gustavo josÉ de guimarÃes e souza - cpgeconomia.uff.br · universidade federal fluminense centro...

166

UUNNIIVVEERRSSIIDDAADDEE FFEEDDEERRAALL FFLLUUMMIINNEENNSSEE CCEENNTTRROO DDEE EESSTTUUDDOOSS SSOOCCIIAAIISS AAPPLLIICCAADDOOSS

FFAACCUULLDDAADDEE DDEE EECCOONNOOMMIIAA PPÓÓSS--GGRRAADDUUAAÇÇÃÃOO EEMM EECCOONNOOMMIIAA

GUSTAVO JOSÉ DE GUIMARÃES E SOUZA

A INTERAÇÃO ENTRE A DINÂMICA MACROECONÔMICA E OS BANCOS: UMA

PERSPECTIVA ACERCA DO RISCO DE CRÉDITO

Niterói (RJ) 22000077

2


A INTERAÇÃO ENTRE A DINÂMICA MACROECONÔMICA E OS BANCOS: UMA

PERSPECTIVA ACERCA DO RISCO DE CRÉDITO Dissertação apresentada ao Programa de Pós-Graduação em Ciências Econômicas da Universidade Federal Fluminense como parte dos requisitos para obtenção do Grau de Mestre em Economia. Orientadora: Profª. PhD Carmem Aparecida do Valle Costa Feijó

Niterói (RJ) 22000077

3


A INTERAÇÃO ENTRE A DINÂMICA MACROECONÔMICA E OS BANCOS: UMA PERSPECTIVA ACERCA DO RISCO DE

CRÉDITO

Dissertação apresentada ao Programa de Pós-Graduação em Ciências Econômicas da Universidade Federal Fluminense como parte dos requisitos para obtenção do Grau de Mestre em Economia.

Banca Examinadora:

__________________________________________________________ Profª. PhD Carmem Aparecida do Valle Costa Feijó (Orientadora)

Faculdade de Economia - UFF

__________________________________________________________ Profº. Dr. Helder Ferreira de Mendonça

Faculdade de Economia – UFF

__________________________________________________________ Profº. PhD Fernando José Cardim de Carvalho

Instituto de Economia – UFRJ

Niterói (RJ) 19 de julho de 2007

4

Primeiramente, agradeço a DEUS, por continuar, em sua infinita graça, a iluminar meus caminhos e minha vida tanto pessoal como acadêmica.

Agradeço a meus pais, Amauri Sebastião (in memoriam) e Stela Maria, meus irmãos, Amanda Caroline e Pablo Alessandro e minha Vó Maria, que, apesar da distância, sempre me apóiam e me nutrem de carinho para seguir nesta luta diária.

Agradeço também a minha orientadora e então coordenadora da Pós-Graduação, Carmem Feijó, por sua confiança em meu trabalho; sem seu apoio a tarefa seria bem mais difícil. À Alexandre Cerqueira, pelos mesmos motivos.

Em particular e com muito apreço, aos demais membros da Banca: ao Professor Fernando Cardim, por suas sugestões e sua presença (que por si só valeu todo o esforço), ao Professor Helder de Mendonça, - suas aulas e seu exemplo de dedicação foram primordiais para minha formação acadêmica.

Aos valiosos comentários de Marcelo Fernandes, Tony Takeda e Victorio Chu e à presteza de Gilneu Vivan e da equipe do DESIG do Banco Central do Brasil, que forneceu a base de dados.

Às parcerias realizadas durante o curso com a Professora Renata Del-Vecchio e o Professor Helder de Mendonça, que me proporcionaram inserção na pesquisa e geraram publicações em congressos, encontros, simpósios e uma revista científica.

Ao Departamento de Economia da UFF, não apenas aos professores, mas aos funcionários, aos contratados e afins, por me auxiliarem sempre que necessário. Em especial ao Vagner, ao “Seu” Moacir, ao João e à Edinha.

Aos professores que em sala de aula me ensinaram além da ementa, seja na UFF, na UFRJ seja na PUC-Rio.

A todos os colegas de mestrado, inclusive aos que por motivos distintos não o concluíram. Agradeço, ainda, a alguns colegas, em especial, pelos momentos únicos e inesquecíveis vividos durante esta fase de minha vida: Aleciana, Carol Jorge, Daniel, Gustavo Abraão, João Carlos, José Jorge, Marcos Tostes, Marcelo Pessoa, Mário Rubens, Pedro Paulo e ao crânio matemático: Viviane Alkmin.

