemente una
relación negativa entre la variación de la cobertura de provisiones y el ROA en la mayoría de las CMAC
analizadas. Este hallazgo es coherente con la literatura que señala que el incremento de provisiones,
aunque fortalece la solvencia y la estabilidad financiera, impacta negativamente en los resultados de corto
plazo al reducir las utilidades contables (Bitar et al., 2021; Demirgüç-Kunt et al., 2021). Desde una
perspectiva teórica, este resultado se explica por el trade-off entre rentabilidad y prudencia financiera, en
el cual mayores provisiones actúan como un mecanismo de absorción de pérdidas futuras, pero sacrifican
rentabilidad presente.
No obstante, en algunas CMAC, como Tacna y Del Santa, se observa una relación positiva entre el
aumento de la cobertura de provisiones y la rentabilidad, particularmente medida por el ROE. Este
comportamiento sugiere que una política de provisiones más conservadora puede generar efectos
reputacionales y de estabilidad que, en el mediano plazo, fortalecen la confianza y mejoran la eficiencia
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 15
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
del capital. Este resultado es consistente con la teoría del ciclo de vida de las instituciones financieras, la
cual plantea que entidades con mayor madurez institucional tienden a priorizar la estabilidad y la gestión
prudente del riesgo, incluso a costa de una menor rentabilidad inmediata (Alexis, 2023).
Asimismo, la evidencia muestra que las CMAC con menor cobertura de provisiones presentan una
mayor sensibilidad de la rentabilidad frente a variaciones en los indicadores de riesgo crediticio. Este
resultado refuerza el argumento de que una cobertura insuficiente limita la capacidad de absorción de
pérdidas esperadas y no esperadas, amplificando el impacto del deterioro de la cartera sobre los
resultados financieros. En este sentido, los hallazgos coinciden con Cull et al. (2019), quienes sostienen
que en instituciones microfinancieras que atienden segmentos de alta informalidad y volatilidad de
ingresos, una gestión deficiente del riesgo crediticio tiene efectos más pronunciados sobre la rentabilidad
y la estabilidad.
Desde una perspectiva regulatoria, los resultados adquieren especial relevancia en el contexto de los
cambios normativos impulsados por la SBS, orientados a fortalecer los requerimientos de capital y
provisiones en el sistema microfinanciero peruano. La evidencia empírica sugiere que las CMAC con
menor cobertura de provisiones enfrentan mayores dificultades para sostener niveles de rentabilidad
durante periodos de estrés macroeconómico, lo que respalda la pertinencia de políticas regulatorias
diferenciadas que consideren el perfil de riesgo y la estructura de capital de cada entidad.
En conjunto, los resultados confirman que la rentabilidad de las CMAC durante la pandemia no fue
aleatoria, sino que es producto del manejo estratégico del riesgo crediticio y de las políticas de
provisiones adoptadas por cada institución. La heterogeneidad observada entre CMAC refuerza la
necesidad de analizar el sector microfinanciero de manera segmentada, considerando las
particularidades institucionales y estructurales que condicionan la relación entre riesgo crediticio y
desempeño financiero.
6. Conclusiones, limitaciones y recomendaciones
Las evidencias empíricas obtenidas permiten concluir que las CMAC peruanas presentaron
comportamientos heterogéneos en términos de riesgo crediticio y rentabilidad durante el periodo 2019–
2022, reflejando diferencias estructurales en la gestión de cartera, provisiones y respaldo patrimonial en
un contexto de crisis sistémica.
En términos generales, se identificó una relación estadísticamente significativa entre el riesgo
crediticio y la rentabilidad financiera de las CMAC con menor cobertura de provisiones, lo que confirma
que el deterioro de la calidad de la cartera se asocia con variaciones en el desempeño financiero. No
obstante, esta relación no se manifiesta de manera uniforme entre todas las entidades, lo que evidencia
la importancia de factores institucionales específicos, como el nivel de capitalización y la estrategia de
gestión del riesgo. El caso de la CMAC Sullana ilustra esta heterogeneidad, al no mostrar una relación
clara entre riesgo crediticio y rentabilidad, lo que sugiere limitaciones estructurales en su cobertura
patrimonial.
Respecto a la morosidad, los resultados permiten concluir que su impacto sobre la rentabilidad es
diferenciado según el indicador financiero considerado. Mientras que la rentabilidad sobre activos puede
verse parcialmente sostenida en escenarios de incremento de la morosidad, la rentabilidad sobre el
patrimonio tiende a verse más afectada, lo que indica que el deterioro de la cartera incide con mayor
intensidad sobre el capital propio de las entidades. Este hallazgo pone de relieve la sensibilidad del ROE
frente al riesgo crediticio en contextos de elevada incertidumbre económica.
