Barreras de acceso al crédito a pequeños productores agropecuarios en Colombia

Nuestros resultados muestran que entre los productores que ingresan al sistema de crédito de fomento por primera vez a través del microcrédito, solo una minoría logra hacer la transición hacia el crédito de fomento tradicional. Sin embargo, aquellos que lo logran obtienen mejores condiciones en sus créditos, incluyendo montos más altos, tasas de interés más bajas y plazos más largos, en comparación con los productores que ingresan directamente al sistema mediante crédito de fomento tradicional.

A continuación, discutimos una posible interpretación a estos resultados. Esta interpretación se basa en la revisión de literatura de la sección 1 y en las limitaciones de nuestra estrategia empírica, que es esencialmente descriptiva y no nos permite hacer inferencias causales.

De acuerdo con la literatura, los intermediarios financieros restringen la oferta de crédito a productores considerados demasiado riesgosos, debido a las asimetrías de información (Carter, 1988). La tecnología de microcrédito, sin embargo, permite a los intermediarios ofrecer créditos a estos productores al obtener mejor información sobre los deudores, involucrar montos más pequeños que limitan las pérdidas en caso de incumplimiento y aplicar tasas de interés más altas que compensan el mayor riesgo (Banerjee, 2013).

A través del microcrédito, estos productores, previamente excluidos del mercado formal de crédito, pueden construir una reputación que refleja con mayor precisión su calidad como deudores. Para algunos productores esta reputación es suficiente para que los intermediarios financieros les otorguen crédito en el segmento tradicional. Sin embargo, para otros productores la señal no es lo suficientemente sólida. Esto puede ocurrir porque esta señal sigue conteniendo ruido o porque efectivamente son demasiado riesgosos; de allí que estos productores permanezcan excluidos del segmento de crédito tradicional.

Nuestros resultados sugieren que solo una minoría de los productores que ingresan al sistema mediante microcrédito pertenece al primer grupo, pero estos parecen ser buenos deudores. Esto se refleja en las condiciones más favorables que obtienen en sus créditos de fomento tradicional, en comparación con las condiciones promedio de los deudores en este segmento.

En este sentido, el microcrédito podría estar aliviando una asimetría de información, al facilitar que unos pocos buenos deudores, que se encontraban excluidos del mercado de crédito de fomento tradicional, tengan acceso a este. Los historiales crediticios y la reputación que los deudores construyen a partir de su comportamiento en el microcrédito podría ser el mecanismo que explique este fenómeno. No obstante, estos deudores son solo una pequeña proporción del total de deudores que accede al microcrédito de fomento, por lo que el alcance de estos posibles efectos parece limitado.

Una interpretación alternativa de nuestros resultados es que el microcrédito mejora la productividad de algunos beneficiarios, lo que a su vez mejora su perfil crediticio y facilita su acceso al segmento de fomento tradicional. En este caso, el microcrédito no estaría actuando como un mecanismo para mitigar barreras de acceso, tal como se define en este estudio. Aunque no podemos descartar completamente esta posibilidad, la evidencia empírica que señala efectos limitados del microcrédito en proyectos productivos de largo plazo sugiere que es poco probable que este mecanismo explique nuestros resultados (Banerjee, 2013).

En esta sección estudiamos la expansión del microcrédito de fomento agropecuario para evaluar si existe evidencia de que el microcrédito ayude a atenuar asimetrías de información en el mercado de crédito de fomento tradicional.

Primero, analizamos los factores asociados con la transición de los beneficiarios de microcrédito de fomento hacia el crédito de fomento tradicional. Los resultados muestran que los deudores con menores niveles de activos y las mujeres tienen una probabilidad más baja de hacer esta transición. En contraste, los productores que acceden al microcrédito a través de entidades no bancarias tienen una mayor probabilidad de migrar al crédito de fomento tradicional. Este resultado podría estar asociado con diferencias en las tecnologías de microcrédito utilizadas por estas entidades (en comparación con los bancos), las cuales les permiten hacer una mejor selección de los clientes.

Después, comparamos la probabilidad de acceso al crédito de fomento tradicional entre beneficiarios que ingresaron al sistema mediante microcrédito y aquellos que entraron directamente con crédito de fomento tradicional. Encontramos que los beneficiarios de microcrédito tienen una menor probabilidad de obtener un desembolso de crédito de fomento hasta dos años después de su ingreso al sistema. Esto podría reflejar diferencias entre los deudores promedio que ingresan al sistema a través del microcrédito y los que lo hacen a través del crédito de fomento tradicional. Es posible que los primeros tengan una menor capacidad de pago y resulten más riesgosos para los intermediarios financieros. Sin embargo, unos pocos productores logran hacer la transición hacia el crédito de fomento tradicional. Las condiciones de los créditos de fomento tradicional que obtienen aquellos son mejores (mayores montos, menores tasas y plazos más largos) que las de los productores que ingresan directamente con crédito de fomento tradicional.

Cerramos esta sección con una discusión sobre las posibles implicaciones de los resultados en relación con el papel del microcrédito como mitigador de asimetrías de información. Basándonos en la literatura, argumentamos que estos resultados son consistentes con la posibilidad de que el historial crediticio, generado mediante el microcrédito, ayude a reducir estas asimetrías de información y facilite el acceso al financiamiento de deudores potencialmente rentables que estaban excluidos del mercado de crédito tradicional. Sin embargo, estos casos representan solo una pequeña proporción del total de beneficiarios del microcrédito de fomento, lo que sugiere que el alcance de estos efectos es limitado y que otras barreras podrían persistir.

Es importante señalar que esta conjetura se basa en un análisis econométrico que identifica asociaciones, pero no permite establecer relaciones causales ni descartar mecanismos alternativos. Por esta razón, los resultados deben interpretarse con cautela y futuras investigaciones podrían ser útiles para explorar este tema en mayor profundidad.

En esta sección exploramos los efectos del riesgo climático sobre el acceso al crédito de los pequeños productores en Colombia. La producción agropecuaria en Colombia, al igual que en otros países en vías de desarrollo, está sujeta a diversos riesgos que afectan su rentabilidad. Entre estos, los riesgos climáticos son especialmente relevantes debido al predominio de tecnologías de producción dependientes del clima y al acceso limitado a seguros formales. Esto expone a los pequeños productores a caídas transitorias de ingresos provocadas por choques climáticos, como sequías, heladas o inundaciones. Aunque el crédito podría ser un mecanismo para suavizar el consumo tras estas caídas, la incertidumbre climática genera riesgos que, a su vez, pueden limitar el acceso al crédito.

Como se discutió en la revisión de literatura de la sección 1, las asimetrías de información, combinadas con los altos riesgos propios de la actividad agropecuaria, pueden crear barreras para el acceso al crédito. Estas barreras pueden manifestarse de forma ex ante, antes de que los choques negativos se materialicen, o de forma ex post, tras su ocurrencia. Ex ante el riesgo puede reducir tanto la oferta como la demanda de crédito: los intermediarios financieros pueden limitar la oferta debido a la incertidumbre sobre el repago de las deudas, mientras que los productores aversos al riesgo pueden evitar endeudarse ante el temor de posibles pérdidas. Ex post los choques negativos pueden incrementar la demanda de crédito para suavizar ingresos, pero al tiempo deteriorar la capacidad de pago de los deudores, lo que lleva a los intermediarios a restringir la oferta. En esta sección examinamos ambos tipos de efectos del riesgo sobre el acceso al crédito.

Para esto, nos enfocamos en el acceso al crédito de productores de papa. Varios aspectos de la producción de papa facilitan la identificación de estos efectos de manera precisa y permiten su generalización para otros pequeños productores del país. Primero, como cultivo de ciclo corto, sus siembras son periódicas, lo que permite a los agricultores ajustar sus decisiones de producción según las condiciones financieras, climáticas y comerciales en el corto plazo. Segundo, la papa, como otros alimentos perecederos, es un cultivo con alta participación de pequeños productores y baja cobertura de seguros formales: el 95 % de los productores siembra menos de tres hectáreas (MADR, 2019) y en 2023 solo el 2 % de las hectáreas sembradas estaban aseguradas. Tercero, la papa es un cultivo altamente dependiente de la disponibilidad de agua, con bajo uso de riego suplementario (MADR, 2019). Aunque los choques climáticos relevantes varían entre cultivos, los desafíos asociados con la predominancia de pequeños productores, la alta dependencia de las lluvias y la baja cobertura de seguros son comunes en otros cultivos agrícolas en el país.

Los resultados de esta sección muestran un aumento en el acceso al crédito tras la ocurrencia de choques negativos de lluvia, lo cual es consistente con el uso del crédito como mecanismo de suavizamiento ex post. Sin embargo, también se observa que, condicional en los choques observados, una mayor variabilidad en las lluvias reduce el acceso al crédito y debilita su respuesta a los choques. Este hallazgo sugiere un efecto negativo ex ante del riesgo sobre el acceso al crédito. Además, encontramos evidencia de que el respaldo del FAG podría mitigar parte de estos efectos adversos del riesgo sobre el acceso al crédito. Aunque el análisis se centra en el cultivo de papa para garantizar una identificación precisa de los efectos, los resultados son coherentes con la teoría y podrían ser aplicables a otros cultivos en contextos similares.

Cundinamarca, Boyacá y Nariño concentran la mayor proporción del área sembrada de papa en el país, con una participación del 37 %, 27 % y 20 %, respectivamente (MADR, 2021). El Mapa 2 muestra que estos departamentos producen cerca del 81 % del total nacional. En general, la producción de papa se concentra principalmente en las zonas de cordillera, ya que por sus condiciones climáticas son las más apropiadas para el crecimiento de este cultivo.

Debido a la dependencia de la producción a la disponibilidad de agua, las siembras se definen según las temporadas de lluvia. En las regiones productoras del centro del país, que incluyen principalmente Cundinamarca, Boyacá y Antioquia, predomina un régimen de precipitación con dos temporadas lluviosas al año. La primera va de marzo a junio y la segunda de septiembre a noviembre. En el sur, que incluye Nariño y Cauca, se observan microclimas con regímenes de lluvia que varían entre subregiones (MADR, 2022). Para maximizar la disponibilidad de agua en el cultivo, las siembras en todas las regiones se realizan al inicio de los periodos de lluvia, con ciclos de producción de aproximadamente cinco meses (Barrios-Pérez et al., 2023).

Las sequías extendidas pueden afectar los calendarios de siembra y la producción, con efectos negativos sobre los ingresos de los productores. Además del caso extremo de una sequía, la variabilidad en la disponibilidad de agua durante el cultivo puede generar variabilidad en sus rendimientos y, por tanto, en los ingresos de los productores. Así, el comportamiento de las lluvias y la imposibilidad de los productores de anticiparlo de manera perfecta representa una fuente de riesgo en la producción de papa. En esta sección exploramos el efecto de este riesgo sobre el acceso al crédito.

En esta sección se presentan cifras que ilustran el acceso al crédito de los pequeños productores de papa en Colombia. Estos datos evidencian similitudes en la participación de los pequeños productores y en la distribución geográfica con las cifras reportadas en la sección 2 para el total de pequeños productores del país.

El Gráfico 13 presenta la evolución del monto total otorgado y el número de beneficiarios de créditos destinados al cultivo de papa entre 2013 y 2022. En 2013 se otorgaron más de COP 55.000 m en créditos a cerca de 4.800 pequeños productores de papa, lo que representa el 2,5 % del monto total de dicha línea y el 2,8 % del total de pequeños productores beneficiarios del crédito de fomento agropecuario en el país. Para 2022 estas proporciones aumentaron al 5,9 % y 3,2 %, respectivamente.

De manera similar a lo observado para el total de créditos agropecuarios en la sección 2, el Gráfico 14 muestra que, entre 2013 y 2022, aproximadamente el 92 % de los beneficiarios de crédito fueron pequeños productores. En los últimos años se observa un aumento en el número de productores medianos y grandes que acceden al crédito, acompañado de un incremento significativo en su participación sobre los montos totales desembolsados.

Por su parte y en línea con la distribución de la producción, los departamentos de Boyacá, Cundinamarca y Nariño concentran la mayor cantidad del crédito a pequeños productores de papa (Mapa 3).

El índice de calidad de cartera presentado en la sección 2 muestra que la morosidad en la cartera del sector agropecuario en Colombia es mayor que en otros sectores, lo que refleja los altos niveles de riesgo inherentes a esta actividad. Según la revisión de literatura discutida en la sección 1, el riesgo puede afectar el acceso al crédito de los pequeños productores por distintos mecanismos. A continuación, se discuten estos mecanismos, con énfasis en el riesgo climático y su relevancia para los pequeños productores agropecuarios en Colombia.

En primer lugar, están los efectos ex post del riesgo, es decir, aquellos generados por la ocurrencia de choques negativos en los ingresos. Estos choques pueden tener impactos tanto en la oferta como en la demanda de crédito. Por un lado, los pequeños productores pueden aumentar su demanda de crédito para suplir necesidades inmediatas de consumo y capital de trabajo tras una caída inesperada de ingresos provocada, por ejemplo, por una sequía o una helada (Udry, 1990; Rosenzweig y Wolpin, 1993; Fafchamps y Lund, 2003; Karlan y Morduch, 2010). Por otro lado, estos choques pueden deteriorar el historial crediticio y la capacidad de pago observada por los intermediarios financieros, limitando su disposición a otorgar crédito a los productores afectados (De Roux, 2021). El impacto neto de estos movimientos en la oferta y la demanda de crédito sobre el acceso final es, por tanto, ambiguo.