Ao meu agora brother, Fábio Stallivieri, com quem dividi o m2 mais produtivo de Niterói. Algo lá em cima nos mostrou que as barreiras a serem superadas só dignificam a batalha. Nossa amizade e empenho nos levou ao topo “gelado” do mundo!

Ao Banco do Brasil, pelo apoio financeiro e pela dedicação exclusiva ao Mestrado, porém, mais ainda por me possibilitar conhecer profissionais e amigos que me inspiraram: Bin, Flávio Messias, Fred (irmão), Gangoni, Hilda, Idalberto das Neves, Jairo, Juliana, Juraci Nogueira, Marcos Cunha, Neilton e Rai. Sem estes não haveria Mestrado nem agradecimentos.

Ao meu “dengo”, Érica AMORim, sem comentários! Sua genialidade e seu companheirismo me impressionam!

A todos que partiram, mas continuam presentes: minha avó Camila Barra, meu avô Coutinho, meu avô Oswaldo, meu tio Sinval e minha priminha “anjinho” Clara. Também a todos que deste momento participaram, pois eu era feliz e ... SABIA!

5

A DEUS, na imagem de JESUS CRISTO, sempre em primeiro lugar em minha vida.

A meu pai, Amauri Sebastião de Souza, de quem herdei a curiosidade intelectual, que está vendo todas estas “nossas” vitórias de um lugar bem melhor!

À minha estrela maior, razão de minha existência, minha mãe Stela, dedico.

6

“Homens de gênio fazem o máximo quando trabalham o mínimo, pois estão engendrando invenções e formando as idéias perfeitas que depois expressarão com as mãos”. Leonardo da Vinci (1452-1519). Gênio italiano. “A espécie humana, segundo a melhor teoria que posso formular a respeito dela, é composta de duas raças distintas: os que pedem emprestado e os que emprestam”. Charles Lamb (1775-1834). Ensaísta inglês. “O risco varia inversamente ao conhecimento”. Irving Fisher (1867-1947). Economista americano.

7

RESUMO

O crédito no Brasil é caracterizado pelo custo excessivo e pela oferta reprimida, sendo

uma das causas o elevado risco de inadimplência embutido no spread. Assim, este Trabalho

procura analisar como os fatores macroeconômicos afetam o risco incorrido pelas carteiras de

crédito bancárias no Brasil. Constata-se, a partir dos resultados, que o nível de atividade

econômica e a taxa de juros básica da economia são fatores que exercem forte influência

sobre a expectativa de inadimplência bancária. Paralelamente, a Dissertação dedica-se à

investigação das reações da indústria bancária frente aos riscos de conjuntura, apresentando

uma nova perspectiva acerca da constituição do risco de crédito. A hipótese assumida, de que

o risco presente nos portfólios bancários se faz por um processo interativo entre os bancos e o

ambiente econômico, é confirmada para o período de março de 2000 a junho de 2006. Os

resultados gerais também corroboram a existência de diferenças comportamentais entre os

bancos públicos e os privados.

Palavras-chave: Risco de Crédito, Bancos, Macroeconomia e Spread.

8

ABSTRACT

The credit in Brazil is characterized by its excessive cost and limited supply. The main

reason is the high default risk embedded in the spread. This paper analyzes how

macroeconomic factors influence the credit portfolio risk in the Brazilian financial system.

This paper concludes that the level of the economic activity and the basic interest rates are

factors with great influence on the default risk. Additionally, this paper also analyses the

reaction of the financial sector to conjuncture risks, suggesting a new approach to the credit

risk. The assumption that the risks of banks’ portfolios are a result of an interactive process

among the banks and the economic environment is confirmed for the period of March, 2000 to

July, 2006. The results also point to differences in the behavior of private and public banks.

Keywords: Credit Risk, Banks, Macroeconomics and Spread.

9

LISTA DE TABELAS Tabela 2.1 Participação (%) do Crédito Livre e Direcionado sobre o Crédito Total – Brasil....................... 43

Tabela 2.2 Crédito por Mutuário e por Faixa de Valor - Montante Médio e Participação no Total (Dez. de

2004 a jun. de 2006) ............................................................................................................................................. 44

Tabela 2.3 Comparativo Internacional – Dados do Sistema Bancário em Percentual do PIB (2003).......... 46

Tabela 2.4 Estrutura do Spread Bancário Brasileiro Ex-Ante (participação %) por Tipo de Amostra

(Dezembro de 2002)............................................................................................................................................. 56

Tabela 3.1 Composição da Amostra de Bancos por Tipo de Controle e Atributo - Brasil ............................ 72

Tabela 3.2 Estatísticas Descritivas das Variáveis Originais (Mar. de 2000 a jun. de 2006) ........................... 75