En relación con la cobertura de provisiones de créditos, se concluye que esta variable cumple un rol
dual en la rentabilidad financiera. Por un lado, mayores niveles de provisiones se asocian con una menor
rentabilidad sobre activos, debido al incremento de los costos operativos. Por otro lado, dichas
provisiones contribuyen a preservar la rentabilidad del patrimonio, actuando como un mecanismo de
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 16
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
protección frente a eventuales pérdidas crediticias. Este resultado resalta la función prudencial de las
provisiones en la estabilidad financiera de las CMAC.
En conjunto, los hallazgos del estudio sugieren que una gestión adecuada del riesgo crediticio se
encuentra asociada a un mejor desempeño financiero en escenarios de crisis; sin embargo, dado el
enfoque correlacional de la investigación, los resultados deben interpretarse como relaciones estadísticas
y no como efectos causales directos. En consecuencia, se recomienda que futuras investigaciones
incorporen metodologías econométricas de mayor alcance para profundizar en los mecanismos causales
que vinculan el riesgo crediticio con la rentabilidad financiera.
La presente investigación presenta algunas limitaciones que deben ser consideradas al interpretar
sus resultados. En primer lugar, el estudio adopta un enfoque correlacional, por lo que los hallazgos
permiten identificar asociaciones estadísticamente significativas entre el riesgo crediticio y la
rentabilidad de las CMAC, pero no establecen relaciones de causalidad. Si bien las correlaciones
estimadas mediante el coeficiente Rho de Spearman aportan evidencia empírica relevante sobre la
coexistencia de estos fenómenos durante el período 2019–2022, no es posible afirmar que los cambios en
la morosidad o en la cobertura de provisiones sean la causa directa de las variaciones en los indicadores
de rentabilidad, especialmente en un contexto de crisis sistémica como la pandemia del COVID-19.
En segundo lugar, el análisis se limita exclusivamente a las CMAC peruanas con menor cobertura
de provisiones, lo que restringe la generalización de los resultados al conjunto del sistema financiero o al
sector microfinanciero en su totalidad. Asimismo, el período de estudio coincide con un evento
extraordinario, caracterizado por políticas de alivio financiero, reprogramaciones crediticias y medidas
regulatorias excepcionales, lo que pudo haber alterado el comportamiento tradicional de las variables
analizadas. Finalmente, la investigación emplea información agregada a nivel institucional, lo que
impide capturar heterogeneidades internas en la gestión del riesgo crediticio. Futuras investigaciones
podrían superar estas limitaciones mediante la incorporación de modelos econométricos más robustos,
la ampliación del horizonte temporal y la inclusión de otras instituciones microfinancieras, con el fin de
profundizar en los mecanismos causales subyacentes.
A partir de los resultados obtenidos, se formulan las siguientes recomendaciones orientadas a la
gestión del riesgo crediticio y la sostenibilidad financiera de las CMAC.
Dado que las provisiones de créditos muestran un efecto protector sobre el ROE en varias CMAC,
se recomienda adoptar esquemas de provisión contracíclica más robustos, especialmente en entidades
con menor cobertura de capital. Si bien estas provisiones pueden reducir la rentabilidad operativa (ROA),
su rol en la preservación del patrimonio resulta clave para sostener la solvencia en escenarios de estrés
económico.
Se recomienda que las CMAC incorporen de manera explícita el análisis conjunto de ROA y ROE en
sus políticas de riesgo crediticio, dado que los resultados muestran que la morosidad y las provisiones
afectan de forma diferenciada ambos indicadores. En particular, las entidades deben evitar estrategias
orientadas únicamente a sostener el ROA en el corto plazo, si estas comprometen la rentabilidad del
patrimonio y la solidez financiera en el mediano plazo.
En términos generales, los resultados destacan la importancia de una gestión eficiente de la
morosidad y las provisiones de crédito para maximizar la rentabilidad. Estas observaciones resaltan la
necesidad de que las CMAC diseñen estrategias personalizadas para equilibrar los riesgos crediticios con
sus objetivos de rentabilidad, considerando las diferencias significativas entre instituciones y contextos
locales. Así pues, se hace necesaria la integración de la gestión de crisis y la resiliencia las organizaciones
financieras, sobre todo, para fortalecer la competitividad en entornos cambiantes y turbulentos como los
actuales (Toro-Gallego et al. 2025).
Los resultados evidencian una heterogeneidad significativa entre CMAC. En este sentido, se
recomienda que las entidades con alta sensibilidad a la morosidad, como aquellas que muestran
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 17
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
correlaciones negativas simultáneas con ROA y ROE, refuercen sus criterios de evaluación crediticia y
monitoreo de cartera en la etapa postcrisis, periodo en el cual suele incrementarse la demanda de crédito.
Esta recomendación es coherente con lo señalado por Morales-Castro y Espinosa-Jiménez (2024) respecto
al mayor riesgo crediticio posterior a choques sistémicos.