Es posible que en Colombia la política de crédito de fomento agropecuario contribuya a mitigar los efectos negativos de los choques climáticos sobre la oferta de crédito. Por ejemplo, algunas LEC, diseñadas para apoyar a los productores afectados por eventos climáticos extremos y descritas en la sección 2, pueden haber propiciado un aumento en el crédito tras la ocurrencia de estos choques climáticos. Asimismo, el respaldo del FAG puede reducir el riesgo de los intermediarios financieros al prestarle a productores en quienes perciben un deterioro de los ingresos como consecuencia de los choques. Los ejercicios empíricos que se presentan en esta sección exploran si existe evidencia de estos mecanismos en nuestros datos.

En segundo lugar, están los efectos ex ante del riesgo climático, los cuales están asociados con la posibilidad de choques negativos en los ingresos, incluso cuando estos no se materializan. Estos efectos pueden generar contracciones en la oferta y la demanda de crédito. Por el lado de la demanda, la respuesta de los prestamistas frente a las asimetrías de información, como la imposición de altos requisitos de colateral o las sanciones sobre los historiales crediticios tras el incumplimiento, transfiere gran parte del riesgo a los deudores. Esto puede llevar a que productores aversos al riesgo reduzcan su demanda de crédito debido a la incertidumbre sobre los retornos de las inversiones financiadas (Boucher et al., 2008).

Por el lado de la oferta, un mayor riesgo de incumplimiento puede llevar a una contracción en la oferta de crédito. Esto podría manifestarse en tasas de interés más altas o en límites a los montos que los intermediarios están dispuestos a prestar, si las asimetrías de información deterioran los beneficios de unas mayores tasas de interés.

En el caso del crédito de fomento en Colombia, los incrementos en las tasas de interés, además, están restringidos por los topes impuestos por la regulación y como se señala en la sección 2, las tasas de interés de fomento con estos topes no reflejan completamente los riesgos inherentes al sector. Esto podría resultar en restricciones a las colocaciones de crédito de fomento como respuesta ex ante al riesgo climático.

En esta sección, analizamos los efectos ex post y ex ante del riesgo climático sobre el acceso al crédito de pequeños productores agropecuarios en Colombia. A continuación, se describe la estrategia empírica diseñada para este análisis.

Utilizamos la información de los desembolsos de crédito de Finagro para pequeños productores de papa entre 2013 y 2020²⁵. Complementamos esta información con medidas de choques e incertidumbre climática a nivel municipal, las cuales calculamos con información georreferenciada de lluvias. Primero, mostramos que estas medidas capturan la incertidumbre en los ingresos de los productores de papa al estar relacionadas con la producción. Después exploramos los efectos de estas medidas de choques e incertidumbre climática sobre los desembolsos de crédito.

Debido a los exigentes requerimientos hídricos en los cultivos de papa, nos concentramos en la precipitación como su principal determinante climático²⁶. Utilizamos la información de lluvias proveniente de los mapas de alta resolución del Climate Hazard Group (Chirps) de la Universidad de California en Santa Bárbara²⁷. A partir de esta información calculamos la precipitación diaria municipal, que después utilizamos para construir dos medidas de riesgo climático por municipio y trimestre: 1) el máximo de días consecutivos secos y 2) la variabilidad en las lluvias diarias. En el Anexo A.4.2 describimos en detalle los datos de precipitación y el cálculo de estas medidas de riesgo climático.

Los días consecutivos secos nos proporcionan una medida de la escasez de agua en los cultivos. Para construir esta variable, definimos un periodo seco en un municipio como aquel compuesto por días consecutivos con precipitaciones inferiores a 1 milímetro (mm) por día. Para cada municipio y trimestre, calculamos la duración del periodo seco más prolongado, expresada en días. Esta duración, que denominamos “máximo de días consecutivos secos”, constituye nuestra medida de choques de sequía.

El Gráfico 15 muestra que entre 2013 y 2019 los municipios productores de papa en el país experimentaron en promedio un máximo de 12,8 días consecutivos secos por trimestre. El gráfico muestra, además, que hay variación en el comportamiento de los días secos entre regiones y a lo largo del tiempo. En nuestra estrategia empírica explotamos esta variación para identificar los efectos de los periodos de sequía sobre el acceso al crédito.

El Cuadro A.4.1.1 en el Anexo muestra que existe una relación negativa y estadísticamente significativa entre la producción que cada municipio provee a los principales mercados del país y los días secos en el municipio (en el Anexo A.4.3. describimos los datos y la especificación utilizados en esta estimación). Esta relación negativa se mantiene incluso cuando analizamos el valor de la producción, que tiene en cuenta posibles incrementos de precios tras las caídas en los volúmenes producidos. Estos resultados sugieren que los días secos representan un choque negativo de ingresos para los productores de papa en los lugares afectados. En nuestros ejercicios econométricos exploramos cómo la ocurrencia de estos choques afecta el acceso al crédito de los pequeños productores en estos municipios.

La variabilidad en las lluvias diarias ha sido propuesta en estudios recientes como una medida de incertidumbre climática (Colmer, 2021; Alem y Colmer, 2022). Estos estudios argumentan que en contextos en los que las lluvias son más variables es más difícil para los productores anticipar su comportamiento. La relación entre las lluvias y la producción agrícola genera, entonces, un vínculo entre la incertidumbre en el comportamiento de las lluvias y la incertidumbre en los ingresos de los productores. Para propósitos de nuestro análisis, calculamos la variabilidad en las lluvias como el coeficiente de variación de la precipitación diaria en ventanas móviles de cinco años para cada trimestre y cada municipio. El Gráfico A.4.1.2 en el Anexo muestra la evolución de esta variable por región.

Para explorar la relación entre el riesgo climático y el acceso al crédito estimamos la siguiente ecuación:

(4.1)

Donde Y_it incluye medidas y condiciones de acceso al crédito de los productores de papa en el municipio i y el trimestre t, en particular: el valor de los desembolsos, el número de beneficiarios, el valor promedio por beneficiario, la tasa de interés promedio y los plazos promedio de los créditos desembolsados (el Anexo A.4.4 describe la información utilizada y el cálculo de estas variables). Las variables P_it y CV_it son las medidas de riesgo climático descritas en la sección anterior: P_it es el promedio del máximo de días consecutivos secos en t y t -1 (promediamos los días secos en dos trimestres para capturar la disponibilidad de lluvias durante todo el ciclo del cultivo) y CV _it es el coeficiente de variación de las lluvias diarias en ventanas móviles de cinco años.

En la estimación controlamos por otras variables climáticas (X_it ), como la precipitación total en el trimestre y su cuadrado, el promedio de la precipitación diaria en ventanas móviles de cinco años y una medida de temperatura extrema, que describimos en el Anexo A.4.2. Estos controles nos permiten aislar del efecto de otros factores climáticos que pueden estar relacionados con el acceso al crédito, a través de otros mecanismos diferentes al riesgo. Por último, incluimos en la estimación efectos fijos de municipio y trimestre b_t para controlar por diferencias constantes en el tiempo en el clima y el acceso al crédito entre municipios y por la estacionalidad en el crédito y las lluvias y choques macroeconómicos que afectan el acceso al crédito en determinado momento y en todos los municipios.

Debido a la inclusión de los efectos fijos de municipio en la estimación, los coeficientes se interpretan como el efecto de desviaciones en las variables de interés con respecto al comportamiento promedio de estas variables en el municipio durante todo el periodo²⁸. Por ejemplo, el coeficiente captura el efecto de un periodo de sequía más extenso que los periodos de sequía promedio en el municipio sobre el acceso al crédito de sus cultivadores de papa. Este puede ser interpretado como un efecto ex post de la exposición al riesgo climático.

De manera análoga, el coeficiente captura el efecto de un aumento en la variabilidad en las lluvias sobre el acceso al crédito en el municipio y puede interpretarse como el efecto ex ante del riesgo climático en el crédito. Esta interpretación es válida si el coeficiente de variación de las lluvias no refleja el impacto de choques realizados (es decir, el efecto ex post del riesgo). Argumentamos que este es el caso, dado que en la estimación incluimos los periodos secos como una medida de los choques observados y controlamos por los promedios de lluvia acumulada y sus cuadrados durante el mismo periodo para el que calculamos el coeficiente de variación. Por tanto, los cambios en el coeficiente de variación reflejan cambios en la varianza de las lluvias, manteniendo constantes los niveles promedio. En consonancia con esta interpretación, como se muestra en el Cuadro A.4.1.1 del Anexo, el coeficiente de variación de las lluvias no presenta un efecto estadísticamente significativo en una especificación análoga a la ecuación (4.1) usando como variables dependientes los volúmenes y valores de producción.

El Cuadro 9 presenta los resultados de estimación de la ecuación 4.1²⁹, donde se muestra que un incremento en el número de días consecutivos secos aumenta el monto total desembolsado en el municipio (columna 1) y el número de beneficiarios de crédito (columna 2). Los coeficientes sugieren que un aumento del 1 % en la duración de un periodo seco genera un incremento promedio del 0,172 % y 0,173 % en los montos y beneficiarios de crédito, respectivamente. Este aumento en los desembolsos de crédito tras periodos más largos de sequías sugiere que el crédito podría estar actuando con un mecanismo ex post para suavizar los ingresos de los productores de papa.

Las columnas 3 a 5 del Cuadro 9 muestran que la longitud de los periodos secos no tiene efectos estadísticamente significativos sobre las tasas de interés, plazos y montos promedio de los créditos desembolsados. Estos resultados implican que los créditos adicionales que se desembolsan como respuesta al choque negativo de ingresos tienen unas características similares a los créditos que se desembolsan en los municipios en condiciones normales. No obstante, es posible que la poca variación en la tasa de interés debido al tope en las tasas de fomento explique el efecto nulo sobre la tasa de interés.

El cuadro también muestra una reducción en los desembolsos de crédito tras un aumento en la variabilidad de las lluvias en el municipio. Esto sugiere que la incertidumbre sobre el comportamiento futuro de las lluvias reduce el acceso al crédito en el municipio. Consistente con un efecto ex ante negativo de la exposición al riesgo sobre el acceso al crédito, la columna 5 muestra que los créditos que se desembolsan en contextos de mayor incertidumbre tienen unos plazos menores. Al igual que en las estimaciones anteriores, no encontramos un efecto estadísticamente significativo de la variabilidad en las lluvias sobre la tasa de interés de los créditos. El efecto nulo de la longitud de los periodos secos y la variabilidad de las lluvias sobre la tasa de interés podría explicarse por la regulación de las tasas, que se describen en la sección 2.

A continuación, exploramos si una mayor incertidumbre climática limita la respuesta del crédito a los choques negativos de ingresos que resultan de las sequías. Para esto estimamos la ecuación 4.1 incluyendo, además, la interacción entre el coeficiente de variación en las lluvias y los días secos (P_it × CV_it). El coeficiente de esta interacción da información sobre el efecto de un incremento en el número de días secos para distintos valores de variabilidad en las lluvias.

El Gráfico 16 resume estos resultados. El gráfico muestra que el incremento en el monto (panel A) y los beneficiarios (panel B) de crédito tras periodos de sequía más largos ocurre cuando el municipio ha tenido una historia de baja variabilidad en las lluvias. A medida que aumenta la incertidumbre sobre el comportamiento futuro de las lluvias, por un incremento en su variabilidad pasada, la respuesta del crédito a los días secos se reduce hasta llegar a cero en contextos con alta incertidumbre.

Los resultados que hemos presentado hasta ahora son consistentes con la teoría que sugiere que los productores utilizan el crédito para suavizar ingresos tras choques negativos de productividad asociados con las sequías. Sin embargo, la incertidumbre climática reduce el acceso al crédito y limita su uso como en mecanismo para suavizar estos choques.

El panel A del Cuadro 10 muestra que el aumento en el crédito tras periodos más largos de sequía proviene de créditos de fomento ordinario y no está asociado con desembolsos beneficiados con las LEC, descritas en la sección 2³⁰. Esto es consistente con un aumento en la demanda de crédito por parte de los productores afectados para suavizar sus ingresos y descarta que el efecto que observamos provenga de una expansión en la oferta a través de las LEC³¹.

El panel B muestra que el aumento en el crédito tras periodos prolongados de sequía proviene de desembolsos respaldados por el FAG. Como se describió en la sección 2, el FAG garantiza los créditos frente al intermediario financiero cuando el agricultor no puede proporcionar el colateral requerido. En caso de incumplimiento, el FAG paga al intermediario financiero el porcentaje asegurado de la deuda, mientras que el intermediario continúa gestionando el cobro total al agricultor, lo que puede afectar su historial crediticio. De este modo, el FAG reduce el riesgo al que están expuestos los intermediarios financieros, pero no elimina el riesgo para los deudores.

Para interpretar estos resultados, nos apoyamos en la literatura revisada en la sección 1 y al inicio de esta sección. Según esta, los choques climáticos pueden incrementar la demanda de crédito mientras reducen la oferta debido al mayor riesgo percibido por los intermediarios. La respuesta positiva en los desembolsos tras periodos de sequía, concentrada en los créditos respaldados por el FAG, sugiere que este mecanismo de garantía desempeña un papel importante en mitigar los efectos negativos (ex post) del riesgo sobre la oferta de crédito. Esto permite satisfacer la mayor demanda de crédito que surge como un mecanismo para suavizar los ingresos tras un choque negativo.