Tabela 4.1 Resultados dos Testes de Raiz Unitária e Estacionariedade .......................................................... 93

Tabela 4.2 Teste de Raiz Unitária Modificado para o ADL de Longo Prazo – Bancos Públicos .................. 98

Tabela 4.3 Estimação do Vetor de Longo Prazo – Risco de Crédito Bancos Públicos ................................... 98

Tabela 4.4 Estimação do Modelo de Curto Prazo – Risco de Crédito Bancos Públicos............................... 100

Tabela 4.5 Teste de Raiz Unitária Modificado para o ADL de Longo Prazo – Bancos Privados................ 101

Tabela 4.6 Estimação do Vetor de Longo Prazo – Risco de Crédito Bancos Privados................................. 102

Tabela 4.7 Estimação do Modelo de Curto Prazo – Risco de Crédito Bancos Privados .............................. 103

Tabela 4.8 Critérios de seleção de defasagem – Bancos Públicos................................................................... 106

Tabela 4.9 Critério de Ordenação das Variáveis – Bancos Públicos ............................................................. 109

Tabela 4.10 Decomposição de Variância (%) para o Risco de Crédito dos Bancos Públicos ...................... 113

Tabela 4.11 Critérios de seleção de defasagem – Bancos Privados ................................................................ 114

Tabela 4.12 Critério de Ordenação das Variáveis – Bancos Privados........................................................... 115

Tabela 4.13 Decomposição de Variância (%) para o Risco de Crédito dos Bancos Privados...................... 119

Tabela 4.14 Critérios de seleção de defasagem –Concessão de Crédito por Ativo Bancário ....................... 126

Tabela 4.15 Estatísticas do Traço e do Máximo Autovalor - Concessão de Crédito por Ativo Bancário... 127

Tabela 4.16 Coeficientes Normalizados - Concessão de Crédito por Ativo Bancário .................................. 127

Tabela 4.17 Critérios de seleção de defasagem – Concessão de Crédito à PF............................................... 129

Tabela 4.18 Estatísticas do Traço e do Máximo Autovalor - Concessão de Crédito à PF............................ 129

Tabela 4.19 Coeficientes Normalizados - Concessão de Crédito à PF ........................................................... 129

Tabela 4.20 Critérios de seleção de defasagem – Operações de Crédito Bancos Públicos ........................... 131

Tabela 4.21 Estatísticas do Traço e do Máximo Autovalor - Operações de Crédito Bancos Públicos........ 131

Tabela 4.22 Critérios de seleção de defasagem – Operações de Crédito Bancos Privados .......................... 132

Tabela 4.23 Estatísticas do Traço e do Máximo Autovalor - Operações de Crédito Bancos Privados ....... 132

Tabela 4.24 Coeficientes Normalizados - Operações de Crédito Bancos Privados....................................... 133

Tabela 4.25 Critérios de seleção de defasagem – Percentual de Crédito à PF dos Bancos Públicos ........... 134

Tabela 4.26 Estatísticas do Traço e do Máximo Autovalor - Percentual de Crédito à PF dos Bancos

Públicos .............................................................................................................................................................. 134

Tabela 4.27 Critérios de seleção de defasagem – Percentual de Crédito à PF dos Bancos Privados .......... 135


Privados.............................................................................................................................................................. 135

Tabela 4.29 Coeficientes Normalizados - Percentual de Crédito à PF dos Bancos Privados....................... 135

10

LISTA DE GRÁFICOS Gráfico 1.1 Estrutura do Novo Acordo de Basiléia ........................................................................................... 27

Gráfico 2.1 Crédito como Percentual do PIB (%) – Total e por Tipo de Instituição Financeira (2º sem. de

1994 ao 1º sem. de 2006)...................................................................................................................................... 40

Gráfico 2.2 Crédito Total, Direcionado e Livre – Percentual (%) do PIB (Jun. de 2000 a jun. de 2006)..... 43

Gráfico 2.3 Crédito Bancário ao Setor Privado - Percentual (%) do PIB Brasil, América Latina e Países

Selecionados (2003)............................................................................................................................................. 45

Gráfico 2.4 Média Mensal da Taxa (% a.a.) e do Spread (p.p.) – Juros Prefixados Pessoa Física, Jurídica e

Geral (Mar. de 2000 a jun. de 2006) .................................................................................................................. 48

Gráfico 2.5 Média Mensal da Taxa (% a.a.) e do Spread (p.p.) – Juros Consolidados Pessoa Física, Jurídica

e Geral (Jun. de 2000 a jun. de 2006)................................................................................................................. 49

