REVISTA INGENIO
Freddy Lenin Villareal Satama | Universidad de los Hemisferios, Quito, Ecuador
Paul Armando Rodríguez Muñoz | Tecnológico Universitario Rumiñahui, Sangolquí, Ecuador
https://doi.org/10.29166/ingenio.v5i2.4036 pISSN 2588-0829
2022 Universidad Central del Ecuador eISSN 2697-3243
CC BY-NC 4.0 —Licencia Creative Commons Reconocimiento-NoComercial 4.0 Internacional ng.revista.ingenio@uce.edu.ec
      
    ,  (), -, . -

e objective of this paper is to analyze the eciency of nancial groups in Ecuador in the period 2015-
2021, through the non-parametric methodology of DEA Data Envelopment Analysis, under the two-sta-
ge enveloping technique. e data was obtained from the database of the Superintendence of Banks
of Ecuador whose main results show that, of the ve nancial groups analyzed, three of them present
100% eciency in all periods and two of them are inecient because the opportunity arises, to generate
substantial improvements through the technical comparison of the input and output variables such as
operating expenses, mainly xed assets that allow them to improve in the medium term.

El presente trabajo tiene como objetivo analizar la eciencia de los grupos nancieros del Ecuador en el
período 2015-2021, mediante la metodología no paramétrica del Análisis Envolvente de Datos (DEA),
bajo la técnica envolvente en dos etapas. Los datos se obtuvieron de la base de la Superintendencia de
Bancos del Ecuador, cuyos resultados principales muestran que, de los cinco grupos nancieros analiza-
dos, tres de ellos presentan eciencia al 100% en todos los períodos y dos de ellos son inecientes, por
lo que se presenta la oportunidad de generar mejoras sustanciales mediante la comparación técnica en
las variables inputs y outputs como gastos de operación, activos jos, principalmente, que les permitan
mejorar en el mediano plazo.
1. Introducción
Un grupo nanciero es una asociación de intermediarios
nancieros regidos por un ente controlador como la Su-
perintendencia de Bancos del Ecuador, los cuales están
obligados a presentar mensualmente sus balances para
garantizar que sus operaciones se encuentran respalda-
das y sin riesgo de quiebra para evitar futuros perjuicios
a clientes, como aquellos ocurridos en la década de los
noventa durante la crisis nanciera del Ecuador.
Las entidades de un grupo nanciero pueden ser de
un mismo tipo o de objeto múltiple, es decir, siempre que
la sociedad controladora mantenga el 50% de las accio-
nes, haciéndose responsable frente a las sociedades que la
 
Received: 27/8/2022
Accepted: 27/10/2022
 
Eciency, data envelopment analysis, -
nancial groups, productivity.
 
Eciencia, análisis envolvente de datos,
grupos nancieros, productividad.
Análisis de la Eciencia de los Grupos Financieros del Ecuador. Una Propuesta
no Paramétrica Basada en el Análisis Envolvente de Datos en Dos Etapas
Analysis of the Eciency of Financial Groups in Ecuador. A Non-Parametric Proposal Based on
Data Envelopment Analysis in Two Stages
40
integran para cumplir las obligaciones que de cada parte
deben ser cumplidas de manera obligatoria. Pueden abar-
car las siguientes actividades [1]:
· Almacenes generales de depósito
· Casas de cambio
· Instituciones de anzas
· Instituciones de seguros
· Casas de bolsa
· Instituciones de banca múltiple
· Sociedades operadoras de fondos de inversión
· Distribuidoras de acciones de fondos de inversión
· Administradoras de fondos
En términos nancieros, este estudio busca el cálcu-
lo de la eciencia matemática mediante un modelo no
paramétrico, sin embargo, es importante observar el com-
portamiento de eciencia nanciera del global de este tipo
de entidades como se muestra en la gura 1, del 2016 al
2022 que tuvo su pico más alto en el 2016 con aproxima-
damente el 50%, situación que se ha venido mantenien-
do a lo largo de los períodos hasta el 2022, excepto en el
2019, que registra el porcentaje más bajo con 35%, apro-
ximadamente, con una recuperación al 2020 del 45%, lle-
gando a niveles de 48% para este año, lo que indica que
este tipo de negocios es muy rentable para los accionistas.
Este proceso debe ser evaluado en términos de pro-
ductividad, de acuerdo con las variables propuestas en
este análisis, donde se podrá obtener como resultado la
unidad económica  que tenga el mejor comporta-
miento en su gestión, pues la frontera eciente indicará el
grupo nanciero que presente la mayor eciencia al 100%,
y aquellos grupos que no lleguen a este valor se conside-
ran inecientes, pues para llegar a la eciencia global de-
berán aplicar estrategias de productividad que les permita
ser competitivos en el mercado, toda vez que el Ecuador
se ve comprometido con la modernización en el aspecto
económico, pues con la rma de tratados de libre comer-
cio, la competencia exigirá inversiones en recursos tec-
nológicos que permitan ser competitivos y consolidar el
espectro nanciero en la región (ver Figura 1).
1.1. EFICIENCIA Y PRODUCTIVIDAD
El porqué de la utilización de este modelo, está en
función de que permite el uso de un sinnúmero de va-
riables asociadas al negocio y no está atado a una fun-
ción de producción como los modelos paramétricos y es
México, en el 2020 contaba con 21 grupos y 88 entida-
des participantes, entre ellos BBA, Santander, Banorte,
Citibanamex, principalmente, concentrando el 69,7% de
los activos es, decir, 11,3 billones de pesos derivados al
movimiento de inversiones en valores, además de captar
el 69,8% de los créditos, siendo la parte bancaria la que
tiene mayor participación de activos [2].