El panel C muestra que el aumento en el crédito tras periodos prolongados de sequía no depende del nivel de activos del beneficiario, lo que sugiere que el crédito podría estar cumpliendo un papel de suavización de ingresos, independientemente de la cantidad de activos del hogar. Si el acceso al crédito estuviera estrictamente condicionado a la capacidad de respaldar deudas con activos propios, los hogares con menores niveles de activos enfrentarían mayores restricciones para utilizar el crédito como herramienta de suavización. Sin embargo, los resultados asociados con los créditos respaldados por el FAG sugieren que este mecanismo podría estar mitigando la falta de colateral en hogares con bajos niveles de activos.

Por último, el panel D muestra que el incremento en el crédito tras el choque proviene principalmente de los municipios más cercanos a las principales ciudades. Según Ayala-García y Pérez-Ruidíaz (2024), los costos de transporte de productos aumentan con la distancia entre las regiones productoras y los mercados de destino, especialmente cuando la infraestructura de transporte se ve afectada por eventos climáticos extremos, como derrumbes o inundaciones. Estos mayores costos de transacción, tanto en el mercado de crédito como en el transporte de mercancías, junto con una menor rentabilidad esperada en las zonas más alejadas, podrían limitar el uso del crédito como mecanismo de suavización de ingresos en aquellas regiones. Inversiones municipales para prevenir deslizamientos causados por fenómenos climáticos extremos, como las analizadas por Ayala-García y Dall’erba (2022), podrían ser un mecanismo clave para garantizar el acceso al mercado de los productores y facilitar el uso del crédito como herramienta de suavización.

El Cuadro 10 también muestra que la relación negativa entre los desembolsos y la variabilidad en las lluvias proviene de créditos con LEC, otorgados a productores con un mayor nivel de activos y en municipios más alejados de las principales ciudades. Interpretamos estos resultados como evidencia de una menor disposición de los productores a aprovechar la expansión de oferta de crédito de las LEC cuando están expuestos a mayor incertidumbre sobre sus ingresos futuros. Que la incertidumbre climática tenga un mayor efecto sobre los productores con mayores activos es consistente con el modelo propuesto por Boucher et al. (2008) sobre racionamiento de la demanda de crédito por riesgo. Según este modelo, al ser los productores con más activos los que más podrían perder en caso de no pagar los créditos, vía embargos o deterioro del historial crediticio, son los que con mayor probabilidad están disuadidos de demandar crédito dado el riesgo. Por último, menores fuentes alternativas de ingresos en lugares más alejados de las grandes ciudades pueden hacer que la incertidumbre climática sea más relevante en la toma de decisiones de los hogares y explican, por tanto, el efecto negativo estadísticamente significativo de la variabilidad climática sobre los desembolsos de crédito en estos lugares.

Estos mecanismos son consistentes con una contracción en la demanda de crédito como respuesta a una mayor incertidumbre climática; no obstante, no es posible descartar del todo que estos provengan también de una contracción en la oferta como respuesta a un aumento en el riesgo percibido por los intermediarios financieros.

Nuestros resultados sugieren que el riesgo climático desempeña un papel relevante en el acceso al crédito de pequeños productores. En los municipios con baja variabilidad en la precipitación, el crédito parece actuar como un mecanismo de suavización ex post tras un choque negativo de lluvia. En los municipios con mayores niveles de incertidumbre climática este mecanismo de suavizamiento no parece operar. Los resultados sugieren, además, que el crédito es utilizado para suavizar ingresos, independientemente del nivel de activos del hogar y que el FAG podría mitigar la carencia de colateral en los productores que no pueden respaldar sus deudas con sus propios activos.

Por último, los resultados sugieren que más allá del uso del crédito como un mecanismo de suavizamiento, la incertidumbre climática está asociada con un menor acceso al crédito. Esto podría reflejar un menor interés de los hogares a endeudarse en entornos de mayor incertidumbre o a una menor disposición de los intermediarios financieros a ofrecer crédito en estos lugares.

Aunque nuestras estimaciones se centran en productores de papa, lo que facilita una identificación más precisa de los efectos dada la heterogeneidad entre cultivos en los choques climáticos relevantes, nuestros resultados sugieren barreras de acceso asociadas con el riesgo que son consistentes con la teoría y podrían aplicar a otros cultivos.

Tres recomendaciones de política se derivan de nuestro análisis. Por un lado, proveer mecanismos de aseguramiento a los ingresos de los productores, como seguros indexados, podría mitigar el efecto negativo del riesgo sobre el acceso al crédito. Asimismo, identificar las barreras que impiden el acceso al crédito en los municipios más distantes de los principales mercados es relevante para el diseño de políticas que busquen proveer mecanismos de suavizamiento del consumo en estos hogares. Por último, si se prevé que el cambio climático aumenta la variabilidad en los patrones de lluvias y genera sequías más frecuentes e intensas y menos predecibles, la función del crédito como un mecanismo de suavizamiento o como un promotor de la inversión podría verse limitada. Reconocer este riesgo y contemplar acciones que lo mitiguen debería formar parte de nuestras políticas de adaptación frente al cambio climático.

En esta sección, proponemos y estimamos un modelo estructural para complementar la evidencia presentada en las secciones anteriores sobre las fricciones que pueden generar barreras de acceso al crédito para pequeños productores agropecuarios. En particular, el análisis que proponemos en esta sección tiene tres objetivos principales: 1) evaluar si existe evidencia de selección adversa y riesgo moral en el mercado de crédito para pequeños productores agropecuarios en Colombia; 2) analizar si hay evidencia de que los topes a las tasas de interés del crédito de fomento restringen la oferta de estos créditos a pequeños productores y 3) examinar el efecto del respaldo proporcionado por el FAG sobre el acceso al crédito de estos productores.

La sección 2 muestra que el mercado de crédito a pequeños productores agropecuarios en Colombia se caracteriza por un alto porcentaje de potenciales deudores sin acceso al crédito, una alta concentración de la oferta en el BAC, una baja participación directa de bancos privados, unos altos costos fijos de colocación y una activa participación del Estado mediante una compleja estructura institucional, cuyos efectos sobre acceso a crédito y eficiencia no son evidentes.

La baja participación de la banca privada y la consecuente concentración de las colocaciones del BAC pueden estar explicadas por un ambiente de alta incertidumbre, en donde los bancos no pueden distinguir a los clientes más riesgosos de aquellos con mejor perfil crediticio, ni observar las acciones de los clientes para propiciar el repago de sus deudas. Como se discutió en la sección 1, estos fenómenos, conocidos en la literatura como selección adversa y riesgo moral, implican que aumentar las tasas de interés para compensar la mayor probabilidad de incumplimiento puede atraer clientes más riesgosos y desincentivar el repago, lo cual deteriora las ganancias esperadas de los bancos. La imposibilidad de los bancos de compensar las pérdidas derivadas de un posible incumplimiento con mayores tasas de interés puede causar una barrera para el acceso al crédito, al limitar las cantidades de crédito que los bancos están dispuestos a ofrecer e, incluso, puede disuadir la participación de bancos privados en el mercado.

Las asimetrías de información y su interacción con las políticas de crédito son difíciles de medir, ya que dependen de información privada de los deudores, que no está disponible para los bancos. Además, aspectos de la política de crédito agropecuario en el país, como los topes a las tasas de interés en los créditos de fomento y las coberturas del FAG, pueden interactuar de diversas maneras con las asimetrías de información, haciendo que sus efectos sobre el acceso al crédito de los pequeños productores no sean evidentes.

Por ejemplo, el FAG puede reducir la incertidumbre y estimular la participación de los bancos en este mercado. En consonancia con esto, los resultados de la sección 4 sugieren que el FAG contribuye a mitigar los efectos negativos del riesgo sobre el acceso al crédito. Sin embargo, también podría agravar la selección adversa y el riesgo moral, al debilitar la gestión del riesgo por parte de los bancos y los incentivos de repago de los deudores.

Por otro lado, los topes a las tasas de interés pueden o no ser vinculantes, dependiendo de las características de la oferta y la demanda. Esto podría desincentivar a algunos bancos a otorgar créditos de fomento a pequeños productores. Como mostramos en la sección 2, los intermediarios financieros enfrentan altos costos al colocar créditos en este segmento y los topes a las tasas de interés dificultan la recuperación de estos costos. Sin embargo, si tasas de interés más altas empeoran los niveles de repago, es posible que, incluso en ausencia de los topes, los bancos no estén dispuestos a prestar a tasas más altas.

El modelo estructural que desarrollamos en esta sección, basado en el enfoque de Crawford et al. (2018), aborda estas complejidades y permite analizar los efectos de las políticas sobre el acceso al crédito, considerando los mecanismos opuestos que interactúan en este contexto.

Nuestro modelo considera las decisiones de los pequeños productores agropecuarios sobre si solicitar crédito, a qué entidad acudir y si cumplir o no con el pago. Además, incluye varios elementos para capturar las dinámicas de selección adversa, riesgo moral y su interacción con políticas como el FAG y la regulación de tasas de fomento. Primero, asume que los productores tienen preferencias heterogéneas respecto al crédito y el incumplimiento, algunas observables para los bancos y otras privadas. Una correlación positiva entre la propensión no observada a demandar crédito y la propensión no observada al incumplimiento sugiere selección adversa. Segundo, incorpora el efecto de las tasas de interés y las garantías del FAG sobre la probabilidad de incumplimiento, representando así el riesgo moral. Tercero, los bancos determinan el número de créditos y la tasa de interés que maximizan su función de beneficios, considerando la probabilidad de repago y el porcentaje de cobertura para mitigar el efecto negativo de las asimetrías de información en la rentabilidad de los créditos.

Estimamos el modelo con datos de Finagro y la Superfinanciera entre 2008 y 2019, enfocándonos en los primeros créditos solicitados por deudores sin historial previo, dado que la selección adversa es más relevante en estos casos. Como se analiza en la sección 3, tras la obtención del primer crédito, los bancos adquieren mejor información sobre la calidad crediticia de los deudores, reduciendo la relevancia de la selección adversa.

Nuestros resultados muestran: primero, evidencia de selección adversa, observada a partir de una correlación positiva entre la propensión de los productores a demandar crédito e incumplir sus obligaciones. Segundo, evidencia de riesgo moral, con mayores probabilidades de impago a medida que aumenta la tasa de interés. Tercero, un posible racionamiento de crédito alrededor del límite de tasas de fomento. Cuarto, un efecto positivo del FAG sobre el acceso al crédito, al reducir los costos de colocación asociados con el impago. Esto permite ofrecer tasas de interés más bajas, lo que a su vez disminuye la probabilidad de impago y fomenta un aumento en la demanda de crédito.

Estudiamos los mercados de crédito al pequeño productor por departamento y nos enfocamos en el periodo comprendido entre 2008 y 2019. Al igual que en las secciones anteriores, nuestra información principal proviene del registro de operaciones de Finagro. Complementamos esta información con algunas variables que calculamos con los formatos 322 y 341 de la Superfinanciera y con información del DANE sobre la población y otras características de los departamentos. Con esto construimos una base de datos de los créditos de fomento colocados en cada mercado (departamento) y características de los productores que son observadas por el banco en el momento de aprobar un crédito.

La demanda de crédito de fomento agropecuario a pequeños productores proviene fundamentalmente de personas naturales: 89,5 % de los créditos son otorgados a personas naturales, mientras que el restante 10,5 % se asignan a personas jurídicas (véase el Gráfico A.5.1.1 del Anexo A.5.1). En promedio, hay 26 establecimientos de crédito por departamento. Entre estos, como se mostró en la sección 2, el BAC es el de mayor presencia geográfica y mayor participación de mercado. Entre 2008 y 2019 el BAC tenía oficinas en el 87 % de los municipios con establecimientos de crédito, seguido por Bancolombia, con 27 % y Davivienda, con 22 %. Asimismo, el BAC colocó el 80 % de los créditos desembolsados y sirvió al 89 % de los pequeños productores que registraron algún crédito (véase la sección 2 para más detalles sobre la participación por bancos en el mercado de crédito agropecuario).

Para medir qué tan competitivos son los mercados locales de crédito en Colombia, calculamos el índice de Herfindahl-Hirshman (HHI) para el número de establecimientos de crédito y el número de créditos colocados^{33, 34}. El Mapa 4 presenta los resultados departamentales por color: las tonalidades más oscuras indican mayor concentración, es decir, son menos competitivos. A pesar de que hay buena disponibilidad de establecimientos de crédito en casi todos los departamentos del país, los mercados de crédito a pequeños productores agropecuarios son muy concentrados en términos de colocaciones, que son provistas principalmente por el BAC. En especial, hay una mayor concentración en las zonas periféricas del país -(regiones Pacífica, Orinoquía y algunas zonas de la región Caribe). En el Anexo A.5.1, presentamos estadísticas descriptivas adicionales sobre densidad de bancos por tamaño de población y su distribución geográfica-.

En esta sección, desarrollamos un modelo microeconométrico de oferta y demanda inspirado en Crawford et al. (2018) y siguiendo de cerca a Florez et al. (2025). En términos generales, nuestro modelo analiza los problemas fundamentales de los bancos (la maximización de su función de beneficios) y de los consumidores (la maximización de su función de utilidad), considerando tanto los factores observables como los no observables que los determinan. A partir de ciertos supuestos sobre la distribución de las variables, el modelo del consumidor nos permite derivar una función de demanda cuyos parámetros estimamos empíricamente. De manera similar, el modelo de oferta nos permite calcular los costos marginales de los bancos. Por último, combinamos los resultados de oferta y demanda para evaluar los efectos de distintos escenarios hipotéticos relacionados con los topes a las tasas de fomento y la cobertura del FAG.

A continuación, presentamos una breve descripción de los principales componentes del modelo. En el Anexo A.5.3 presentamos las ecuaciones que componen el modelo con los detalles técnicos más relevantes.