Gráfico 2.6 Taxas de Inadimplência de 15 a 90 dias e acima de 90 dias em relação ao Total da

Modalidade*(%) – Pessoa Física, Jurídica e Geral (Jun. de 2000 a jun. de 2006)......................................... 50

Gráfico 2.7 Estrutura do Spread Bancário Ex-Ante (participação %) no Brasil (2003 e 2004) ..................... 55

Gráfico 3.1 As Séries em Nível – Originais e Ajustadas.................................................................................... 78

Gráfico 4.1 Resposta do Risco ao Impulso (um DP) na mesma Variável – Bancos Públicos....................... 110

Gráfico 4.2 Resposta do Risco ao Impulso (um DP) no Desemprego – Bancos Públicos ............................. 110

Gráfico 4.3 Resposta do Risco ao Impulso (um DP) no Produto – Bancos Públicos .................................... 111

Gráfico 4.4 Resposta do Risco ao Impulso (um DP) na Selic – Bancos Públicos .......................................... 111

Gráfico 4.5 Resposta do Risco ao Impulso (um DP) no Compulsório – Bancos Públicos ............................ 111

Gráfico 4.6 Resposta do Risco ao Impulso (um DP) no Spread – Bancos Públicos....................................... 112

Gráfico 4.7 Resposta do Risco ao Impulso (um DP) na mesma Variável – Bancos Privados ...................... 116

Gráfico 4.8 Resposta do Risco ao Impulso (um DP) no Desemprego – Bancos Privados............................. 116

Gráfico 4.9 Resposta do Risco ao Impulso (um DP) no Produto – Bancos Privados.................................... 117

Gráfico 4.10 Resposta do Risco ao Impulso (um DP) na Selic – Bancos Privados........................................ 117

Gráfico 4.11 Resposta do Risco ao Impulso (um DP) no Compulsório – Bancos Privados.......................... 117

Gráfico 4.12 Resposta do Risco Bancos Privados ao Impulso (um DP) no Spread – Bancos Privados ....... 118

Gráfico 4.13 Impacto e Variância – Risco de Crédito dos Bancos Públicos ................................................ 120

Gráfico 4.14 Impacto e Variância – Risco de Crédito dos Bancos Privados ................................................. 121

Gráfico 4.15 Síntese Geral – O Processo Interativo interferindo no Ciclo .................................................... 137

11

LISTA DE QUADROS Quadro 1.1 Ponderação dos Tipos de Ativos segundo o Risco.......................................................................... 31

Quadro 1.2 Percentuais de Provisão por Faixa de Risco de Crédito................................................................ 33

Quadro 1.3 Reclassificação devido à Inadimplência.......................................................................................... 34

Quadro 2.1 Literatura Empírica Estrangeira com Análise do Spread Bancário por Grupo de Países ......... 53

Quadro 2.2 Literatura Empírica sobre o Spread Bancário Brasileiro por Abordagem Analítica e Medida do

Spread ................................................................................................................................................................... 53

Quadro 2.3 Variáveis Empregadas na Literatura Empírica sobre o Spread Bancário Brasileiro................. 57

12

SUMÁRIO

INTRODUÇÃO 14

1 CRÉDITO, INADIMPLÊNCIA, RISCO E REGULAÇÃO: CONCEITUAÇÃO INTRODUTÓRIA 17

1.1 Considerações Iniciais 17 1.2 Crédito e Sua Relevância Econômica 17 1.3 Inadimplência e Risco de Crédito 22 1.4 Regulação Bancária e Acordos de Basiléia 25 1.5 Regulação e Acordos no Brasil 29 1.5.1 Índice de Capital 30 1.5.2 Provisões para Operações de Crédito 32 1.5.3 Perdas Esperadas e Não Esperadas 34 1.6 Considerações Finais 36

2 INVESTIGAÇÃO ACERCA DO CRÉDITO E SUAS VARIANTES NO BRASIL RECENTE 37

2.1 Considerações Iniciais 37 2.2 Crédito no Brasil 38 2.2.1 Evolução do Crédito Bancário a partir do Plano Real 38 2.2.2 Trajetória dos Juros, do Spread e da Inadimplência 47 2.3 Spread: Conceito, Estrutura e Determinantes 52 2.3.1 Estrutura do Spread Brasileiro 54 2.3.2 Determinantes do Spread Brasileiro 56 2.3.3 Vínculo entre o Risco de Crédito e o Spread Brasileiro 58 2.4 Considerações Finais 61