En España, los principales grupos nancieros están
conformados por CaixaBank, Sabadell, Banco Santander,
, Bankia y Bankinter en donde los españoles tienen
invertidos 748.016 millones de euros en fondos de in-
versión y pensiones. Los activos de estos grupos se han
incrementado en 26.967 millones de euros y quienes ges-
tionan estos recursos son Black Rock, JP Morgan, Mor-
gan Stanley [3].
Caixabank como primer grupo nanciero administra
123.187 millones de euros producto de la absorción con
Bankia. En segundo lugar, está Santander que administra
72.356 millones de euros invertidos en instrumentos de
inversión colectiva y 70.677 millones de euros adminis-
trados por el Grupo  y con una administración im-
portante por CreditAgrícole [3].
Partiendo del concepto de eciencia, entendida como la
capacidad de generar el mayor benecio con un determi-
nado uso de factores de la producción, llamados inputs
y outputs, que dan lugar a expresiones que no son parte
de indicadores nancieros que son acostumbrados para
la toma de decisiones en variables de ujo que no toman
en cuenta la tecnología y la situación del mercado, que
no muestran en detalle las causas de los orígenes de los
ratios, desconociendo la variable que puede generar la
posible causa de la ineciencia, por lo que los estudios
de eciencia en varios estudios toman en cuenta la uti-
lización de modelos paramétricos y no paramétricos de
estimación con la utilización del análisis envolvente de
datos [6].
En el Ecuador los grupos nancieros son el Austro,
Pacíco, Pichincha, Produbanco y Diners de los que se
tiene datos hasta julio del 2022 en función de la Ley de
Desarrollo Económico y Sostenibilidad Fiscal de nales
del 2021que dio lugar a la creación de grupos nancieros
lo que facilita que el Tratado de Libre Comercio con Mé-
xico siga adelante sumado a la Alianza del Pacíco, que
podría dar lugar a que grupos nancieros mexicanos lici-
ten por el Banco del Pacíco, cuyos ingresos por la venta
se espera ingresen al presupuesto del Estado, lo cual in-
cluye reformas a la Ley de Código Monetario y Financiero
para dar paso al mercado de valores y seguros, con ello, el
negocio bancario ya no sería únicamente la intermedia-
ción nanciera, ya que un grupo nanciero podría estar
conformado por un banco, casa de valores, administra-
doras de fondos, reaseguros y brookers [4].
La productividad puede ser medida de manera direc-
ta, sea esta en un solo factor o multifactor, en ambos casos
indicarán el resultado de la razón de dividir las unidades
producidas, sean bienes o servicios, sobre los recursos uti-
lizados, en el que se tiene en cuenta la tecnología, la cali-
dad y elementos externos para su medición [7].
Análisis de la Eciencia de los Grupos Financieros del Ecuador
41
Villareal F., et al.
[9] dene a la frontera de producción como la fun-
ción que determina el máximo producto con la com-
binación de recursos, esta es convexa al origen, dado
que es una isocuanta donde se encuentran las diferen-
tes combinaciones de insumos para producir una can-
tidad «Y fija», técnicamente eficiente, por lo que la
función de producción será f=(x1;x2) cumpliendo
, su-
poniendo tomando en cuenta
que aumentando los factores en una proporción , el pro-
ducto terminado también aumenta en una proporción >
que da lugar a las economías de escala (ver Figura 2).
1.2 ESTADO DEL ARTE
[10] analiza la eciencia técnica de dieciocho coope-
rativas de Ahorro y Crédito del Ecuador del segmento
uno con datos de la  en el período del 2007 al 2016
Figura 1.
Eciencia económica de grupos
Figura 2.
Isocuanta-Eciencia
Fuente. Eciencias económicas de los grupos 2016-2022 [5].
Fuente. Isocuanta convexa al origen [9].
importante recalcar que las unidades de medida son si-
milares y son evaluadas en las mismas condiciones a to-
das las , con lo que la homogeneidad tecnológica no
se segmenta a la hora de utilizar los inputs y outputs y en
su cálculo no existen ventajas económicas que en su efec-
to puedan ser cuestionadas [8].
Del concepto de eciencia se derivan las expresio-
nes de eciencia técnica, como la capacidad de generar
la máxima producción con una cantidad mínima de in-
sumos utilizada, por lo que se puede decir que la pro-
ductividad es entendida como el ratio entre productos
producidos sobre los insumos utilizados en una , la
misma que varía por la tecnología que las empresas uti-
lizan más que por el proceso productivo o entorno ela-
borado, es decir, que la eciencia técnica es uno de los
determinantes de la productividad, puesto que, como se
indica en el trabajo de [6], la eciencia está sujeta al nivel
de desempeño de cada  con la tecnología existente
en la industria, factores que son incluidos en el denomi-
nador del indicador de la productividad [9].
En este caso, para que se produzca la eciencia téc-
nica se debe estar sobre la isocuanta, por lo tanto, la em-
presa A, por términos de tecnología no es viable –por la
tecnología– al no poder producir Y con menos recursos
de los que se requiere, en cambio que si se emplea más
recursos como es el caso de B, los estaría desperdician-
do para una cantidad de producción que se necesite; en
todo caso, podría producirse con menos recursos, por lo
que son inecientes para llegar a la eciencia económi-
ca global en la que faltaría sumar la eciencia de precio
o asignativa que combina los diferentes insumos en pro-
porciones óptimas en función de los precios de mercado
de los insumos con la respectiva restricción presupuesta-
ria o isobenecio [9].