Suponemos que los departamentos de Colombia son mercados locales de crédito. Los productores de cada departamento buscan crédito de algún banco ubicado en el mismo departamento. En cada año entre 2008 y 2016 hay productores que solicitan crédito por primera vez al banco de su preferencia. Si su crédito es aprobado por el banco, invierten el monto otorgado en su proyecto productivo y deciden si pagan cumplidamente la totalidad del crédito o si entran en impago (default). Nos enfocamos en el primer crédito que solicitan los productores, ya que en esta etapa el problema de selección adversa es más relevante. Como se discute en la sección 3, una vez que los productores obtienen su primer crédito, los bancos disponen de mejor información sobre su calidad como deudores³⁵.

Cada banco activo en un mercado local determina una tasa de interés teniendo en cuenta los factores institucionales relevantes (tasa máxima permitida, recursos disponibles y garantías del FAG, etc.). Tanto productores como bancos son neutrales al riesgo y el monto de crédito está exógenamente determinado por las necesidades específicas del proyecto que quiere emprender el productor. Por tanto, la tasa de interés es la única característica relevante para competir por clientes (véase Crawford et al., 2018).

Siguiendo la literatura que se presenta en la sección 1, en nuestro modelo el acceso a la información es asimétrico entre bancos y clientes y estos últimos tienen la ventaja. Al momento de estudiar una solicitud de crédito, los bancos pueden conocer la historia crediticia del cliente e indicadores de su capacidad de pago (activos, patrimonio, etc.). Sin embargo, no están en capacidad de observar ciertas características individuales de sus clientes que determinan tanto de la demanda de crédito como de la probabilidad de impago. Crawford et al. (2018) denomina a este conjunto de características como la propensión individual a demandar crédito y la propensión individual a entrar en impago.

Como se discutió en la sección 1, las asimetrías de información en el mercado de crédito se manifiestan de dos maneras. En primer lugar, como un problema de selección adversa, debido a que los bancos no pueden distinguir completamente a los clientes más riesgosos de los menos riesgosos. En segundo lugar, como un problema de riesgo moral, dado que los clientes tienden a no esforzarse suficientemente para garantizar el repago a tiempo de sus obligaciones y los bancos no pueden conocer el nivel de esfuerzo de sus deudores dada su imposibilidad de monitorearlos de manera perfecta. Estas asimetrías de información pueden llevar a que algunos clientes no paguen sus deudas, sin que el banco pueda preverlo con precisión al otorgar el crédito. En este sentido, las asimetrías de información incrementan la incertidumbre sobre los beneficios de los bancos al conceder créditos.

Nuestro modelo permite descomponer las preferencias de los pequeños productores en función de las características del crédito (por ejemplo, la tasa de interés y el porcentaje de cobertura del FAG)³⁶, del banco que le otorgó el crédito (por ejemplo, su reputación) y sus características individuales (por ejemplo, sus activos). Permitimos que estas características afecten la sensibilidad de los clientes a cambios en la tasa de interés, por lo que incluimos interacciones entre la tasa de interés y las características individuales en la propensión individual a demandar crédito. Por último, nuestro modelo incluye un componente que captura la propensión individual de un productor a demandar crédito que no es observable ni para los bancos ni para nosotros los investigadores. Esta propensión captura parte de la información privada del perfil de riesgo del individuo.

Luego de haber obtenido un crédito de alguno de los bancos presentes en el mercado local, el pequeño productor debe decidir si reembolsa el total del crédito en el plazo pactado con el banco o entra en impago. En este contexto, suponemos que un evento de impago observado en los datos corresponde al caso en el que un individuo elige entrar en incumplimiento porque la utilidad de hacerlo es mayor que cero. Nuestro modelo descompone dicha utilidad en determinantes como: las características (tanto observables como no observables) del banco comunes a todos los créditos en todos los mercados³⁷, la tasa de interés, la probabilidad de incumplimiento asignada por el banco al cliente en el trimestre de desembolso del crédito, el porcentaje de cobertura de la garantía del FAG y las interacciones entre estos determinantes. Por último, el modelo incluye un componente que captura la propensión individual de cada productor a incumplir el pago de su crédito. Esta propensión está determinada por características idiosincrásicas inherentes al individuo que completan su perfil de riesgo, que son conocidas por el productor, pero no por el banco. Este es el segundo componente de información privada del productor.

Los dos factores de información privada del individuo que determinan la demanda y el impago no son observados ni por los bancos ni por nosotros como investigadores. Por tanto, suponemos que dichos factores son variables aleatorias conjuntamente distribuidas, que su distribución es normal y que están correlacionados. Una correlación positiva indica que aquellos individuos con mayor tendencia a incumplir con sus créditos tienen una mayor tendencia a demandar créditos. Esto constituye evidencia de selección adversa (Stiglitz y Weiss, 1981; Crawford et al., 2018; Einav et al., 2012).

Finalmente, suponemos que el conjunto de bancos entre los cuales cada productor puede elegir está conformado por tres agentes: el BAC (que concentra la mayor proporción de la demanda en todo el país), el banco privado con la segunda participación promedio más alta en nuestro periodo y una tercera opción denominada “otros bancos”, que corresponde a la participación de mercado agregada de los demás bancos participantes³⁸. En Colombia, las alternativas al crédito formal son importantes. Por ejemplo, un productor puede pedir un crédito a prestamistas informales, a familiares o amigos, o decidir no endeudarse. Para dar cuenta de esto, en nuestro modelo agrupamos estas fuentes en una cuarta opción que denominaremos “opción externa”³⁹. Como resultado, el conjunto de elección de los pequeños productores constará, en nuestro modelo, de cuatro opciones: tres bancos formales y una opción externa^{40, 41}.

Suponemos que los bancos compiten en tasas de interés y que tienen la capacidad de elegir aquellas tasas que maximicen sus beneficios esperados, dado el marco institucional del mercado. Siguiendo a Crawford et al. (2018), suponemos que un impago esperado reduzca los ingresos esperados de los bancos. Asimismo, siguiendo a Florez et al. (2025), permitimos que la garantía provista por el FAG entre en la función de beneficios de los bancos, mitigando el efecto adverso del impago: una mayor cobertura del FAG reduce la pérdida esperada de ingresos por impago.

En este contexto, la tasa de interés óptima que cada banco fija en un mercado está determinada por el costo marginal de operación del banco en ese mercado, los determinantes de la demanda de crédito y del impago y el porcentaje de cobertura del FAG.

A continuación, describimos los aspectos más relevantes de nuestra estrategia empírica. En el Anexo A.5.3, profundizamos en los detalles técnicos.

Para estimar nuestro modelo estructural de demanda y de impago, procedemos en dos etapas. En la primera estimamos la demanda, para lo cual agregamos los datos individuales de primer crédito a nivel de banco-mercado-año. La tasa de interés es endógena porque los bancos pueden ajustar sus tasas ante choques de demanda. Para resolver este problema, usamos variables instrumentales que dan cuenta de los factores de oferta que determinan la tasa de interés, independientemente de la demanda; en particular, las tasas de interés de colocación promedio de cada banco en otras regiones del país⁴².

En la segunda etapa, dados los coeficientes estimados de demanda, estimamos el modelo de impago. Para esto, usamos los datos de crédito desagregados a nivel de pequeño productor-banco-mercado-año. Los coeficientes de la tasa de interés y sus interacciones podrían estar sesgados en este modelo dado que los bancos pueden fijar la tasa de interés de cada productor en función de características que no observamos en los datos.

Nuestra estrategia de identificación incluye dos componentes. En primer lugar, incluimos efectos fijos de banco, mercado y año, lo que nos permite controlar por características tanto observables como inobservables que son constantes a nivel de banco, mercado y año, respectivamente y que afectan tanto el impago como las tasas de interés. En segundo lugar, utilizamos el método de función de control para corregir la endogeneidad remanente. Este método usa los residuales de una regresión de la variable endógena (tasa de interés) contra variables instrumentales (tasa de interés del mismo banco en otras regiones) como una proxy de la información inobservable que es típicamente omitida en el modelo principal (default).

Con los coeficientes de demanda e impago estimados predecimos la demanda y el impago esperados y calculamos los costos marginales de cada banco.

Una vez estimados los parámetros de demanda y de incumplimiento, así como los costos marginales de los bancos, realizamos simulaciones de escenarios hipotéticos para estudiar el efecto de los límites a las tasas de interés del crédito de fomento y del FAG sobre el acceso al crédito. Estos experimentos consisten en modificar los valores observados de un subconjunto de características del mercado de crédito, manteniendo todo lo demás constante y utilizar nuestros modelos de oferta y demanda para calcular los resultados alternativos.

En el primer escenario reducimos el tope de tasa para los créditos de fomento, fijado por la regulación. En el segundo, simulamos una reducción en la cobertura del FAG para todos los créditos⁴³.

A continuación, describimos nuestros principales resultados.

La columna 1 del Cuadro A.5.4.1 presenta los resultados de estimación del modelo de demanda. Consistente con una curva de demanda con pendiente negativa, nuestros resultados muestran que un aumento en la tasa de interés desestimula la demanda de crédito de fomento. Además, la cobertura del FAG está asociada positivamente con la demanda. Esto sugiere que las garantías provistas por el FAG pueden fomentar la participación de los productores en el mercado de crédito, probablemente porque los productores sin colateral anticipan que sin el FAG no tendrían respaldo para sus créditos.

La estimación del modelo de impago (Cuadro A.5.4.1, columna 2) muestra evidencia de riesgo moral y selección adversa. En primer lugar, la tasa de interés tiene un efecto positivo en la probabilidad de incumplimiento. Siguiendo Crawford et al. (2018), interpretamos esto como evidencia de riesgo moral, al sugerir que tasas de interés más altas podrían reducir los incentivos de los deudores a tomar acciones para propiciar el pago de los créditos (ver Holmström y Tirole, 1997; Crawford et al., 2018)⁴⁴.

Una interpretación alternativa para este resultado es que tasas de interés más altas generan una mayor carga financiera para los deudores, haciéndoles más difícil cumplir con sus obligaciones. Esto no sería evidencia de riesgo moral si los bancos pueden anticipar este mayor riesgo de impago y aprovechar el respaldo del FAG para cubrir su pérdida esperada. Sin embargo, este no parece ser el caso, pues el coeficiente de la interacción entre el FAG y la tasa de interés sugieren que aumentos en la tasa de interés incrementan en menor magnitud el impago cuando los créditos tienen respaldo del FAG.

Por otro lado, el coeficiente de correlación entre las propensiones individuales a demandar crédito y a entrar en impago es positivo y significativo, lo que indica que aquellos individuos que tienen una mayor predisposición a demandar crédito, independientemente de factores como la tasa de interés, tienden a entrar en incumplimiento con mayor probabilidad. Debido a que esta propensión es información privada de los individuos, este coeficiente de correlación positivo constituye evidencia de selección adversa en el mercado de crédito al pequeño productor agropecuario en Colombia (Crawford et al., 2018).

Nuestro modelo permite calcular el costo marginal efectivo de los bancos, que incorpora tanto el costo de fondeo como las pérdidas en caso de no recuperar la cartera. Para evaluar cómo el incumplimiento incrementa este costo y cómo el respaldo del FAG ayuda a mitigar este aumento, comparamos los costos marginales de los bancos con el impago y las coberturas del FAG observadas, con los costos marginales en dos escenarios alternativos. En el primer escenario, suponemos un mercado sin impago, donde todos los deudores cumplen con sus obligaciones y los bancos recuperan el total de sus recursos sin recurrir al FAG. En el segundo escenario, simulamos un mercado en el que la probabilidad de impago es la predicha por nuestro modelo, pero los bancos no cuentan con el respaldo del FAG⁴⁵. Esto permite medir el impacto el incumplimiento sobre los costos marginales de los bancos y el efecto del FAG como un mecanismo para atenuar estos costos.

El Gráfico 17 presenta los resultados. En el escenario sin impago, los bancos no enfrentan pérdidas, por lo que los costos marginales son más bajos. Los costos predichos por el modelo con impago y sin garantías son aproximadamente 1,5 pp más altos que en el escenario sin impago. La garantía del FAG atenúa el efecto del impago sobre los costos; sin embargo, no lo elimina por completo. Esto se debe a que la cobertura del FAG es inferior al 100 % del capital en un porcentaje significativo de los créditos⁴⁶. Que los bancos enfrenten mayores costos en el escenario con impago y FAG, en comparación con el escenario sin impago, implica que, a pesar del FAG, el incumplimiento sigue afectando las decisiones de oferta de los bancos. En el Anexo A.5.5 mostramos que los costos marginales estimados con nuestro modelo son similares en magnitud y tendencia a los costos de fondeo de los créditos de redescuento durante el periodo de estudio. Esto respalda nuestro modelo como una aproximación adecuada al mercado de crédito de pequeños productores agropecuarios en el país.

De acuerdo con la revisión de la literatura en la sección 1, los límites a las tasas de interés pueden generar racionamiento de crédito, es decir, una oferta insuficiente para satisfacer la demanda observada (Adams y Graham, 1981). Esto ocurre si la tasa de equilibrio del mercado sin regulación es mayor que el límite impuesto (Cuesta y Sepúlveda, 2021).

La tasa de interés de equilibrio está determinada por la interacción entre la oferta y la demanda de crédito. Los cálculos que se presentan en la sección 2 sugieren que, en ciertos créditos de bajo monto y corto plazo, los topes impuestos a las tasas de interés de fomento dificultan que los intermediarios financieros cubran los costos totales de colocación, que incluyen tanto costos variables como fijos. Esto sugiere que la tasa de equilibrio para estos créditos podría superar la tasa máxima permitida y que la imposición de estos topes causa una barrera para la colocación de crédito de fomento a pequeños productores.