3 MENSURAÇÃO DO RISCO DE CRÉDITO E ASPECTOS METODOLÓGICOS 62

3.1 Considerações Iniciais 62 3.2 Medidas de Risco de Crédito 62 3.2.1 Modelos de Risco de Crédito em Nível de Portfólio 63 3.2.2 Proxies de Risco Utilizadas na Literatura 65 3.2.3 Risco de Crédito Calculado 67 3.3 Metodologia dos Dados 69 3.3.1 Seleção da Amostra 69 3.3.2 Natureza dos Dados Utilizados 71

13

3.3.2.1 Base de Dados Referente às Informações Bancárias 71 3.3.2.2 Base de Dados Referente às Informações Macroeconômicas 72 3.3.2.3 Construção das Séries de Interesse 73 3.4 Arcabouço Econométrico 78 3.4.1 Estacionariedade e Processos Integrados 80 3.4.2 Cointegração 81 3.4.3 Modelo de Correção de Erros 84 3.4.4 Vetor de Correção de Erros 85 3.5 Considerações Finais 88

4 DINÂMICA MACROECONÔMICA E RISCO DE CRÉDITO: EVIDÊNCIAS PARA O CASO BRASILEIRO 89

4.1 Considerações Iniciais 89 4.2 Relevância da Dinâmica Macroeconômica para o Risco de Crédito 90 4.3 Testes de Raiz Unitária e Estacionariedade 92 4.4 Risco de Crédito Bancário no Longo e no Curto Prazo 94 4.4.1 Modelo de Correção de Erros – Bancos Públicos 96 4.4.2 Modelo de Correção de Erros – Bancos Privados 101 4.4.3 Modelo de Correção de Erros – Comparativo entre os Tipos de Bancos 104 4.5 Impacto e Variância de Choques sobre Risco de Crédito Bancário 105 4.5.1 Modelo de Correção de Erro Vetorial – Bancos Públicos 106 4.5.2 Modelo de Correção de Erro Vetorial – Bancos Privados 114 4.5.3 Modelo de Correção de Erro Vetorial – Comparativo entre os Tipos de Bancos 119 4.6 Risco Macro e Micro – Análise por meio da Cointegração 122 4.6.1 Relação Risco Macro e Micro – Conglomerado Bancário 125 4.6.1.1 Relação entre o Risco País e a Concessão de Crédito por Ativo Bancário 125 4.6.1.2 Relação entre o Risco País e a Concessão de Crédito à PF 127 4.6.2 Relação Risco Macro e Micro – por Tipo de Banco 130 4.6.2.1 Relação entre o Risco País e as Operações de Crédito por Tipo de Banco 130 4.6.2.1.1 Relação das Operações de Crédito para os Bancos Públicos 131 4.6.2.1.2 Relação das Operações de Crédito para os Bancos Privados 132 4.6.2.2 Relação entre o Risco País e o Percentual de Crédito à PF por Tipo de Banco 133 4.6.2.2.1 Relação do Percentual de Crédito à PF para os Bancos Públicos 133 4.6.2.2.2 Relação do Percentual de Crédito à PF para os Bancos Privados 134 4.7 Considerações Finais 136

CONCLUSÃO 140

REFERÊNCIAS 142

APÊNDICE 152

14

INTRODUÇÃO

A relevância econômica do crédito é destacada na literatura por autores de distintas

linhas de pesquisa em diferentes épocas (SCHUMPETER, 1982 [1911]; KEYNES, 1937;

MINSKY, 1986; STIGLITZ, 1989; GERTLER e GILCHRIST, 1994; BERNANKE e

GERTLER, 1995 e LEVINE, 1997 e 2004). Apesar da evolução do sistema financeiro, do

crescimento dos mercados de capitais e de securitização e das outras novas formas de

aquisição de recursos, o setor bancário desempenha ainda papel central na concessão de

crédito em todo o mundo. No caso de países onde esses mercados alternativos são incipientes,

e o Brasil é exemplo, a dependência da indústria bancária é maior.

A intermediação financeira inerente aos bancos consiste, por um lado, em captar

recursos com agentes superavitários e remunerá-los e, por outro lado, em aplicar parte dos

mesmos recursos em agentes deficitários, cobrando deles por isso. A diferença entre as taxas

de captação e aplicação é chamada de spread. Além da remuneração do banco pela própria

intermediação, essa distância entre as taxas pode ser explicada pelos custos envolvidos, como,

por exemplo, despesas administrativas, tributos e taxas, impostos e riscos.