42
[11] realizan una investigación de los aspectos metodo-
lógicos del  propuestos por Farrel, Charnes, Coopers y
Rhodes aplicado al sistema bancario de México en cinco re-
giones bancarias teniendo como resultado que aquellas ins-
tituciones de la región sur, centro y sureste llegan al 100%
de eciencia, mientras que las de la región norte uctúan
en un promedio del 78%, las que tienen una tendencia a ir
disminuyendo y cuyas variables pueden deberse al núme-
ro no óptimo de ocinas y gastos de personal.
[12] aplicando la metodología  al sector bancario
de México en cinco regiones diferentes propuestas por
los deicomisos en el que se busca patrones de eciencia
tomando en cuenta variables como los depósitos, las re-
giones del sur y centro presentan evidencias de plena e-
ciencia, mientras que en la parte norte promedia el 80%
que, en todo caso, viene a ser correspondiente con el es-
tudio aplicado en el 2010 de [11] para ampliar el análisis
e identicar que las variables por mejorar se mantienen.
[13] evalúan la eciencia social en las cooperativas
de ahorro y crédito de Colombia del 2019 con la meto-
dología , bajo el enfoque de frontera no paramétri-
ca radial, orientada al output, incorporando una prueba
bootstrap en la parte inferencial en 137 cooperativas de
ahorro y crédito, a las cuales se les midió dos outputs y
cuatro inputs. Los resultados obtenidos muestran que 32
cooperativas presentan eciencia técnica social, el resto
presentan niveles de ineciencia operando bajo rendi-
mientos decrecientes a escala.
[14] miden mediante el  la eciencia relativa de
las unidades que participan en el proceso de crédito de un
banco colombiano que se especializa en varios productos
bancarios y cada unidad tiene un presupuesto objetivo y
a su vez son autónomas. Estas unidades manejan crédi-
tos independientes, como el personal, industrial, agro-
pecuario en ocho zonas geográcas, siendo las unidades
más ecientes aquellas dedicadas al sector agropecuario,
las mismas que se ubican en la parte sur del país y el sec-
tor cafetero; a su vez, las que presentan niveles de ecien-
cia menores son las dedicadas a la banca personal dado
sus niveles de recuperación de cartera.
[15] consideran el análisis del desempeño del banco
en cuanto a sus divisiones mediante una estructura de red
mixta de descomposición relacional y agregación aditiva
en Taiwán en el que encuentra evidencia de que la ecien-
cia de la banca tradicional en préstamos es superada por
los negocios de bajo riesgo, es decir, aquellos negocios de
inversión o servicios no basados en intereses.
[16] generan un análisis acerca de los bancos de la
India en función del apoyo del gobierno para ser más
productivo, ya sea en lo público o privado, realizando el
estudio en 66 bancos en el año 2015, mediante el , cu-
yos resultados evidencian que los bancos indios muestran
el 73,44% de eciencia y para mejorar sus resultados es
importante consolidar los bancos del sector público con
el n de reducir bancos para que el sistema sea sostenible.
[17] generan la evaluación de eciencia mediante 
a 124 bancos mediante  y  cuyas comparaciones
de resultados muestran diferencias signicativas ya que
no son muy frecuentes estudios que empleen la compa-
ración de estas dos técnicas, donde las variables socioe-
conómicas, la propiedad bancaria y las fusiones pueden
afectar el poder discriminatorio de los puntajes que pue-
den ser complementados con los indicadores nancieros.
[18] analizan mediante  en dos etapas, los autores
generan una revisión teórica de la literatura aplicada en la
banca en 59 artículos, según el contexto económico, áreas
geográcas, metodologías, el enfoque de selección de varia-
bles e impacto de variables no discrecionales en eciencia,
obteniendo como resultado la falta de complementariedad
en la terminología, evidenciando que los modelos radiales
con rendimientos variables a escala y enfoque de interme-
diación son los más utilizados con el objeto de transformar
en oportunidades para futuros análisis.
[19] mediante el  en dos etapas analizan el rendi-
miento de la eciencia de los bancos rurales islámicos de
Indonesia en los bancos Bank Perkreditan Rakyat () y
Bank Pembiayaan Rakyat Syariah () los mismos que
son inecientes en términos de intermediación, sin em-
bargo, en términos de producción son ecientes afecta-
dos por el índice de adecuación del capital.
[20] evalúan la eciencia de la banca de Brasil me-
diante el  tomando en cuenta la variable riesgo en
124 bancos en el período 2014-2019, cuyos resultados
muestran que la industria bancaria de este país podría
incrementar sus productos manteniendo los recursos uti-
lizados, mientras que los bancos de inversión se muestran
más ecientes que los bancos comerciales gracias a la ges
-
tión de la gerencia.
2. Método
El modelo - en forma envolvente parte del
modelo de programación primal hacia el modelo de pro-
gramación dual en el que existe una variable dual por cada
restricción primal, de la misma forma, una restricción
Los modelos  generan una medida de eciencia
orientada según la tipología de los rendimientos a es-
cala. El modelo - (Charnes, Coopers y Rhodes
en 1978), generan medidas de eciencia radial median-
te input y outputs orientadas y este a su vez puede ser
de tres formas, fraccional, multiplicativa y envolvente,
siendo este último el método por el cual se realiza este
estudio [21].
Análisis de la Eciencia de los Grupos Financieros del Ecuador
con la metodología . Para el análisis utilizaremos un
conjunto de datos nancieros de cada cooperativa, co-
rrespondientes a un período de diez años, 2007-2016,
cuyo principal resultado es que una unidad económica
evidencia eciencia al 100% y el resto de las cooperativas
tiene un promedio del 77,02%.