No obstante, como se discutió en la sección 1, tasas de interés más altas pueden reducir las ganancias de los prestamistas al incrementar el riesgo de incumplimiento (Stiglitz y Weiss, 1981). Si este es el caso, es posible que el tope impuesto a las tasas de interés para el crédito de fomento sea inocuo, pues los bancos optarían por mantener tasas de interés por debajo del tope y racionar el crédito que ofrecen.

De esta forma, el efecto del tope de tasas sobre el acceso al crédito depende del contexto. Para estudiar su efecto en el caso del crédito de fomento a pequeños productores en Colombia, realizamos dos ejercicios utilizando las estimaciones de nuestro modelo. Primero, medimos la respuesta de la demanda y de la oferta de crédito ante cambios pequeños en el límite a la tasa de crédito de fomento. En particular, reducimos este límite en 0,1 pp. Aplicamos el nuevo límite a los productores que reciben crédito a una tasa igual al límite vigente en cada año⁴⁷. Este escenario nos proporciona información sobre posibles restricciones a la oferta y excesos de demanda alrededor del límite de tasas.

Complementamos los resultados del primer ejercicio con un escenario en el que suponemos que la tasa límite es igual a la tasa de interés promedio observada en cada año en nuestros datos. Aplicamos esta nueva tasa a todos los créditos cuya tasa observada sea mayor o igual que la tasa promedio. Este escenario corresponde a una regulación más estricta de la tasa de interés^{48 49}.

En ambos ejercicios calculamos el volumen de crédito que los bancos estarían dispuestos a ofrecer a la nueva tasa regulada, usando la regla de precios óptimos de la ecuación A.5.3.7 del anexo y despejamos la cantidad (Qijmt) en función de las demás variables y la tasa de interés contrafactual.

El Cuadro 11 muestra los resultados del primer ejercicio. La reducción de 0,1 pp en el límite de tasa de fomento representa una reducción de 0,55 % en la tasa promedio del mercado. Esta reducción genera una contracción de 1,13 % en la oferta y un incremento de 0,22 % en la demanda, comparadas con la oferta y la demanda en el escenario observado, respectivamente. Esto implica que con un límite de tasas que es 0,1 pp menor al actual un 1,13 % de los productores dejarían de obtener crédito de fomento; además, dado los menores límites, un 0,22 % más de productores demandarían crédito. Esta reducción en la oferta, junto con el aumento en la demanda, resultan en racionamiento de crédito de fomento.

El comportamiento de la oferta y la demanda tras reducciones marginales en el límite de tasas da información sobre la oferta y demanda en los productores que no logran acceder al crédito porque las tasas que los bancos les cobrarían están ligeramente por encima del límite vigente. Esto nos proporciona, por tanto, una medida del racionamiento de crédito alrededor de este límite. En particular, la respuesta observada de la oferta de crédito y el racionamiento resultante, tras la reducción marginal en el límite de tasas, sugieren que en el límite vigente también habría racionamiento⁵⁰.

El Gráfico 18 presenta los resultados del segundo ejercicio. El panel A muestra la tasa de interés promedio por año, el tope de tasa fijado por la regulación y nuestro tope de tasa contrafactual, que corresponde a la tasa promedio observada en el mercado en cada año. El panel B presenta la demanda en el escenario observado, la oferta contrafactual a la tasa contrafactual y la diferencia entre estas dos cantidades para cada año. Consistente con la teoría, a la nueva tasa tenemos una oferta que se contrae un 5 % en promedio y que no alcanzaría a cubrir la cantidad de crédito demandado en el escenario observado. Este resultado sugiere que una regulación más estricta de la tasa de interés implicaría que un 5 % de los clientes, en promedio, no obtendría crédito de fomento de ningún banco. En este sentido, una regulación estricta de tasa de interés puede constituir una barrera de acceso al crédito de fomento para los pequeños productores agropecuarios.

Dado que los topes de tasas aplican exclusivamente a los créditos de fomento y que nuestros datos no incluyen información sobre los créditos otorgados por los bancos en condiciones de mercado, estos últimos se consideran dentro de nuestra categoría de opción externa. Esta categoría también incluye el crédito informal o la posibilidad de no acceder a ningún tipo de financiamiento. La reducción en el acceso al crédito de fomento provoca que una mayor proporción de productores recurra a esta opción externa. Aunque es posible que algunos de estos productores obtengan crédito en condiciones de mercado, la evidencia presentada en este documento sugiere que las barreras derivadas de asimetrías de información, la alta exposición al riesgo y los elevados costos fijos limitan significativamente el acceso. Por ello, inferimos que un alto porcentaje de los productores excluidos del crédito de fomento tampoco logra acceder al crédito en condiciones de mercado.

En este ejercicio de simulación reducimos la cobertura del FAG para todos los créditos observados en nuestro periodo de análisis en 20 pp, lo que significa que los bancos experimentarían una mayor pérdida en caso de impago⁵¹.

El Cuadro 12 presenta los resultados. La disminución del FAG causa un incremento en la tasa de interés, una caída en la demanda y un aumento en el impago. En particular, la tasa de interés promedio aumenta un 14,7 % con respecto a la tasa promedio del escenario observado, la demanda cae un 30,9 % y el impago esperado aumenta un 5,5 %. Como resultado, el impago relativo a la demanda incrementa un 52,8 %. Una menor cobertura del FAG aumenta los costos que enfrentan los bancos debido al posible impago de las deudas. El incremento en la tasa de interés refleja mayores costos. Este aumento en la tasa de interés provoca que, en el 50 % de los mercados, la tasa de interés promedio supere el límite establecido para la tasa de fomento. Como resultado, la disminución en el FAG, combinada con el tope a la tasa, generaría un racionamiento del crédito.

Estos resultados sugieren que el respaldo de los créditos con el FAG tiene un efecto positivo sobre el acceso al crédito. En particular, per- mite que los bancos cobren unas menores tasas de interés, lo cual, a su vez, reduce las tasas de incumplimiento. Unas menores tasas de interés propician una mayor demanda de crédito por parte de deudores menos riesgosos y unos mayores incentivos de repago en los créditos otorgados. Este mecanismo cobra especial importancia en un contexto en el que los topes de tasa limitan la posibilidad de los bancos de compensar pérdidas de ingresos asociadas con el impago con mayores tasas de interés.

Como se describe en la sección 1, la literatura sobre los efectos del colateral en el acceso al crédito se centra en los incentivos que genera la posibilidad de perder el colateral sobre el comportamiento de los deudores. En particular, se enfoca en los efectos del colateral sobre la decisión de los productores riesgosos de solicitar crédito (selección adversa) y en las acciones de los deudores para asegurar el pago de los créditos (riesgo moral). Dado que el FAG provee las garantías y no el productor, es posible que estos efectos sobre las asimetrías de información no operen. Además, en la medida en que el FAG reduce los costos del impago para los intermediarios financieros, es posible que estos tengan menos incentivos para hacer una selección rigurosa de los potenciales deudores.

Sin embargo, nuestros resultados no muestran evidencia de un aumento en las tasas de impago a causa del FAG. Al contrario, al permitir unas tasas de interés más bajas, el FAG reduce el impago. Estos resultados son consistentes con el hecho de que, aunque no implica la pérdida directa del colateral, la activación de las garantías del FAG tiene consecuencias negativas para los productores, al afectar su acceso a futuros créditos y posibles procesos legales. Además, los intermediarios financieros deben cumplir con los procedimientos establecidos para la evaluación y gestión del crédito antes de reclamar esta cobertura y como mostramos en esta sección, el FAG no elimina completamente los costos del impago para los intermediarios financieros.

En esta sección exploramos si hay evidencia de selección adversa y riesgo moral en el mercado de crédito al pequeño productor agropecuario en Colombia y analizamos cómo estas posibles asimetrías de información interactúan con la estructura institucional de este mercado. Para esto, desarrollamos modelos de oferta y demanda que describen el comportamiento de bancos y clientes y estimamos estos modelos usando datos de primer crédito a pequeños productores entre 2008 y 2019.

Nuestros resultados muestran que: 1) existe evidencia de riesgo moral, con una mayor probabilidad de impago tras aumentos en la tasa de interés y de selección adversa, con una relación positiva entre la propensión de los individuos a demandar crédito y a incumplir con los pagos. 2) La regulación de tasa de interés restringe el acceso al crédito de fomento de aquellos productores que están dispuestos a pagar tasas iguales o superiores al límite, porque los bancos no pueden ajustar flexiblemente sus tasas de interés por encima de este umbral. 3) La garantía del FAG promueve la participación de los pequeños productores en el mercado formal de crédito agropecuario y reduce los costos de los bancos asociados con el riesgo de impago, por lo que contribuye a reducir las barreras de acceso al crédito.

Pese a que nuestros resultados proveen evidencia de efectos positivos del FAG sobre el acceso al crédito, estos beneficios deben ser contrastados con los costos de sostenimiento del fondo al momento de evaluar la asignación de recursos del sistema hacia este instrumento, sobre todo si se tiene en cuenta que, como se explica en la sección 2, los pequeños productores acceden al FAG con primas subsidiadas.

El objetivo de este documento es identificar las barreras que enfrentan los pequeños productores agropecuarios en Colombia para acceder al crédito y las políticas que pueden mitigar dichas barreras de manera eficaz y eficiente. Definimos una barrera como un factor que restringe el financiamiento de proyectos que, en condiciones de asignación eficiente, recibirían financiamiento.

En la primera sección, presentamos una revisión de la literatura que establece el marco teórico que guía el análisis a lo largo del documento. A partir de esta revisión, identificamos tres principales fricciones que generan barreras al acceso al crédito para pequeños productores agropecuarios en países en vías de desarrollo: asimetrías de información, altos costos de transacción y alta exposición al riesgo. Aunque estas fricciones afectan diversos mercados de crédito, son especialmente relevantes en contextos rurales de países en vías de desarrollo debido a la dispersión geográfica de los productores, las dificultades de acceso y la falta de documentación formal.

Las demás secciones del documento presentan ejercicios empíricos que documentan evidencia de estas fricciones en el caso colombiano. A continuación, resumimos los principales hallazgos y las implicaciones de política que se derivan de ellos:

Altos costos de transacción: identificamos que la colocación de créditos a pequeños productores agrícolas enfrenta costos significativos, en su mayoría fijos, que derivan de actividades necesarias para todos los créditos, sin importar su monto. Estos costos afectan desproporcionadamente a los pequeños productores, quienes demandan montos menores. Además, los costos de transacción se incrementan por las dificultades de transporte hacia zonas rurales y la amplia dispersión geográfica de los productores.

Asimetrías de información: encontramos evidencia de asimetrías de información que restringen la oferta de crédito a pequeños productores. Estas asimetrías surgen de la imposibilidad de los prestamistas de distinguir la capacidad y disposición de pago de los potenciales deudores y aumentan la probabilidad de impago de los créditos, lo cual eleva los costos de las colocaciones.

Exposición al riesgo climático: encontramos evidencia de que el riesgo climático, importante fuente de incertidumbre en la producción agrícola, limita el acceso al crédito de pequeños productores, lo que reduce su capacidad para utilizar el crédito como mecanismo de suavización frente a choques negativos. Estos resultados son especialmente relevantes si se anticipa que el cambio climático incremente la variabilidad de los patrones de lluvias, así como la frecuencia e intensidad de las sequías.

En cuanto a las políticas para mitigar las barreras de acceso, nuestra revisión de literatura sugiere que aquellas dirigidas a reducir las fricciones subyacentes son más efectivas que las intervenciones directas sobre la oferta de crédito. Para el caso colombiano encontramos evidencia de que el FAG reduce los costos asociados con el riesgo y con las asimetrías de información. Aunque existe la preocupación de que el FAG podría deteriorar el manejo del riesgo por parte de los intermediarios o los incentivos de repago de los deudores, no encontramos evidencia de mayores tasas de incumplimiento asociadas con el FAG. Al contrario, nuestros resultados sugieren que su respaldo permite a los intermediarios financieros ofrecer tasas de interés más bajas, lo cual reduce el riesgo de impago.

Pese a que nuestros resultados proveen evidencia de efectos positivos del FAG sobre el acceso al crédito. Estos beneficios deben ser contrastados con los costos de sostenimiento del fondo al momento de evaluar la asignación de recursos del sistema hacia este instrumento. Asimismo, mecanismos alternativos para respaldar los créditos, por ejemplo, a través de aliados comerciales, como los que se discuten en la sección 1 de este documento y en Steiner y Ramírez (2019), podrían cumplir un papel similar al FAG en la mitigación de asimetrías de información y resultar menos costos. Contemplar políticas que propicien estos mecanismos puede aliviar la carga financiera del FAG y complementar sus efectos positivos sobre el acceso al crédito de los pequeños productores.

También encontramos evidencia que sugiere que los topes de tasa de interés de fomento pueden limitar las colocaciones de créditos de fomento a pequeños productores, ya que dificultan la recuperación de los costos asociados con el alto riesgo y con los elevados costos de transacción. Esto sugiere la necesidad de evaluar los topes de tasas de fomento para incorporar consideraciones de riesgo y costos asociados con las colocaciones de créditos a pequeños productores. Además, la incorporación de herramientas digitales en los procesos de originación y monitoreo de créditos podría reducir significativamente los costos de transacción, fomentando una mayor participación de la banca privada en este tipo de crédito. Esto requiere una infraestructura de comunicaciones confiable en zonas rurales.