Especificamente a atividade creditícia envolve vários tipos de riscos, dos quais o de

não-recebimento nas condições pré-pactuadas – a inadimplência – é o de maior freqüência e

importância. Destarte, como forma de cobrar o risco de inadimplência incorrido, bancos

imputam na taxa de juros uma parcela precificada da probabilidade de não-recebimento.

Portanto, o risco de não-recebimento está embutido no spread das operações de crédito.

Historicamente, no Brasil, vem se observando um volume de crédito em relação à

atividade econômica aquém da média mundial, inferior até mesmo à média da América Latina

(GELOS, 2006). Paralelamente, verifica-se no País que os spreads médios vigentes e, por sua

vez, o nível médio das taxas de juros são demasiadamente elevados (PAULA e LEAL, 2006).

Essa situação é reconhecida pelo próprio Banco Central do Brasil (BCB) (2003: 7): “[...] o

Banco Central está consciente de que tem um papel ativo a exercer na busca incessante de

dois objetivos fundamentais: a redução dos spreads bancários e a expansão da oferta de

crédito”.

Também é reconhecido que uma das principais causas do spread elevado é o nível

médio de risco de inadimplência existente nas carteiras de crédito bancárias. Logo, faz-se

necessária a redução do risco de inadimplência para obtenção do mesmo efeito no spread

(BCB, 2004 e 2005).

15

Assim, investiga-se neste Trabalho o comportamento do risco de crédito frente a

diversos fatores macroeconômicos, isto é, pretende-se avançar no conhecimento desse

componente para a política econômica. Entender como opera a relação entre os fatores

sistêmicos e estocásticos presentes na economia - responsáveis por modificar o risco de

inadimplência médio das carteiras de crédito das instituições bancárias – e os bancos ajuda a

compreender melhor os processos de constituição e determinação do spread.

Além do risco sistemático, presente nas operações de crédito e ocasionado pelas

oscilações macroeconômicas, existe ainda um risco remanescente relacionado ao perfil da

própria instituição bancária e dos seus tomadores, o risco idiossincrático ou microeconômico.

Apesar de este ser determinado pelas características intrínsecas ao tomador de recursos e à

instituição credora, tal tipo de risco em nível de portfólio pode ser ajustado pelos bancos por

diversos propósitos. Ressalta-se, portanto, que a redução do risco depende, em última

instância, da postura dos bancos. A relação existente entre os bancos e as oscilações

macroeconômicas no que concerne ao risco de crédito é interativa. Embora o ambiente

macroeconômico afete a carteira dos bancos, estes reagem a fim de obter as melhores

oportunidades disponíveis ou mesmo se proteger.

Para empreender a essas investigações, o Trabalho está estruturado em quatro

capítulos, além desta Introdução e da Conclusão e das recomendações que o findam. O

Capítulo 1 - como etapa introdutória - apresenta as discussões teóricas sobre a inserção do

crédito no ambiente econômico; o fornecimento desse recurso por parte do setor bancário; os

riscos inerentes à cessão de crédito e a regulação que envolve os riscos da atividade bancária,

especialmente o risco de crédito.

O Capítulo 2 avalia sob vários aspectos a evolução do mercado de crédito brasileiro

após o advento do Plano Real, com ênfase nos anos recentes (2000-2006). Os dados referentes

aos volumes de crédito, às taxas de juros, aos spreads e aos níveis de inadimplência sob

múltiplos cortes são insumos para análise descritiva do panorama contemporâneo. Mostra

que, a despeito dos recentes avanços, o crédito no Brasil é ainda caracterizado pelo custo

excessivo e pela oferta reprimida. Traz também uma resenha teórica e empírica acerca da

composição e dos determinantes do spread. No todo, o Capítulo objetiva contextualizar o

cenário brasileiro de crédito e as possíveis causas do baixo volume disponibilizado - com

ênfase no risco de inadimplência.

O Capítulo 3 concentra-se nos aspectos metodológicos que norteiam a pesquisa. Para

tanto, detalha as bases de dados utilizadas, assim como a construção das séries e a seleção da

amostra. Uma substancial decisão refere-se à análise dos bancos por tipo de controle, ou seja,

16

consideram-se os bancos públicos apartados dos bancos privados. Executa-se também sucinta

descrição dos modelos econométricos empregados. Pretende-se, assim, gerar substrato teórico

para a investigação empírica realizada no Quarto Capítulo.