43
Villareal F., et al.
dual por cada variable primal que son correspondientes,
puesto que el problema dual input orientado está sujeto a
s+m restricciones y es en la literatura el más utilizado en
las aplicaciones de eciencia, [21] de esta forma:
Sujeto a:
Donde:
λ es el vector (n*1) de pesos, Así, es la inten-
sidad de la unidad j.
θ denota la puntuación de eciencia técnica de la unidad.
Si la solución es θ*=1, entonces la unidad económica
es eciente, caso contrario es ineciente, es decir, θ*<1,
resuelto en una etapa de modo que holgura output y
holgura input obtenidas de manera residual. Así, si
en el óptimo resulta >0 es probable incrementar el ou-
tput r en la cantidad dada por esa holgura en la unidad
económica, es decir, debe producir por la can-
tidad observada yr.
2.1 EL MÉTODO DE DOS ETAPAS
Como procedimiento alternativo de solución de la ecua-
ción 1, este busca la máxima reducción input en la uni-
dad económica para obtener la holgura residual, por lo
que es importante pasar a una segunda etapa que maxi-
miza la suma de las holguras input y output manteniendo
de la primera etapa, es decir, implica la resolución de dos
problemas por cada unidad económica, [21] entonces:
La primera etapa determina el valor de o la máxima
reducción proporcional en los inputs:
Sujeto a:
La segunda etapa opera a partir del óptimo de la
etapa 1, se ajustan los inputs y se maximiza las hol-
guras inputs y outputs que satisface la condición de
optimalidad de Pareto Kooppmans, de esta forma:
Sujeto a:
Donde:
IS+ es el vector de holguras output: IS+=
IS-es el vector de holguras input: IS-=
En cualquier caso, estos modelos se pueden traducir en
uno solo de esta forma:
Sujeto a:
2.2. BASE DE DATOS, VARIABLES Y SOFTWARE
Base de datos y variables: para el cálculo de la eciencia es
importante nombrar a los inputs y outputs que, al tratar-
se de un modelo no paramétrico, el modelo matemático
permite el ingreso de varias variables como sea posible de
acuerdo con la necesidad de la investigación. Para el caso
de estudio se selecciona cuatro variables derivadas de los
estados nancieros de los grupos nancieros del Ecuador,
tomados de la fuente de la Superintendencia de Bancos, el
mismo que presenta los boletines mensuales que confor-
man la base de datos para esta investigación. En el anexo
1 de este trabajo se encuentran los datos para los períodos
2015 al 2021 (ver Anexo 1). Las variables utilizadas para
este trabajo son las siguientes (ver Tabla 1).
2.3. SOFTWARE FRONTIER ANALYST
Tabla 1.
Variables del modelo
Variables Fuente
Ingresos (Y1) Estado de resultados grupos
Cartera de créditos (Y2) Balance general grupos
Gastos de operación (X1) Estado de resultados grupos
Activos jos (X2) Balance general grupos
Fuente. Inputs y outputs del 
El soware empleado en la investigación es Frontier
Analyst de Banxia Soware Ltd. que es una herramienta
de medición de rendimiento para determinar la ecien-
cia de una serie de unidades productivas. Frontier Analyst
toma un número de entradas (inputs) y salidas (outputs)
empleadas y realiza un análisis empleando programación
matemática para determinar la eciencia relativa de las
unidades que procesan las entradas y salidas [22].
La técnica empleada es el análisis envolvente de datos
44
3. Resultados
De acuerdo con los resultados presentados en la tabla
2, se puede evidenciar que los grupos Diners, Pacíco
y Produbanco en los períodos del 2015 al 2021 son e-
cientes al 100% y mantienen este nivel todos estos años,
lo que indica que la gestión de sus activos y gastos de
operación es adecuada en comparación con el resto de
los grupos como Pichincha cuyo promedio de eciencia
es 90,34% y el grupo Austro con un promedio de 96,12%
que, en términos generales, son inecientes (ver Tabla
2). El grupo Austro presenta en el año 2021 un nivel de
eciencia de 100% que es muy probable lo mantenga a
lo largo del 2022 pues es posible que haya realizado un
benchmarking tecnológico para estar a la par de sus com-
petidores.
Un aspecto importante a resaltar en términos de e-
ciencia para aquellos grupos que se encuentran al 100%
es, sin lugar a dudas, el uso adecuado de la tecnología
para la prestación de sus servicios, es decir, que a partir
del 2020 con la aparición de la pandemia del covid-19, las
actividades se realizaron bajo modalidad virtual, por lo
que con seguridad los grupos realizaron grandes inver-
siones en tecnología para poder atender a sus clientes, lo
que redujo sus costos operativos y de personal, pues en
estos dos últimos años se ha experimentado los despidos
Tabla 2.
Resultados de la eciencia 2015-2021
Eciencias 2015 Score Eciencias 2019 Score
  94,60%   96,10%
   100,00%    100,00%
  100,00%   100,00%
  90,30%   85,40%
  100,00%   100,00%
Eciencias 2016 Score Eciencias 2020 Score
  93,70%   94,20%
   100,00%    100,00%
  100,00%   100,00%
  93,80%   87,70%
  100,00%   100,00%
Eciencias 2017 Score Eciencias 2021 Score
  98,40%   100,00%
   100,00%    100,00%
  100,00%   100,00%
  91,40%   92,40%
  100,00%   100,00%
Eciencias 2018 Score
  95,90%
   100,00%
  100,00%
  91,40%
  100,00%
Nota. Cálculos realizados en soware Frontier Analyst
() y emplea el método de resolución envolvente en
dos etapas para medir la eciencia del conjunto de uni-
dades productivas [23].