En línea con lo propuesto por Šegrt et al. (2023), se recomienda que las CMAC evalúen la adopción
progresiva de metodologías más avanzadas de gestión del riesgo crediticio, tales como modelos de alerta
temprana, segmentación dinámica de cartera y análisis de escenarios adversos. Estas herramientas
permitirían reducir la vulnerabilidad frente a incrementos abruptos de la morosidad y mejorar la toma
de decisiones estratégicas.
Dado que el aumento de la morosidad impacta directamente en las provisiones y, por ende, en el
indicador de capital global, se recomienda que las CMAC mantengan márgenes prudenciales adicionales
sobre el mínimo regulatorio. La reducción sostenida de este indicador no solo debilita la solvencia
patrimonial, sino que incrementa el riesgo de intervención por parte del regulador en escenarios
adversos.
Desde una perspectiva regulatoria, los resultados sugieren la necesidad de continuar promoviendo
políticas que incentiven una adecuada capitalización y provisión en el sistema de CMAC. Asimismo, se
recomienda que futuras investigaciones amplíen el periodo de análisis, incorporen otros actores del
sistema microfinanciero y utilicen metodologías econométricas que permitan evaluar relaciones de
causalidad, como modelos de panel dinámico o modelos VAR.
Contribuciones de los autores según CRediT: Conceptualización, E.R.N.O.; metodología, E.R.N.O.; software,
E.M.M.; validación, E.M.M., & E.R.N.O.; análisis formal, E.R.N.O.; investigación, E.R.N.O.; curación de datos,
E.M.M.; escritura: preparación del borrador original, E.R.N.O.; escritura, revisión y edición: C.T.G.; supervisión,
C.T.G. “Los autores han leído y aprobado la versión publicada del manuscrito”.
Conflictos de interés: “Los autores declaran que no existen conflictos de interés”.
Referencias
Addy, A., Ugochukwu, E., Oyewole, T., Ofodile, C., Adeoye, B., & Okoye, C. (2024). Predictive analytics in credit
risk management for banks: A comprehensive review. GSC Advanced Research and Reviews, 18(2), 434–449.
https://doi.org/10.30574/gscarr.2024.18.2.0077
Alexis, N. B. (2023). Understanding the microfinance's capital structure: Does it alter its business model? FIIB Business
Review, 12(1), 49–57. https://doi.org/10.1177/2319714520948990
Aldasoro, I., Fender, I., Hardy, B., & Tarashev, N. (2021). Effects of COVID-19 on the banking sector: The market's
assessment (No. 12). BIS Bulletin. https://www.bis.org/publ/bisbull12.pdf
Andrade-Cornejo, C., Flores-Sánchez, G., & Coronel-Pangol, K. (2024). Análisis de la rentabilidad y su relación con
el riesgo crediticio y liquidez de mutualistas en Ecuador. Revista Economía y Política, 40, 40–57.
https://doi.org/10.25097/rep.n40.2024.03
Andrade Pinelo, A. M. (2011). Análisis del ROA, ROE y ROI. http://hdl.handle.net/10757/608313
Arellano, M. (2003). Panel data econometrics. Oxford University Press.
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
Banco Central de Reserva del Perú [BCRP]. (2020). Evolución de la solvencia del sistema financiero. Revista Moneda,
190, 30–45. https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-190/moneda-190.pdf
Basel Committee on Banking Supervision [BCBS]. (2000). Principles for the management of credit risk. Bank for
International Settlements. https://www.bis.org/publ/bcbs75.htm
Everth Rolando Najar-Ojeda, Cristóbal Toro-Gallego, Edgardo Mayta-Mamani 18
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Banco Mundial (diciembre, 2021). Resumen del año 2021 en 11 gráficos. https://www.bancomundial.org/es/news
Berger, A. N., & DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking &
Finance, 21(6), 849–870. https://doi.org/10.1016/S0378-4266(97)00003-4
Bikker, J. A., & Metzemakers, P. A. J. (2005). Bank provisioning behaviour and procyclicality. Journal of International
Financial Markets, Institutions and Money, 15(2), 141–157. https://doi.org/10.1016/j.intfin.2004.03.004
Bitar, M., Pukthuanthong, K., & Walker, T. (2021). The impact of capital and liquidity ratios on financial stability:
Evidence from COVID-19. Journal of Banking & Finance, 133, 106303.
https://doi.org/10.1016/j.jbankfin.2021.106303
Cull, R., Demirgüç-Kunt, A., & Morduch, J. (2019). Microfinance and economic development. Journal of Economic
Perspectives, 33(1), 87–110. https://doi.org/10.1257/jep.33.1.87
Demirgüç-Kunt, A., Pedraza, A., & Ruiz-Ortega, C. (2021). Banking sector performance during the COVID-19 crisis.