O Capítulo 4 é subdividido em três partes. A parte inicial, além da introdução, realiza

breve contextualização acerca da importância macroeconômica na determinação do risco de

crédito e testa a existência de integração nas séries utilizadas. Essa primeira etapa consiste de

três seções. A segunda parte é composta por duas seções e trata especificamente dos efeitos

ocasionados pelos fatores macroeconômicos no que tange ao risco de crédito. Para o intento,

estimam-se os modelos estruturais e dinâmicos, identificando a direção e a grandeza do efeito

sobre o risco incorrido nas operações creditícias e o impacto e a variância de choques nas

variáveis conjunturais. Constata-se, a partir dos resultados, que o nível de atividade

econômica e a taxa de juros básica da economia são fatores que exercem forte influência

sobre a expectativa de inadimplência bancária. A terceira - e última - parte dedica-se à

investigação das reações da indústria bancária frente aos riscos de conjuntura, perfazendo

duas seções. Na primeira, a análise por cointegração das relações de longo prazo apresenta

evidências que legitimam a hipótese proposta no Trabalho. Assim, a constituição do risco de

crédito se faz por um processo interativo entre os bancos e o ambiente econômico. Os

resultados gerais também corroboram a existência de diferenças comportamentais entre os

bancos públicos e os privados. A segunda seção finaliza o Capítulo.

Por último, são apresentadas as notas conclusivas que sintetizam os principais pontos

debatidos no decorrer do Trabalho, além dos resultados encontrados e as implicações para a

política econômica.

17

1 CRÉDITO, INADIMPLÊNCIA, RISCO E REGULAÇÃO: CONCEITUAÇÃO INTRODUTÓRIA

1.1 Considerações Iniciais

O risco de crédito é tão antigo quanto os empréstimos em si; remonta há

aproximadamente 1.800 anos a.C. (CAOUETTE, ALTMAN e NARAYANAN, 2002). Para o

entendimento desse tipo de risco, faz-se necessário certo conhecimento prévio sobre crédito e

suas relações com economia. Assim sendo, são objetivos do Capítulo contextualizar o crédito

na literatura econômica e explicitar seu relacionamento com o crescimento econômico;

conceituar o processo de inadimplência e da probabilidade de sua ocorrência e por último

apresentar o estado da arte acerca da regulação existente, enfatizando o caso brasileiro.

Para tanto, o Capítulo está dividido em cinco seções, além desta introdução. A

primeira trata do crédito em si e da sua inserção no ambiente econômico de uma economia

capitalista. A segunda apresenta a visão de alguns autores a respeito do risco inerente às

atividades de crédito. A terceira explicita a regulação vigente a partir do acordo firmado em

1988, em Basiléia, até os dias de hoje, e executa breve apresentação das principais idéias que

fundamentaram as mudanças propostas na época da adoção do acordo original e do ideário

por trás do Novo Acordo de Basiléia. O ambiente regulatório no Brasil é enfocado na quarta

seção. A última reúne as discussões contidas no Capítulo.

1.2 Crédito e Sua Relevância Econômica

A palavra “crédito” deriva do latim credere, que significa acreditar, confiar, ou seja,

acredita-se, confia-se que alguém honrará seus compromissos. A importância do crédito em

toda a história humana é incontestável; no entanto, nos últimos séculos, seu papel extrapola as

relações microeconômicas e nacionais e permeia todas as atividades mundiais.

Schumpeter (1984 [1942]), precursor do estudo sobre desenvolvimento econômico,

argumentava que o crédito, bancário na essência, era um dos três pilares fundamentais do

crescimento, conjugado com a inovação e o empresário1. Em suas palavras, “[...] o impulso

fundamental que inicia e mantém o movimento da máquina capitalista decorre de novos bens

1 O empresário é definido por sua função no ambiente produtivo e não pela posse do capital. O empresário pode ser entendido aqui como aquele que realiza o empreendimento, ou seja, aquele que introduz a inovação no sistema econômico.

18

de consumo, dos novos métodos de produção ou transporte, dos novos mercados, das novas

formas de organização industrial que a empresa capitalista cria [...]” (1984 [1942]:112).

As inovações são, por conseguinte, determinantes do processo de mudança que

caracteriza o desenvolvimento capitalista e resultam da iniciativa dos agentes econômicos. Os

efeitos da inovação são amplos e levam à reorganização da atividade econômica, garantindo o

aspecto instável e evolutivo do sistema capitalista. Assim, o desenvolvimento é definido pela

realização de inovações. Porém, a inovação ocorre caso haja o empresário para implementá-la

e, pari passu, o crédito para financiá-la. No raciocínio schumpeteriano, o crédito é essencial

ao processo econômico. Fornecer o crédito necessário à realização das inovações é função de

uma categoria de indivíduos denominada capitalista. Esses recursos financeiros provêm dos

fundos gerados por inovações bem sucedidas e/ou da capacidade que os bancos têm de criar

poder de compra - mediante o multiplicador bancário. Segundo Schumpeter (1982 [1911]:74),