Algunas de las unidades se evalúan como ecientes
y pueden considerarse que representan la mejor prácti-
ca disponible en el conjunto de unidades de referencia. El
soware intenta optimizar la calicación de las restantes
unidades no ecientes, lo cual da como resultado datos
sobre cuánto necesita cada unidad para mejorar e igua-
larse a las de mejor práctica. Por lo general, una unidad
ineciente intentará igualar características de más de una
unidad eciente. La unidad ineciente tiene un grupo de
pares con el que compara para mejorar su práctica y e-
ciencia [22].
Análisis de la Eciencia de los Grupos Financieros del Ecuador
45
Villareal F., et al.
masivos que fueron reemplazados por servicios automá-
ticos que son parte de la reingeniería de procesos para un
mejoramiento continuo de los productos ofertados (ver
Figura 3).
Respecto a las contribuciones de la tabla 3, cada una
de las cuentas traducidas a variables contribuyen a la e-
ciencia de cada Grupo Financiero, se lo puede observar en
la tabla 3 y se explica parte de ella, por ejemplo, el Grupo
Diners en el 2015 que ostenta una eciencia del 100%, las
variables que contribuyeron a su eciencia son los gastos
de operación y la variable ingresos con el 99,90%, es decir,
son las cuentas que este grupo maneja de mejor manera,
mientras que las variables cartera de créditos y activos -
jos no contribuyen con nada en la eciencia, sin embargo,
en el 2016 estas dos últimas cuentas sí contribuyen con el
25% y 2%, respectivamente.
Para el Grupo Pacíco, que en todos los períodos pre-
senta eciencia en 100%, de la misma forma la contri-
bución input output para el 2015 se da en las variables
cartera de créditos 99,90%, gastos de operación 77,90% y
activos jos 22% que contribuyen a su eciencia
En el caso del Grupo Austro y del Grupo Pichincha,
a pesar de ser inecientes en el año 2015 y en el resto de
períodos analizados, de acuerdo con la teoría del , no
signica que estos grupos están quebrados, sino que de-
ben mejorar su gestión en todas sus variables, generan-
do una comparación tecnológica y de operación con sus
competidores, pues con un 94,60% de nivel de eciencia
sus ingresos no contribuyen a su eciencia, la cartera de
créditos, gastos de operación y activos jos contribuyen
Figura 3.
Eciencias de los grupos al 2021
Figura 4.
Evolución de activos. Grupos
Fuente. Cálculos realizados en soware Frontier Analyst
Fuente. Datos obtenidos de la base 2016-2021
46
Tabla 3.
Contribuciones inputs-outputs a la eciencia d ellos grupos
Grupo Austro/Contribución input-output 2017 Grupo Austro/Contribución input-output 2018
Ingresos (Y1) 99,90% Ingresos (Y1) 99,90%
Cartera de créditos (Y2) 0,00% Cartera de créditos (Y2) 0,00%
Gastos de operación (X1) 86,80% Gastos de operación (X1) 87,70%
Activos jos (X2) 13,10% Activos jos (X2) 12,20%
Grupo Diners Club/Contribución input-output 2017 Grupo Diners Club/Contribución input-output 2018
Ingresos (Y1) 99,90% Ingresos (Y1) 99,90%
Cartera de créditos (Y2) 0,00% Cartera de créditos (Y2) 0,00%
Gastos de operación (X1) 97,30% Gastos de operación (X1) 97,70%
Activos jos (X2) 2,60% Activos jos (X2) 2,20%
Grupo Pacíco/Contribución input-output 2017 Grupo Pacíco/Contribución input-output 2018
Ingresos (Y1) 99,90% Ingresos (Y1) 99,90%
Cartera de créditos (Y2) 0,00% Cartera de créditos (Y2) 0,00%
Gastos de operación (X1) 86,60% Gastos de operación (X1) 99,90%
Activos jos (X2) 13,30% Activos jos (X2) 0,00%
Grupo Pichincha/Contribución input-output 2017 Grupo Pichincha/Contribución input-output 2018
Ingresos (Y1) 99,90% Ingresos (Y1) 99,9%
Cartera de créditos (Y2) 0,00% Cartera de créditos (Y2) 0,00%
Gastos de operación (X1) 89,60% Gastos de operación (X1) 91,20%
Activos jos (X2) 10,30% Activos jos (X2) 8,70%
Análisis de la Eciencia de los Grupos Financieros del Ecuador
Grupo Austro/Contribución input-output 2015 Grupo Austro/Contribución input-output 2016
Ingresos (Y1) 0,00% Ingresos (Y1) 67,70%
Cartera de créditos (Y2) 99,90% Cartera de créditos (Y2) 32,20%
Gastos de operación (X1) 83,10% Gastos de operación (X1) 85,10%
Activos jos (X2) 16,80% Activos jos (X2) 14,80%
Grupo Diners Club/Contribución input-output 2015 Grupo Diners Club/Contribución input-output 2016
Ingresos (Y1) 99,90% Ingresos (Y1) 74,90%
Cartera de créditos (Y2) 0,00% Cartera de créditos (Y2) 25,00%
Gastos de operación (X1) 99,90% Gastos de operación (X1) 97,70%
Activos jos (X2) 0,00% Activos jos (X2) 2,00%
Grupo Pacíco/Contribución input-output 2015 Grupo Pacíco/Contribución input-output 2016
Ingresos (Y1) 0,00% Ingresos (Y1) 32,40%