Es importante tener en cuenta que el marco conceptual que guía este análisis se enfoca en barreras que dificultan el acceso al crédito para proyectos que se financiarían en una asignación eficiente del capital. Este enfoque excluye acciones orientadas a mejorar los retornos del capital, como la provisión de asistencia técnica o el fortalecimiento de las cadenas de comercialización. Si bien estas acciones pueden fomentar un mayor acceso al crédito al estimular la demanda y resultan relevantes para el diseño de políticas agropecuarias más amplias, se encuentran fuera del alcance de este estudio.

1. --Abay, Kibrom, Bethelhem Koru, Jordan Chamberliny Guush Berhane. 2022. "Does Rainfall Variability Explain Low Uptake of Agricultural Credit? Evidence from Ethiopia".
2. --Adams, Dale y Douglas Graham. 1981. "A Critique of Traditional Agricultural Credit Projects and Policies".
3. --Adams, Dale, Douglas Graham y John Von Pischke. 1984. "Undermining Rural Development with Cheap Credit". Boulder, CO: Westview. https://doi.org/10.4324/9780429270178
4. --Agarwal, Sumit, Thomas Kigabo, Camelia Minoiu, Andrea Presbitero, y André F. Silva. 2023. "Serving the Underserved: Microcredit as a Pathway to Commercial Banks".
5. --Agencia de los Estados Unidos para el Desarrollo Internacional (Usaid). 2023.
6. --Aguilar-Gómez, Sandra, Emilio Gutiérrez, David Heres, David Jaume y Martín Tobal. 2024. "Thermal Stress and Financial Distress: Extreme Temperatures and Firms’ Loan Defaults in Mexico".
7. --Alem, Yonas y Jonathan Colmer. 2022. "Blame It on the Rain: Rainfall Variability, Consumption Smoothing, and Subjective Well-being in Rural Ethiopia".
8. --Ali, Daniel Ayalew y Klaus Deininger. 2022. "Institutional Determinants of Large Land- Based Investments’ Performance in Zambia: Does Title Enhance Productivity and Structural Transformation?".
9. --Ayala-García, Jhorland y Danna Pérez-Ruidíaz. 2024. "Impacto de los desastres naturales en la Vía al Llano sobre el movimiento de carga". Documentos de Trabajo sobre Economía Regional y Urbana, Banco de la República de Colombia, 329. https://doi.org/10.32468/dtseru.329
10. --Ayala-García, Jhorland y Sandy Dall’Erba. 2022. "The Impact of Preemptive Investment on Natural Disasters".
11. --Banco Mundial. 2019. "How to Address Unique Risks in Agriculture Credit Guarantee Schemes: Lessons Learned from Credit Guarantees for Agriculture", World Bank Document. https://documentos. bancomundial.org/es/publication/documents-reports/documentdetail/990041591247465912/ how-to-address-unique-risks-in-agriculture-credit-guarantee-schemes-lessons-learned-from- credit-guarantees-for-agriculture
12. --Banerjee, Abhijit. 2003. "Contracting Constraints, Credit Markets, and Economic Development". En
13. --Banerjee, Abhijit. 2013. "Microcredit Under the Microscope: What Have We Learned in the Past Two Decades, and What Do We Need to Know?".
14. --Banerjee, Abhijit y Esther Duflo. 2010. "Giving Credit Where It Is Due".
15. --Barrios-Pérez, Camilo, Carlos Saavedra y Camilo González. 2023. "Caracterización del impacto de eventos climáticos extremos en las regiones productoras de papa en Colombia". Alianza Bioversity y CIAT, Área de Modelación Agroclimática.
16. --Barry, Peter y Lindon J. Robison. 2001. "Agricultural Finance: Credit, Credit Constraints, and Consequences". En Handbook of Agricultural Economics, vol. 1, 513-571. https://doi.org/10.1016/S1574-0072(01)10013-7
17. --Bates, Robert. 1981.
18. --Bauer, Michal, Julie Chytilová y Jonathan Morduch. 2012. "Behavioral Foundations of Microcredit: Experimental and Survey Evidence from Rural India".
19. --Belissa, Temesgen, Robert Lensink y Anne Winkel. 2020. "Effects of Index Insurance on Demand and Supply of Credit: Evidence from Ethiopia".
20. --Berry, Steven, James Levinsohn y Ariel Pakes. . "Automobile Prices in Market Equilibrium".
21. --Besley, Timothy. 1994. "How Do Market Failures Justify Interventions in Rural Credit Markets?".
22. --Bhat, Chandra. 2001. "Quasi-Random Maximum Simulated Likelihood Estimation of the Mixed Multinomial Logit Model".
23. --Bogliacino, Francesco, Cristian Posso y Juanita Villaveces. 2023. "Restoring Property Rights: The Effects of Land Restitution on Access to Credit". SocArXiv ch6mk, Center for Open Science. https://doi.org/10.31219/osf.io/ch6mk
24. --Bohórquez-Peñuela, Camilo, Margarita Gáfaro, Karelys Guzmán-Finol y Álex Pérez. 2025. "Climate Risk and Access to Credit: Evidence from Colombian Potato Growers". Manuscrito sin publicar.
25. --Boucher, Stephen, Bradford Barham y Michael Carter. 2005. "The Impact of ‘Market-Friendly’ Reforms on Credit and Land Markets in Honduras and Nicaragua".
26. --Boucher, Stephen, Michael Carter y Catherine Guirkinger. 2008. "Risk Rationing and Wealth Effects in Credit Markets: Theory and Implications for Agricultural Development".
27. --Boucher, Stephen , Catherine Guirkinger y Carolina Trivelli. 2009. "Direct Elicitation of Credit Constraints: Conceptual and Practical Issues with an Application to Peruvian Agriculture".
28. --Boucher, Stephen yMichael Carter . 2001. "Risk Rationing and Activity Choice in Moral Hazard Constrained Credit Markets". Staff Papers 12675, University of Wisconsin-Madison, Department of Agricultural and Applied Economics. http://dx.doi.org/10.22004/ag.econ.12675
29. --Buttari, Juan. "Subsidized Credit Programs: The Theory, the Record, the Alternatives". US Agency for International Development.
30. --Burgess, Robin y Rohini Pande. 2005. "Do Rural Banks Matter? Evidence from the Indian Social Banking Experiment".
31. --Cabrera, Wilmar, Felipe Clavijo, Margarita Gáfaro , Paola Poveda y Miguel Sarmiento. 2024. "Are Large Farmers Credit-constrained? A Natural Experiment Using Micro-data for Colombia". Manuscrito sin publicar.
32. --Capera-Romero, Laura, Andrés Murcia, y Dairo Estrada. 2011. "Efectos de los límites a las tasas de interés sobre la profundización financiera".
33. --Carter, Michael. 1988. "Equilibrium Credit Rationing of Small Farm Agriculture".
34. --Carter, Michael y Pedro Olinto. 2003. "Getting Institutions ‘Right’ for Whom? Credit Constraints and the Impact of Property Rights on the Quantity and Composition of Investment".
35. --Castro, Carlos y Karen García. 2014. "Default Risk in Agricultural Lending: The Effects of Commodity Price Volatility and Climate".
36. --Choudhary, Ali y Anil Jain. 2022. "Credit Access and Relational Contracts: An Experiment Testing Informational and Contractual Frictions for Pakistani Farmers". International Finance Discussion Paper 1363.
37. --Cole, Shawn. 2009. "Fixing Market Failures or Fixing Elections? Agricultural Credit in India".
38. --Colmer, Jonathan. 2021. "Rainfall Variability, Child Labor, and Human Capital Accumulation in Rural Ethiopia".
39. --Congreso de la República. 1990. Ley 16 de 1990. Disponible en: https://www.funcionpublica.gov.co/ eva/gestornormativo/norma.php?i=66784
40. --Conning, Jonathan y Christopher Udry. 2007. "Rural Financial Markets in Developing Countries".
41. --Crawford, Gregory, Nicola Pavanini y Fabiano Schivardi. 2018. "Asymmetric Information and Imperfect Competition in Lending Markets".
42. --Cuesta, José Ignacio y Alberto Sepúlveda. 2021. "Price Regulation in Credit Markets: A Trade-Off between Consumer Protection and Credit Access". Documento de trabajo sin publicar.
43. --Cull, Robert, Asli Demirgüç-Kunt yJonathan Morduch . 2014. "Banks and Microbanks".
44. --De Roux, Nicolás. 2021. "Exogenous Shocks, Credit Reports and Access to Credit: Evidence from Colombian Coffee Producers". Universidad de los Andes, Facultad de Economía, CEDE. https:// doi.org/10.57784/1992/54101
45. --De Roux, Nicolás, María López-Uribe, Angie Moreno-Ardila y Tomás Rodríguez. 2021. "Financiación no bancaria y casas de agroinsumos en Colombia (Non-Bank Financing and Agro-inputs Dealers)". Documento CEDE 56. http://dx.doi.org/10.2139/ssrn.3962276
46. --De Roux, Nicolás y Luis Martínez. 2021. "Inversión perdida: conflicto civil y crédito agrícola en Colombia (Forgone Investment: Civil Conflict and Agricultural Credit in Colombia)". Documento CEDE 22. https://doi.org/10.57784/1992/58142
47. --Desjardins International Delopment (DID) y Fondo para el Financiamiento del Sector Agropecuario (Finagro). 2023. "El precio de la inclusión financiera rural: Estudio de costos del crédito agropecuario y rural para el pequeño productor". Disponible en: https://www.finagro.com.co/ sites/default/files/basic-page/2023-08/140823-PrecioIF-Documento-V3.pdf
48. --De Janvry, Alain, Craig McIntosh y Elisabeth Sadoulet. 2010. "The Supply- and Demand-Side Impacts of Credit Market Information".
49. --Dell, Melissa, Benjamin Jones y Benjamin Olken. 2014. "What Do We Learn from the Weather? The New Climate-Economy Literature".
50. --Departamento Administrativo Nacional de Estadísticas (DANE). 2021. "Situación de las mujeres rurales en Colombia: resumen ejecutivo". Tomado de: https://www.dane.gov.co/files/ investigaciones/notas-estadisticas/oct-2021-nota-estadistica-situacion-mujeres-rurales- colombia-resumen.pdf
51. --Echavarría, Juan José, Mauricio Villamizar-Villegas y Daniela McAllister. 2018. "Evolución del crédito agropecuario en Colombia". En
52. --Einav, Liran, Mark Jenkins y Jonathan Levin. 2012. "Contract Pricing in Consumer Credit Markets".
53. --Eslava, Marcela, Alessandro Maffioli y Marcela Meléndez. 2012. "Second-Tier Government Banks and Access to Credit: Micro-Evidence from Colombia". IDB Working Paper Series IDB-WP-308.
54. --Espinosa, Juan, María Guerra, Pablo Márquez y Ana Yaruyo. 2023. "El Precio de la inclusión financiera rural: estudio de costos del crédito agropecuario y rural para el pequeño productor".
55. --Fafchamps, Marcel. 1992. "Cash Crop Production, Food Price Volatility, and Rural Market Integration in the Third World".
56. --Fafchamps, Marcel y Susan Lund. 2003. "Risk-Sharing Networks in Rural Philippines".
57. --FAO. 2013. Contract Farming for Inclusive Market Access. Rome. https://www.fao.org/uploads/ media/cf.pdf
58. --Field, Erica y Máximo Torero. 2006. "Do Property Titles Increase Credit Access among the Urban Poor? Evidence from a Nationwide Titling Program". Working paper, Department of Economics, Harvard University, Cambridge, MA. https://scholar.harvard.edu/files/field/files/ fieldtorerocs.pdf
59. --Fitchett, Delbert. 1999. "Bank for Agriculture and Agricultural Cooperatives (BAAC), Thailand (Case Study)". Washington, D. C.: Consultative Group to Assist the Poorest (CGAP) Working Group on Savings Mobilization, 1-37.
60. --Florez, Jorge, Margarita Gáfaro y Andrés González. 2025. "Credit Access, Imperfect Information and Market Power: Evidence from Colombia". Documento de trabajo sin publicar.
61. --Gáfaro, Margarita y José Antonio Ocampo. 2019. "Revisión de experiencias de apoyo a la agricultura familiar".
62. --González-Vega, Claudio y Douglas Graham. 1995. State-Owned Agricultural Development Banks:Lessons and Opportunities for Microfinance. Gemini Technical Report. 89. Development Alternatives Inc., Bethesda, Maryland. https://www.researchgate.net/publication/252446815_ State-Owned_Agricultural_Development_Banks_lessons_and_opportunities_for_microfinance
63. --Halton, John. 1960. "On the Efficiency of Certain Quasi-Random Sequences of Points in Evaluating Multi-Dimensional Integrals".
64. --Holmström, Bengty Jean Tirole. 1997."Financial Intermediation, Loanable Funds, andthe Real Sector".
65. --Huppi, Monika y Gershon Feder. 1990. "The Role of Groups and Credit Cooperatives in Rural Lending".
66. --Jaffee, Dwight y Thomas Russell. 1976. "Imperfect Information, Uncertainty, and Credit Rationing".
67. --Jiang, Meishan, Krishna Paudel, Donghui Peng y Yunsheng Mi. 2020. "Financial Inclusion, Land Title and Credit: Evidence from China".
68. --Jiménez, Gabriel, Steven Ongena, José Luis Peydró y Jesús Saurina. 2014. "Hazardous Times for Monetary Policy: What Do Twenty-Three Million Bank Loans Say about the Effects of Monetary Policy on Credit Risk-Taking?".
69. --J-PAL, CEGA y ATAI Policy Bulletin. 2016. "Make it Rain". Cambridge, MA: Abdul Latif Jameel Poverty Action Lab, Center for Effective Global Action, and Agricultural Technology Adoption Initiative. https://www.povertyactionlab.org/sites/default/files/publication/make-it-rain.pdf
70. --Karlan, Dean y Jonathan Zinman. 2008. "Credit Elasticities in Less-Developed Economies: Implications for Microfinance".
71. --Karlan, Dean yJonathan Zinman . 2019. "Long-Run Price Elasticities of Demand for Credit: Evidence from a Countrywide Field Experiment in Mexico".
72. --Karlan, Dean y Jonathan Morduch. 2010. "Access to Finance". En
73. --Karlan, Dean , Robert Osei, Isaac Osei-Akoto yChristopher Udry . 2014. "Agricultural Decisions after Relaxing Credit and Risk Constraints".
74. --Khwaja, Asim y Atif Mian. 2008. "Tracing the Impact of Bank Liquidity Shocks: Evidence from an Emerging Market".
75. --Komarek, Adam, Alessandro de Pinto y Vincent Smith. 2020. "A Review of Types of Risks in Agriculture: What We Know and What We Need to Know".
76. --Lusardi, Annamaria y Olivia Mitchell. 2014. "The Economic Importance of Financial Literacy: Theory and Evidence".
77. --Medellín, María. 2014. "Asociaciones campesinas y protección social". Informe de Investigación - Misión Rural. Cepal.
78. --Micco, Alejandro, Ugo Panizza y Mónica Yáñez. 2007. "Bank Ownership and Performance: Does Politics Matter?".
79. --Ministerio de Agricultura y Desarrollo Rural MADR. 2013. Fondo Agropecuario de Garantías. Recuperado el 25 de 04 de 2016, de https://www.minagricultura.gov.co/tramitesservicios/credito- agropecuario/Paginas/Fondo-Agropecuario-de-Garantias-FAG-v2.aspx
80. --Ministerio de Agricultura y Desarrollo Rural MADR. 2019. "Estrategia de ordenamiento de la producción. Cadena productiva de la papa y su industria". Viceministerio de Asuntos Agropecuarios.
81. --Ministerio de Agricultura y Desarrollo Rural MADR. 2021. "Cadena de la papa". Dirección de Cadenas Agrícolas y Forestales. https://sioc.minagricultura.gov.co/Papa/Documentos/2021-06-30%20 Cifras%20Sectoriales.pdf
82. --Ministerio de Agricultura y Desarrollo Rural MADR. 2022. "Análisis situacional cadena de papa en Colombia". Equipo Análisis Situacional y Prospectiva UPRA.
83. --Mishra, Khushbu, Richard Gallenstein, Mario Miranda, Abdoul Sam, Patricia Toledo y Francis Mulangu. 2020. "Insured Loans and Credit Access: Evidence from a Randomized Field Experiment in Northern Ghana".
84. --Oliphant, Wesley y Hong Ma. 2021. "Applying Behavioral Economics to Microcredit in China’s Rural Areas".
85. --Petrin, Amil y Kenneth Train. 2010. "A Control Function Approach to Endogeneity in Consumer Choice Models".
86. --Reynaert, Mathias y Frank Verboven. 2014. "Improving the Performance of Random Coefficients Demand Models: The Role of Optimal Instruments".
87. --Rosenzweig, Mark y Kenneth Wolpin. 1993. "Credit Market Constraints, Consumption Smoothing, and the Accumulation of Durable Production Assets in Low-Income Countries: Investments in Bullocks in India".
88. --Ruml, Anette y Martín Parlasca. 2022. "In-Kind Credit Provision through Contract Farming and Formal Credit Markets".
89. --Sayinzoga, Aussi, Erwin Bulte yRobert Lensink . 2016. "Financial Literacy and Financial Behaviour: Experimental Evidence from Rural Rwanda".
90. --Steiner, Roberto y Tomás Ramírez. 2019. "Estudio de mercado rural para cinco corredores económicos PDET". Reporte Técnico. Fedesarrollo. http://hdl.handle.net/11445/3784
91. --Stiglitz, Joseph y Andrew Weiss. 1981. "Credit Rationing in Markets with Imperfect Information".
92. --Udry, Christopher. 1990. "Credit Markets in Northern Nigeria: Credit as Insurance in a Rural Economy".
93. --URF. 2024. "Clasificación de categorías de cooperativas de ahorro y crédito para aplicación de la regulación prudencial". Documento técnico.
94. --Warning, Matthew y Elisabeth Sadoulet. 1998. "The Performance of Village Intermediaries in Rural Credit Delivery under Changing Penalty Regimes: Evidence from Senegal". Journal of Development Studies 35 (1): 115-138. https://doi.org/10.1080/00220389808422557
95. --Wenner, Mark y Francisco Proenza. 2000. "Rural Finance in Latin America and the Caribbean: Challenges and Opportunities". Banco Interamericano de Desarrollo. Washington D. C.
96. --Xu, Yueli, Zhan Peng, Zhaojun Sun, Huanqi Zhan y Shuai Li. 2022. "Does Digital Finance Lessen Credit Rationing?: Evidence from Chinese Farmers".
97. --Zegarra, Eduardo, Javier Escobal y Ursula Aldana. 2011. "Titling, Credit Constraints and Rental Markets in Rural Peru: Exploring Channels and Conditioned Impacts". Inter-American Development Bank, 3707.