Journal of Banking & Finance, 133, 106303. https://doi.org/10.1016/j.jbankfin.2021.106305
Diamond, D. W. (1984). Financial intermediation and delegated monitoring. The Review of Economic Studies, 51(3),
393–414. https://doi.org/10.2307/2297430
Gujarati, D. N., & Porter, D. C. (2010). Econometría (5ª ed.). McGraw-Hill.
Haris, M., Yao, H., & Fatima, H. (2024). The impact of liquidity risk and credit risk on bank profitability during
COVID-19. PLOS ONE, 19(9), e0308356. https://doi.org/10.1371/journal.pone.0308356
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta.
McGraw-Hill.
Hsiao, C. (2014). Analysis of panel data (3ª ed.). Cambridge University Press.
Instituto Nacional de Estadística e Informática [INEI]. (2025). Tasa de empleo informal en Perú y comparación regional.
ILOSTAT data. https://www.inei.gob.pe
Kerlinger, F. N., & Lee, H. B. (2002). Foundations of behavioral research (4ª ed.). Wadsworth.
Koch, T. W., & MacDonald, S. S. (2015). Bank management (8ª ed.). Cengage Learning.
Lapo-Maza, M. del C., Tello-Sánchez, M. G., & Mosquera-Camacás, S. C. (2021). Profitability, capital and credit risk
in Ecuadorian banks. Investigación Administrativa, 12(7), 18–39. https://doi.org/10.35426/iav50n127.02
Louzis, D. P., Vouldis, A. T., & Metaxas, V. L. (2012). Macroeconomic and bank-specific determinants of non-
performing loans. Journal of Banking & Finance, 36(4), 1012–1027. https://doi.org/10.1016/j.jbankfin.2011.10.012
Marcu, M. R. (2021). The impact of the COVID-19 pandemic on the banking sector. Management Dynamics in the
Knowledge Economy, 9(2), 205–223. https://doi.org/10.2478/mdke-2021-0015
Morales-Castro, J. A., & Espinosa-Jiménez, P. M. (2023). Factores que influyen en la oferta de créditos bancarios en
México: Un análisis en el contexto de las crisis de 2000 a 2021. RAN - Revista Academia Negocios, 9(1), 79–93.
https://doi.org/10.29393/RAN9-7FIJP20007
Myers, S. C., & Majluf, N. S. (1984). Corporate financing and investment decisions when firms have information that
investors do not have. Journal of Financial Economics, 13(2), 187–221. https://doi.org/10.1016/0304-405X(84)90023-
0
Najar-Ojeda, E. R. (2024). La calidad de cartera crediticia en la rentabilidad de las CMAC peruanas, en el contexto
del entorno económico COVID-19 2019-2021. [Tesis de Maestría, Universidad Privada de Tacna].
https://repositorio.upt.edu.pe/handle/20.500.12969/3684
Saona, V. (2016). Estructura de capital y rentabilidad del sector bancario que opera en el Perú. Revista de Ciencias
Sociales, 22(2), 45–56. https://doi.org/10.1234/rcs.v22i2.45
Šegrt, S., Vuini, D., Mihajlović, M., & Radivojević, M. (2023). The role of the banks rating system in the allocation of
loans. International Review, 1–2, 139–148. https://doi.org/10.5937/intrev2302149S
Superintendencia de Banca, Seguros y AFP [SBS]. (2023). Glosario de términos e indicadores.
https://www.sbs.gob.pe/regulacion/basilea-ii-y-basilea-iii/glosario-de-terminos-clave
Taranco, C. G., & Quiroz, V. J. (2021). Covid 19: Efectos en la rentabilidad y el rendimiento. El caso del sistema
bancario en el Perú, 2019-2020. Revista de Análisis Económico y Financiero, 4(1), 7–14.
https://doi.org/10.24265/RAEF.2021.V4N1.28
Morosidad, provisiones y rentabilidad financiera en las Cajas Municipales de Ahorro y Crédito del Perú durante la crisis del COVID-19 19
Economicus Journal of Business and Economics Insights 2026 3(2), 1–19
Toro-Gallego, C., Sapena-Bolufer, J., Plaza-Navas, M. A., & Torres-Pruñonosa, J. (2025). The Science of Organisational
Resilience: Decoding Its Intellectual Structure to Understand Foundations and Future. Administrative Sciences,
15(10), 404. https://doi.org/10.3390/admsci15100404
Vásquez-Arango, L., & Ceballos-García, D. (2024). Riesgo financiero en los bancos y aseguradoras en tiempos de
pandemia: Una revisión bibliográfica. Semestre Económico, 27, 62. https://dx.doi.org/10.22395/seec.v27n62a4537
Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2ª ed.). MIT Press.