Cartera de créditos (Y2) 99,90% Cartera de créditos (Y2) 67,50%
Gastos de operación (X1) 77,90% Gastos de operación (X1) 99,90%
Activos jos (X2) 22,00% Activos jos (X2) 0,00%
Grupo Pichincha/Contribución input-output 2015 Grupo Pichincha/Contribución input-output 2016
Ingresos (Y1) 37,00% Ingresos (Y1) 63,30%
Cartera de créditos (Y2) 62,90% Cartera de créditos (Y2) 33,60%
Gastos de operación (X1) 82,60% Gastos de operación (X1) 89,80%
Activos jos (X2) 17,30% Activos jos (X2) 10,10%
Grupo Produbanco/Contribución input-output 2015 Grupo Produbanco/Contribución input-output 2016
Ingresos (Y1) 0,00% Ingresos (Y1) 63,70%
Cartera de créditos (Y2) 99,90% Cartera de créditos (Y2) 36,20%
Gastos de operación (X1) 54,70% Gastos de operación (X1) 89,00%
Activos jos (X2) 45,20% Activos jos (X2) 10,90%
47
Ingresos (Y1) 0,00% Ingresos (Y1) 0,00%
Cartera de créditos (Y2) 99,90% Cartera de créditos (Y2) 99,90%
Gastos de operación (X1) 99,90% Gastos de operación (X1) 51,40%
Activos jos (X2) 0,00% Activos jos (X2) 48,50%
Grupo Austro/Contribución
input-output 2019
Grupo Austro/Contribución
input-output 2020
Grupo Austro/Contribución
input-output 2021
Ingresos (Y1) 99,90% 99,90% 99,90%
Cartera de créditos (Y2) 0,00% 0,00% 0,00%
Gastos de operación (X1) 99,90% 99,90% 93,70%
Activos jos (X2) 0,00% 0,00% 6,20%
Grupo Diners Club/Contribución
input-output 2019
Grupo Diners Club/Contribución
input-output 2020
Grupo Diners Club/Contribución
input-output 2021
Ingresos (Y1) 0,00% 99,90% 0,00%
Cartera de créditos (Y2) 99,90% 0,00% 99,90%
Gastos de operación (X1) 84,90% 0,00% 89,70%
Activos jos (X2) 15,00% 99,90% 10,20%
Grupo Pacíco/Contribución
input-output 2019
Grupo Pacíco/Contribución
input-output 2020
Grupo Pacíco/Contribución
input-output 2021
Ingresos (Y1) 28,90% 41,00% 81,70%
Cartera de créditos (Y2) 71,00% 58,90% 18,20%
Gastos de operación (X1) 99,90% 99,90% 89,60%
Activos jos (X2) 0,00% 0,00% 10,30%
Grupo Pichincha/Contribución
input-output 2019
Grupo Pichincha/Contribución
input-output 2020
Grupo Pichincha/Contribución
input-output 2021
Ingresos (Y1) 68,30% 76,70% 80,30%
Cartera de créditos (Y2) 31,60% 23,20% 19,60%
Gastos de operación (X1) 91,50% 92,80% 92,30%
Activos jos (X2) 8,40% 7,10% 7,60%
Grupo Produbanco/Contribución
input-output 2019
Grupo Produbanco/Contribución
input-output 2020
Grupo Produbanco/Contribución
input-output 2021
Ingresos (Y1) 0,00% 0,00% 0,00%
Cartera de créditos (Y2) 99,90% 99,90% 99,90%
Gastos de operación (X1) 57,90% 56,80% 99,90%
Activos jos (X2) 42,00% 43,10% 0,00%
Nota. Cálculos realizados en soware Frontier Analyst
con 99,90%, 83,10% y 16,80%, respectivamente. De ma-
nera similar se puede interpretar el resto de las variables
para los grupos nancieros (ver Tabla 3 y Figura 4).
En cuanto a la evolución de los activos se observa que
el Grupo Austro posee la mayor cantidad en términos
numéricos, sin embargo, no es eciente en los períodos
analizados por lo que es pertinente generar la siguiente
hipótesis de investigación:
Ho: Los grupos más grandes respecto al tamaño de sus
activos son ecientes.
H1: Los grupos más grandes respecto al tamaño de sus
activos son no ecientes.
En este caso se rechaza la Ho y se acepta la hipótesis al-
ternativa, pues con el cálculo de la eciencia en este grupo se
puede evidenciar que tener un mayor tamaño de activos no
signica ser eciente, al contrario, los equipos y propiedades
posiblemente son improductivos y no están siendo utiliza-
dos a su máxima capacidad instalada en su operación diaria.
Análisis de la Eciencia de los Grupos Financieros del Ecuador
Grupo Produbanco/Contribución input-output 2017 Grupo Produbanco/Contribución input-output 2018
48
4. Conclusiones
Dentro de las variadas técnicas para calcular la eciencia
se encuentran las tradicionales, las cuales las empresas
generan mediante indicadores nancieros, sin tomar en
cuenta las técnicas paramétricas y no paramétricas que
se encuentran disponibles en la literatura y que se utili-
zaron para este análisis, como la metodología  me-
diante la técnica envolvente en dos etapas, técnica que
no está sujeta a una función predeterminada, sino que, al
contrario, permite trabajar con las variables que se consi-
deren pertinentes en la investigación. Esta técnica que ha
venido desarrollándose desde 1957 del siglo pasado por
Farrel y que a lo largo de las décadas se la ha mejorado,
tomó sus bases de la investigación operativa utilizada en
la parte logística de las tropas estadounidenses y, a partir
de ello, fue utilizada en las empresas.