^{1 -} Esta sección fue elaborada por Karelys Guzmán, Paola Poveda y Margarita Gáfaro. Las autoras agradecen la asistencia en la recolección de la información de Silvia D'croz.

^{2 -} Nos referimos a fricciones como factores que interfieren en la demanda y oferta óptima de mercado.

^{3 -} La literatura sobre el riesgo moral y la selección adversa en mercados de crédito es amplia. Véase, por ejemplo,Stiglitz y Weiss, 1981; Carter, 1985;Banerjee y Duflo, 2010;Crawford et al., 2018.

^{4 -} Pese a que algunos trabajos argumentan que los requerimientos de colateral pueden mitigar las asimetrías de información, otros han propuesto que estos pueden incluso exacerbarlas. Esto ocurre, por ejemplo, si los deudores que cuentan con colateral son sistemáticamente más riesgosos que los deudores sin colateral (Stiglitz y Weiss, 1981).

^{5 -} La relevancia de unas tasas de interés altas debido a las asimetrías de información como barrera para el acceso al crédito depende de la elasticidad de la demanda de crédito. Se han implementado varios experimentos para estimar esta elasticidad. En México los resultados sugieren que la demanda por microcréditos es elástica y aumenta en el largo plazo (tercer año del experimento). Esta pasó de -1,1 en el primer año del experimento a -2,9 en el tercer año (Karlan y Zinman, 2019). En Suráfrica la demanda por microcrédito también es elástica, pero el tamaño del préstamo solicitado es más sensible a cambios en los plazos para su pago que a cambios de la tasa de interés. Sin embargo, incrementos en la tasa de interés reducen el repago del crédito (Karlan y Zinman, 2008).

^{6 -} Boucher et al. (2009)introdujo los conceptos de demanda nocional y demanda efectiva. La primera es la demanda de crédito en ausencia de fricciones, mientras que la demanda efectiva es el crédito que en la práctica solicita el agricultor. Aunque el agricultor tenga una demanda nocional positiva y observe una oferta positiva, pueda que su demanda efectiva sea cero

^{7 -} La evidencia para otros países también es mixta.Ali y Deininger (2022)encuentran que la titulación de tierras no tiene efecto en el acceso al crédito de propietarios de fincas grandes (con más de cinco hectáreas) en Zambia. Jiang et al. (2020) encuentran que en China pequeños agricultores (propietarios de tierras con 0,53 hectáreas o menos) con tierras tituladas están dispuestos a demandar más crédito de instituciones financieras formales. La titulación de tierras incrementa el acceso al crédito de los pequeños agricultores de altos ingresos, mientras que no promueve el acceso al crédito de los pequeños agricultores de bajos ingresos.

^{8 -} Esa sección fue elaborada por Dairo Estrada: programa Finanzas para la Equidad de Usaid (FE-Usaid), dairo_estrada@dai.com; Clark Granger: Departamento de Estudios de Política Económica, del Banco de la República, cgrangca@banrep.gov.co; Valeria Salas: programa Finanzas para la Equidad de Usaid (FE-Usaid), valeria_salas@dai.com. Los autores agradecen la ayuda en la redacción y elaboración de gráficos a los practicantes del programa Finanzas para la Equidad de Usaid (FE-Usaid) Camila Cruz y Diego Bernal, y a los practicantes de la Gerencia Técnica del Departamento de Estudios de Política del Banco de la República, Sofia Segura y Felipe Delgado. Asimismo, reconoce el apoyo de los autores del estudiorealizado por Desarrollo Internacional Desjardins (DID) y Finagro, en particular a Daniela Londoño, Juan Pablo Espinosa y Julián García por su excelente asistencia en la investigación y suministro de información.

^{9 -} Una operación de redescuento se define como una transacción en la cual un banco de segundo piso, por ejemplo, Finagro, Bancóldex o Findeter, otorgan recursos financieros a un banco comercial o institución financiera (intermediario financiero) para que este, a su vez, los preste a sus clientes finales, que pueden ser empresas, entidades territoriales o personas naturales. En esencia, el banco de segundo piso actúa como un prestamista mayorista, proporcionando liquidez al intermediario financiero, quien a su vez la canaliza hacia el sector real de la economía a través de créditos a sus clientes.

^{10 -} En el esquema actual de fondeo del SNCA, las tasas de interés se organizan en función de los títulos clase A y B, así como de las operaciones de redescuento de Finagro. Para los títulos clase A, que financian a pequeños productores, la tasa de colocación activa de Finagro se sitúa en IBR -3,67 %, mientras que para los títulos clase B, destinados a medianos y grandes productores, la tasa de colocación activa de Finagro es de IBR -1,71 %. Las tasas que Finagro paga a los intermediarios por los TDA son más bajas, lo que genera un margen financiero positivo para Finagro. Este margen se calcula como la diferencia entre las tasas que los intermediarios pagan a Finagro por las operaciones de redescuento y las tasas que Finagro paga a los intermediarios por los TDA. Por ejemplo, si Finagro paga una tasa de IBR -3,67 % a los intermediarios, el margen para los títulos clase A sería de ((IBR -3,67 %) - (IBR -2,6 %)) = 1,07 %, y para los títulos clase B sería de ((IBR -1,71 %) - (IBR +0,9 %)) = 2,61 %. En los últimos años estos márgenes no han sufrido variaciones.

^{11 -} No existe una regla definida para su modificación, pues está sujeta a la discrecionalidad del Banco de la República en el caso de los TDA, y a la de la CNCA en el caso de las tasas de redescuento. Sin embargo, las decisiones tanto del Banco de la República como de la CNCA deben tener en cuenta la liquidez y solvencia de Finagro.

^{12 -} Si los requerimientos de inversión forzosa superan los recursos requeridos por Finagro, las obligaciones de cada entidad se descuentan de manera proporcional hasta alcanzar el monto requerido por Finagro.

^{13 -} Anteriormente estas ponderaciones las calculaba el Banco de la República.

^{14 -} Debido a limitaciones de información, la participación del crédito de mercado en el total de crédito a pequeños productores es difícil de calcular. Aproximaciones realizadas en el Banco de la República sugieren que este representa cerca del 9 % del monto total de crédito a estos productores.

^{15 -} Este índice puede estar sobreestimado al incluir las personas con cartera vigente de Finagro tanto a nivel rural como urbano. Cabe tener en cuenta que el 87 % de los beneficiarios que recibieron algún crédito Finagro se encuentran en municipios rurales, rurales dispersos o intermedios. Para el cálculo, se toman la GEIH de los adultos que desarrollan alguna de estas tres actividades: agricultura, ganadería, caza, y servicios relacionados con las mismas; silvicultura y explotación forestal; y pesca y acuicultura.

^{16 -} Este cálculo solo se puede hacer a partir de 2022, ya que se utiliza la ECV que, a través de una nueva codificación del CIIU de dicho año, permite tomar en cuenta a toda la cadena agropecuaria.

^{17 -} Esta y todas las cifras que se presentan en esta sección incluyen solo créditos asignados al primer eslabón de la cadena; es decir, a productores primarios.

^{18 -} Hasta 2018 estos topes se aplicaban también a los créditos de la cartera agropecuaria para ser cubiertos con el FAG.

^{19 -} En el estudio deFinagro y DID (2023)para la estimación de los costos variables se considera una rentabilidad del capital (ROE) deseada del 2,5 % y un costo de fondeo del 8,9 % correspondiente a la tasa de redescuento vigente a la fecha del estudio.

^{20 -} Esta sección fue elaborada por Miguel Sarmiento, Sebastián Tobar y Eduardo Yanquen. Los autores agradecen a Andrés Casas por su excelente asistencia en la preparación de la información, a Finagro por el acceso a la información y las valiosas discusiones sobre las políticas de acceso al crédito agropecuario y a Andres Murcia, Carlos Quicazan, Camilo Gómez y Juan Sebastián Mariño por sus comentarios.

^{21 -} A lo largo de esta sección nos referimos al crédito de fomento que no es microcrédito como crédito de fomento tradicional o convencional.