En el  la eciencia se da bajo la combinación li-
neal que es parte de la frontera eciente, por lo tanto, ahí
se encontrarán las  que son ecientes y que sirven de
comparación para aquellas  inecientes que es igual
a la distancia que le faltaría para ser eciente. En cuan-
to a los resultados se observa que la eciencia al 100% lo
mantienen los grupos Pacíco, Diners y Produbanco a lo
largo de los períodos analizados 2015-2021, sin embargo,
cada uno maneja de mejor forma sus variables evaluadas
en el contexto del modelo. El benchmarking tecnológico
permitirá realizar la comparación de los procesos más e-
cientes de los grupos que poseen la eciencia en la pres
-
tación de los servicios, pues les permitirá optimizar los
recursos utilizados y por lo tanto disminuir los costos de
operación para el cumplimiento de los objetivos estraté-
gicos de las corporaciones.
A partir del 2019, con el surgimiento de la pandemia
del covid-19, muchas instituciones se vieron obligadas a
implementar un adelanto tecnológico no previsto a escala
mundial, con el n de generar inversiones que no estaban
previstas en sus presupuestos, pues con los despidos ma-
sivos que se experimentaron hasta el 2021 las empresas se
vieron forzadas en las adquisiciones de equipos tecnoló-
gicos y plataformas virtuales, que en cierto modo suplan-
taron a la mano de obra, especialmente en los servicios.
Los efectos inmediatos fueron adaptarse a la indus-
tria 4.0 y la reciente aparición del metaverso donde los
seres humanos interactúan de manera social y económi-
ca en un mundo virtual cada vez más competitivo, que
nos obliga a manejar el aprendizaje de datos en tiempo
real, con la ayuda de una serie de dispositivos electróni-
cos para interactuar con otros usuarios en una segunda
realidad virtual y nuevas formas de trabajo a las que el
ser humano debe adaptarse y que, en consecuencia, hará
que las empresas que se ajusten a estos cambios sean glo-
balmente ecientes, bajando signicativamente los pro-
cesos burocráticos, como ocurre actualmente con los
conictos bélicos, donde cada vez observamos menor
empleo de personal como recurso, los que a cambio han
Referencias
[1] G. d. México, «cnbv.gob.mx», Sectores supervisados
por el gobierno de México, 10 octubre 2013. [Online].
Available: https://www.cnbv.gob.mx/SECTORES-SU-
PERVISADOS/OTROS-SUPERVISADOS/Pregun-
tas-Frecuentes/Paginas/Grupos-Financieros.aspx.
[Accessed 1 Agosto 2022].
[2] El economista, «eleconomista.com», 30 marzo 2021.
[Online]. Available: https://www.eleconomista.com.
mx/sectornanciero/BBVA-Santander-Banorte-y-Citi-
banamex-siguen-como-los-principales-grupos-nan-
cieros-20210330-0111.html.
[3] Finect, «nect.com», 9 febrero 2022. [Online]. Availa-
ble: https://www.nect.com/usuario/eduardogarcia/ar-
ticulos/10-grupos-controlan-ahorros-espanoles.
[4] El Universo, «Grupos nancieros podrán aglutinar ban-
ca, valores y seguros, según reforma de Ley de Desarro-
llo», Guayaquil, 2021.
[5] Superintendencia de Bancos del Ecuador, «Boletines
estadísticos Grupos Financieros», Superintendencia de
Bancos del Ecuador, Quito, 2022.
[6] L. Belmonte y J. Plaza, «Análisis de la eciencia en las
cooperativas de crédito. Una propuesta metodológica
basada en el », Ciriec, vol. 63, diciembre 2008, pp.
113-133.
[7] B. Render and J. Heizer, «Operaciones y Productividad»,
en Principios de administración de operaciones, Naucal-
pán de Juárez, Pearson, 2014, p. 14.
[8] J. López and A. Appeninini, «Are italian mutual bank
ecient, evidence from two dierent cost frontier tech-
niques», Chapters in suerf studies, vol. 15, 2002, pp. 7-42.
[9] M. Sanin and F. Zimet, «Estimación de una frontera de
eciencia técnica en el mercado de seguros uruguayo»,
Facultad de Ciencias Económicas y de Administración,
Universidad de la República, junio 2017, pp. 1-60.
[10] J. Campoverde, C. Romero y D. Borenstein, «Evalua-
ción de eciencia de cooperativas de ahorro y crédito
en Ecuador: aplicación del modelo Análisis Envolven-
te de Datos », Contaduría y Administración, vol. 64,
.o 1, marzo 2019, pp. 1-19.
[11] Z. N. J. Torres y R. Gómez, «El sector bancario en Méxi-
co: un análisis a través de la Envolvente de Datos ()»,
Investigación Administrativa, vol. 39, .
o
106, 2010, pp.
97-113.
sido sustituidos por elementos electrónicos, especialmen-
te por las grandes potencias, conceptos ya introducidos
por el escritor estadounidense Neal Stephenson en 1992
e impulsado por Mark Zuckerberg cuando ya conrma-
ba que su corporación trabajaba con su propio metaverso,
desarrollando la tecnología que necesita, pues esta reali-
dad no está lejos de ser utilizada en el proceso producti-
vo de las diferentes industrias [24].
Análisis de la Eciencia de los Grupos Financieros del Ecuador
49
[12] R. Monge, «El sector bancario en México, los depósitos
a plazo y las cuentas de ahorro: un análisis de eciencia
durante el período de internacionalización a través de la
envolvente de datos ()», Ciencias estratégicas, 2012,
pp. 13-38.