^{22 -} Después de 2016 se implementaron los siguientes cambios en la regulación del microcrédito agropecuario. Resolución 8 de 2018: modifica la Resolución 1 de 2016, para incluir al IBR como una de las tasas a las que se pueden indexar los créditos del sector agropecuario y rural. Resolución 7 de 2019: amplía el plazo de las operaciones de microcrédito agropecuario y rural de 24 a 36 meses con el fin de ajustar las condiciones financieras, y de acuerdo con los flujos de ingresos derivados de las actividades rurales y/o agropecuarias. Resolución 8 de 2023: se destaca la modificación del límite superior de la tasa de interés para los microcréditos dirigidos a microempresarios clasificados como: 1) pequeño productor de ingresos bajos y 2) pequeño productor.

^{23 -} Nótese que nuestros datos solo incluyen el crédito de fomento. Teniendo en cuenta que las condiciones de crédito de fomento son más favorables que las condiciones de crédito de mercado ordinario y que estamos estudiando pequeños productores, es muy probable que si un productor no había tenido crédito de fomento hasta el I trim. 2016 tampoco haya tenido crédito de mercado ordinario. Por lo que podemos interpretar a estos productores como productores sin acceso al crédito.

^{24 -} Esta sección fue elaborada por Camilo Bohórquez, Karelys Guzmán, Alex Perez y Margarita Gáfaro. Los resultados que se presentan en esta sección son tomados del trabajo deBohórquez et al., 2025. Los autores agradecen a las nutridas conversaciones con Jimena Sarmiento de Cavasa, Carlos Andres Benavides de la Universidad de Nariño, y con funcionarios de Agrosavia, el BAC y Finagro.

^{25 -} Definimos como productor de papa a todo aquel que obtuvo durante el periodo de análisis un crédito para producción, inversión o capital de trabajo en el cultivo de la papa. Tomamos los pequeños productores según la definición vigente en cada momento del periodo 2013-2020. Excluimos de los datos las operaciones relacionadas con normalización o reestructuración de cartera, compra de vivienda, consolidaciones de pasivos/deuda y tarjeta de crédito agropecuaria. Nos concentramos en créditos de municipios que, según la información del Sipsa, proveen papa a las principales centrales de abasto y plazas de mercado del país. De todos los municipios que en Sipsa reportan haber producido papa, descartamos aquellos con un volumen de producción total en 2013-2020 inferior al percentil 1 de la distribución nacional

^{26 -} Todas nuestras estimaciones incluyen también medidas de temperatura calculadas de manera análoga a las medidas de precipitación.

^{27 -} Esta información incluye imágenes de la precipitación diaria a una resolución de 5 km.

^{28 -} Hablamos de efectos causales en particular en el caso de los días secos y el coeficiente de variación en las lluvias en la medida en la que es plausible que, condicional a los efectos fijos y las variables de control, los días secos y el coeficiente de variación de las lluvias no estén correlacionados con choques no observables al acceso al crédito en cada municipio y trimestre.

^{29 -} En el Cuadro A.4.1.3 presentamos estadísticas descriptivas de las variables utilizadas en las regresiones, junto con el cálculo de las elasticidades de las variables dependientes con respecto a los días secos consecutivos, evaluada en el promedio de las variables.

^{30 -} En el Cuadro A.4.1.4 presentamos estadísticas descriptivas de las variables utilizadas en las regresiones junto con el cálculo de las elasticidades de las variables dependientes con respecto a los días secos consecutivos, evaluada en el promedio de las variables.

^{31 -} Pese a que en ocasiones se presenta una expansión en la oferta de crédito a través de LEC para ayudar a productores afectados por eventos climáticos extremos. Nuestros resultados, posiblemente por la manera en la que definimos nuestra medida de choque, no capturan estos efectos. Por ejemplo, la Resolución 03-2007 de Finagro, debido a los hechos derivados del fenómeno de El Niño ocurrido en Colombia entre septiembre de 2006 y enero de 2007, estipuló la apertura de una LEC destinada para satisfacer necesidades de capital de trabajo, inversión en capital, o normalización de cartera para aquellos que tuvieron daños en sus cultivos debido a las heladas. Asimismo, resoluciones o circulares reglamentarias encaminadas a incrementar la oferta de crédito se decretan para eventos de exceso de lluvias. Un caso representativo es la Circular P-27 de junio de 2019, en la que se reglamentó la apertura de una LEC para los productores de los departamentos de Guaviare y Meta debido a la clausura de la vía al Llano (Bogotá-Villavicencio), como consecuencia de las fuertes precipitaciones ocurridas durante el primer semestre de ese año.

^{32 -} Esta sección fue preparada por Fernando Arias, Jorge Florez, Alejandra González y Margarita Gáfaro. Los autores agradecen las valiosas conversaciones con Dairo Estrada, Juan Esteban Carranza y funcionarios de Finagro, así como la asistencia de Alexander Almeida y Álex Pérez en la preparación de la información.

^{33 -} El índice de Herfindahl-Hirschman es una medida de concentración del mercado que se calcula como la suma de los cuadrados de las participaciones de mercado de cada competidor. Se mide entre 0 y 10.000. Un valor alto de este índice implica menor competencia, mientras que un valor bajo indica mayor competencia.

^{34 -} Los establecimientos de crédito incluyen bancos comerciales, compañías de financiamiento comercial, cooperativas y corporaciones financieras.

^{35 -} Dado nuestro interés en modelar la decisión de cada productor de obtener crédito por primera vez, restringimos nuestra muestra al primer crédito observado para cada individuo y descartamos sus créditos subsiguientes. Esto nos permite abstraernos de consideraciones dinámicas presentes en mercados de crédito. En caso de que observemos varios créditos para un mismo productor en su primer año de aparición en los datos, usamos solamente el crédito más cuantioso como primer crédito y descartamos los demás.

^{36 -} En los casos en los que los clientes optaron por presentar una garantía distinta a la del FAG, esta variable toma un valor de cero para indicar una cobertura de 0 % por parte del FAG.

^{37 -} Estos factores son capturados como efectos fijos de banco en la estimación de impago.

^{38 -} En términos prácticos, sumamos el monto de créditos otorgados por todos los demás bancos y promediamos la tasa de interés en cada trimestre.

^{39 -} Teniendo en cuenta que nuestros datos se concentran en las operaciones de crédito de fomento, esta opción externa también incluye los créditos a pequeños productores otorgados por los bancos privados en condiciones de mercado y sin FAG. Cálculos del Banco de la República para todos los deudores sugieren que estos créditos representan cerca del 9 % del monto total otorgado a pequeños productores. Dado que en este trabajo nos concentramos en los primeros créditos de cada deudor, es posible que la proporción de créditos de mercado que queda en la opción externa sea menor, en la medida en la que es más probable que los créditos en condiciones de mercado y sin FAG se otorguen a deudores con historial crediticio.

^{40 -} Debido a que no tenemos datos sobre estas fuentes alternativas, suponemos, como es estándar en la literatura, que la utilidad media de esta cuarta alternativa es cero y que está completamente explicada por el componente aleatorio.

^{41 -} De esta manera, nuestro modelo generará una demanda de crédito elástica en tanto los productores tienen siempre la opción de no demandar crédito de ninguno de los tres bancos, lo que nos permite cuantificar de manera realista la sensibilidad de los clientes a la tasa de interés

^{42 -} Región Central: Antioquia, Caldas, Huila, Quindío, Risaralda, Tolima y Caquetá. Región Pacífica: Valle, Chocó, Cauca y Nariño. Región Oriental: Bogotá, Cundinamarca, Boyacá, Norte de Santander, Santander, Meta. Región Caribe: Atlántico, Bolívar, Cesar, Córdoba, La Guajira, Magdalena, Sucre, y San Andrés y Providencia. Región Orinoquía y Amazonía: Guainía, Guaviare, Putumayo, Vaupés, Arauca y Vichada.

^{43 -} Estos ejercicios suponen que los cambios institucionales que se contemplan no alteran los costos de fondeo de los bancos.

^{44 -} Aunque es posible que los bancos ofrezcan tasas de interés más altas a productores más riesgosos, nuestra estrategia empírica permite aislar este efecto del coeficiente que estimamos para la tasa de interés, al tomar solo el componente de la variación en la tasa de interés que es independiente de las características de los deudores.

^{45 -} Esto es como si todos los clientes contaran con su propio colateral. Esta situación es similar a la que estudian Crawford. (2018).

^{46 -} En nuestra muestra, solo un 1 % de los beneficiarios tienen una cobertura del 100 % en su primer crédito, 87 % tienen una cobertura del 80 % y el resto tienen una cobertura menor al 80 %.

^{47 -} Como nuestra muestra incluye solo créditos de fomento, 59 % de los créditos tiene una tasa en el tope y un 39 % tiene una tasa inferior al tope. El 2 % restante, con tasas superiores al tope, se consideran errores en los datos que se corrigen asignándoles una tasa correspondiente al tope.

^{48 -} En ambos escenarios, suponemos que aquellos créditos cuya tasa es menor que el tope, conservan una tasa igual a la observada. Por tanto, la tasa promedio contrafactual queda un poco por debajo del promedio observado.

^{49 -} El equilibrio en este mercado es una distribución de tasas debido a que cada banco fija una tasa específica para cada crédito. En este contexto, el límite de tasa puede estar afectando la dispersión de tasas que observaríamos en un equilibrio sin regulación, lo que también puede afectar el promedio observado de tasas. El contrafactual ideal consistiría en calcular la tasa de interés de equilibrio para cada crédito en un escenario sin límite de tasa de interés; esto nos revelaría la verdadera distribución de tasas de equilibrio. Sin embargo, esto requiere desarrollar nuevas herramientas metodológicas, por lo que este ejercicio está fuera de nuestro alcance.

^{50 -} Los únicos escenarios en los que esto no es cierto son uno en el que el límite de tasas es exactamente igual a la tasa de equilibrio para los productores que reciben crédito en el límite y otro en el que el límite de tasas es exactamente igual al punto en el que los ingresos de los bancos dejan de ser crecientes en la tasa de interés y comienzan a decrecer porque las pérdidas por un impago más alto contrarrestan los mayores ingresos por cobro de interés. Estos escenarios son poco probables dado el carácter estático del límite de tasas.

^{51 -} En este ejercicio reducimos la cobertura del FAG manteniendo sus costos para los deudores constantes. En términos prácticos esta política implicaría una reducción en el subsidio del FAG (que se discute en la sección 2) para los productores.

^{52 -} Escrito por Paola Poveda.

^{53 -} Este monto promedio es mucho menor que el valor promedio del crédito. La diferencia está explicada por varios ceros en la variable, debido a que hay productores que no cuentan con garantía del FAG.

^{54 -} Nuestra medida de probabilidad de impago se basa en el registro de desempeño crediticio de cada productor observado en nuestros datos entre el segundo trimestre posterior a la fecha en que se otorgó el crédito hasta los tres años siguientes. En este periodo poscrédito, consideramos que un productor entró en impago si observamos al menos uno de los siguientes eventos en cualquier crédito: 1) probabilidad de incumplimiento mayor que 20 %, 2) concesiones de normalización, 3) reestructuración de deuda, 4) consolidación de pasivos, y 5) un periodo de mora mayor o igual a sesenta días en el pago de la cuota de un crédito. Para el cálculo de esta variable utilizamos la información procesada porCabrera et al. (2024).

^{55 -} La evidencia empírica muestra que cerca del 100 % de créditos de fomento agropecuario concedidos a pequeños productores son usados por los prestamistas en sus proyectos. Por tanto, no hay diferencia entre la decisión de adopción de crédito y la decisión de uso.

^{56 -} En sentido estricto, nuestra estrategia para modelar la decisión de un individuo de no pagar su deuda consiste en medir la probabilidad de que un individuo pueda terminar en impago en algún momento después del desembolso de su crédito. Más abajo daremos detalles sobre cómo medimos el impago.

^{57 -} En lugar de usar una secuencia aleatoria e independiente, usamos una secuencia Halton para mejorar la precisión de los estimadores. De acuerdo conBhat (2001), cien choques aleatorios tipo Halton son equivalentes a mil choques generados aleatoriamente e independientes.

^{58 -} Región Central: Antioquia, Caldas, Huila, Quindío, Risaralda, Tolima y Caquetá. Región Pacífica: Valle, Chocó, Cauca y Nariño. Región Oriental: Bogotá, Cundinamarca, Boyacá, Norte de Santander, Santander, Meta. Región Caribe: Atlántico, Bolívar, Cesar, Córdoba, La Guajira, Magdalena, Sucre, y San Andrés y Providencia. Región Orinoquía y Amazonía: Guainía, Guaviare, Putumayo, Vaupés, Arauca y Vichada.

Le puede interesar

Tovar-Cruz, John Sebastian y Carlos Albero Ruiz Martinez. 2025 "Formalización y crecimiento de micronegocios en Colombia: relación con el acceso al crédito desde una perspectiva formal/informal, de género y regional". Borradores de Economía 1302. Banco de la República de Colombia. https://investiga.banrep.gov.co/es/borradores/be-1302

Bohorquez-Peñuela, Camilo, Joëlle Noailly, Naël Shehadeh 2024. "Riesgos de Transición Climática y Crédito Bancario: Evidencia para Colombia". Borradores de Economía 1302. Banco de la República de Colombia. https://investiga.banrep.gov.co/es/borradores/be-1294

Gómez, Camilo y Daniela Rodriguez-Novoa. 2024. "Medidas de apoyo a las empresas, comportamiento de pago de crédito y riesgo crediticio" Borradores de Economía 1277. Banco de la República de Colombia. https://investiga.banrep.gov.co/es/borradores/be-1277

Guler, Bulent, Yasin Kursat Onder, Mauricio Villamizar-Villegas y Jose Villegas. 2024 "Políticas de periodos de gracia para los hogares" 2024. Borradores de economía 1276. Banco de la República de Colombia.https://investiga.banrep.gov.co/es/borradores/be-1276