[13] J. Clavijo y J. Perea, Medición de la eciencia social en las
cooperativas de ahorro y crédito en Colombia utilizando
 no paramétrico, Maestría en Economía, Universi-
dad Javeriana, Santiago de Cali, 2020.
[14] P. Sánchez y G. Rodríguez, «Indicadores de eciencia re-
lativa del proceso de gestión de crédito de un banco co-
lombiano, mediante », Cuadernos de contabilidad,
2016, pp. 13-41.
[15] M. Trung, C. Ping and C. Y. C. Guo, «Mixed network
 with shared resources: a case of measuring perfor-
mance for banking industry», in Operations Research
Perspectives, 2020, pp. 2-11.
[16] J. Goyan, M. Singh, R. Singh and A. Aggarwal, «Ecien-
cy and technology gaps in Indian banking sector: Appli-
cation of meta-frontier directional distance function
 approach», Advancing Research Envolving Science,
vol. 5, 2019, pp. 156-172.
[17] P. Wanke, M. Tsionas, Z. Chen and J. Moreira, «Dyna-
mic network  and  models for accounting and -
nancial indicators with an analysis of super-eciency in
stochastic frontiers: an eciency comparison in 
banking», International Review of Economics & Finan-
ce, vol. 69, sept. 2020, pp. 456-468.
[18] I. Cotrim, V. Amorim, H. Kimura and E. Barberio,
«Two-stage  in banks: terminological controversies
and future directions», Expert Systems with Applications,
2020, pp. 2-31.
[19] Wasiaturrahma, S. R. S. Raditya, S. Uni and A. Hudai-
fah, «Financial performance of rural banks in Indone-
sia: a two-stage  approach», Heliyon, vol. 6, 2020, pp.
2-9.
[20] F. Sáez, A. Picazo and I. Jiménez, «Performance and risk
in the Brazilian banking industry», Heliyon, vol. 7, 2021,
pp. 1-11.
[21] V. Serrano y O. Blasco, Evaluación de la eciencia me-
diante , Valencia: Universidad de Valencia, 2009.
[22] Banxia Soware Ltd., Frontier Analyst, 2022.
[23] V. Coll y O. Blasco, Evaluación de la eciencia mediante
el análisis envolvente de datos, Valencia: Universidad de
Valencia, 2006.
[24] R. Orellana, «es.digitaltrends.com», Digitaltrends, 8
agosto 2022. [Online]. Available: https://es.digitaltrends.
com/realidad-virtual/que-es-metaverso/. [Accessed 16
agosto 2022].
[25] Superdebancos, «Superintendencia de Bancos del Ecua-
dor», 1 julio 2022. [Online]. Available: https://www.su-
perbancos.gob.ec/bancos/.
Análisis de la Eciencia de los Grupos Financieros del Ecuador
50
Fuente. [24].
Análisis de la Eciencia de los Grupos Financieros del Ecuador
Anexo 1. Base de datos de la Superintendencia de Bancos del Ecuador
  2015 2016 2017 2018 2019 2020 2021
Ingresos (Y1) 27.424 163.575 174.668 187.421 199.402 191.780 229.319
Cartera de créditos (Y2) 834.194 837.566 888.649 928.805 999.616 1.044.663 1.272.964
Gastos de operación (X1) 75.613 75.870 77.038 78.601 83.903 81.354 88.250
Activos jos (X2) 25.660 39.305 39.102 40.290 42.357 43.255 70.360
grupo diners club 2015 2016 2017 2018 2019 2020 2021
Ingresos (Y1) 334.984 322.936 325.690 407.944 482.269 439.044 465.132
Cartera de créditos (Y2) 1.134.751 1.159.531 1.326.890 1.727.709 1.932.943 1.753.134 1.836.226
Gastos de operación (X1) 139.019 145.902 158.392 182.781 198.713 176.896 191.747
Activos jos (X2) 9.794 8.939 14.363 15.406 15.428 10.761 9.629
grupo pacíco 2015 2016 2017 2018 2019 2020 2021
Ingresos (Y1) 484.916 524.420 567.765 646.990 733.805 698.069 746.402
Cartera de créditos (Y2) 2.646.141 2.727.446 3.311.240 3.713.577 4.089.085 4.075.300 4.032.839
Gastos de operación (X1) 212.801 226.446 245.691 259.522 296.613 278.848 293.201
Activos jos (X2) 100.890 126.558 127.235 136.065 147.611 147.432 157.260
grupo pichincha 2015 2016 2017 2018 2019 2020 2021
Ingresos (Y1) 1.652.715 1.328.601 1.422.467 1.553.846 1.586.737 1.518.589 1.682.209
Cartera de créditos (Y2) 8.031.982 7.241.157 7.574.492 7.722.155 8.574.094 8.289.337 9.970.250
Gastos de operación (X1) 811.876 662.757 697.276 711.033 780.074 700.040 750.174
Activos jos (X2) 254.196 222.318 269.885 249.685 245.896 265.975 287.100
grupo produbanco 2015 2016 2017 2018 2019 2020 2021
Ingresos (Y1) 328.817 344.134 364.726 444.089 523.654 501.923 570.432
Cartera de créditos (Y2) 1.892.373 2.101.280 2.514.110 2.992.169 3.296.575 3.269.516 3.780.483
Gastos de operación (X1) 180.275 166.054 180.032 208.575 231.184 214.188 241.510
Activos jos (X2) 24.999 60.872 59.819 59.116 73.614 69.298 87.111