Definimos o cerne do fenômeno do crédito da seguinte maneira: o crédito é essencialmente a criação do poder de compra com propósito de transferi-lo ao empresário, mas não simplesmente a transferência de poder de compra existente. A criação do poder de compra caracteriza, em princípio, o método pelo qual o desenvolvimento é levado a cabo em um sistema com propriedade privada e divisão do trabalho. Através do crédito, os empresários obtêm acesso à corrente social dos bens antes que tenham adquirido o direito normal a ela. Ele substitui temporariamente, por assim dizer, o próprio direito por uma ficção deste. A concessão de crédito opera nesse sentido como uma ordem para o sistema econômico se acomodar aos propósitos do empresário, como um comando sobre os bens de que necessita: significa confiar-lhe forças produtivas. É só assim que o desenvolvimento econômico poderia surgir a partir do mero fluxo circular em um equilíbrio perfeito. E essa função constitui a pedra angular para a moderna estrutura de crédito.

O setor bancário caracteriza-se por ser, ao longo da história, o principal agente

fomentador de crédito. Keynes e Minsky, cada um em seu tempo, destacaram o papel dos

bancos na consecução do crédito. Para esses autores, basicamente, os bancos são capazes de

criar moeda, podendo assim oferecer crédito sem a existência prévia de depósitos.

Bancos detêm uma posição-chave na transição de uma escala de atividade específica

para outra mais alta. Caso se recusem a responder à demanda por empréstimos, um ampliado

congestionamento no mercado de crédito de curto termo irá inibir o crescimento, não importa

o quão parcimonioso seja o público na utilização de suas rendas futuras (Keynes, 1937).

A criação de moeda, característica intrínseca à indústria bancária, aliada as suas

necessidades de obtenção de lucro, torna-o especial na oferta de crédito por exercer influência

nas decisões de consumo e investimento dos agentes econômicos, possibilitando, assim, afetar

variáveis reais da economia. Segundo Minsky (1986), a atividade bancária é um setor

dinâmico e criativo de fazer lucros. Os banqueiros buscam ativamente construir sua fortuna

19

ajustando seus ativos e seus passivos, o que significa, em sua linha de negócios, obter

vantagens nas oportunidades de lucro que são lhes oferecidas. Administram seus negócios

focando na maximização dos lucros. Esse ativismo por parte dos bancos afeta não somente o

volume e a distribuição do financiamento, como também o comportamento cíclico dos preços,

da renda e do emprego.

O efeito do crédito no crescimento econômico, seja pela via do consumo, seja pelo

investimento (produtivo), é amplamente exposto na literatura econômica. Stiglitz (1989), por

exemplo, explicita a relevância do crédito para a economia real de forma veemente:

“transactions do not require money, only credit” (p. 7), ou ainda, “it is not money that makes

the world go around, but credit” (p.38). Evidencia também a função dos bancos nesse

processo:

In modern economies, the task of determining who is credit worthy, who is likely to repay a loan, is both more important and more difficult than in primitive economies. It is not only that (to use Bohm Bawerk's term) round about means of production are more productive, but there is a separation between entrepreneurship and capital: those with the best ideas for using resources are not necessarily those who have control of resources. It is not surprising then that institutions have developed to ascertain who is credit worthy (and indeed different institutions specialize in evaluating different kinds of risk.) Banks are among the most important of these institutions (STIGLITZ, 1989:11).

Portanto, o crédito, ou a criação deste, justifica o papel relevante das instituições

bancárias2 no crescimento econômico de um país, provendo recursos financeiros aos diversos

setores da economia, que antecipam ou possibilitam investimentos e consumo, assim como

estimulam o crescimento do produto.

Recentemente (entre as décadas de 80 e 90), entretanto, o crédito vem ganhando cada

vez mais importância na agenda de pesquisa da economia monetária, mais especificamente no

que diz respeito aos mecanismos de transmissão monetária3. A discussão, antes centrada na

existência ou não de efeitos da política monetária sobre variáveis reais, avança no sentido de

entender como acontece tal efeito. Pela visão tradicional do canal monetário, é por meio da

taxa de juro nominal. No entanto, essa posição tem sido criticada por defensores do canal do

crédito, como Kashyap e Stein (1993) e Gertler e Gilchrist (1994), os quais argumentam que

os canais tradicionais são inapropriados para esclarecer o mecanismo de transmissão de forma

completa, sendo frágeis teórica e empiricamente4. Eles acreditam que os mercados de crédito

2 Outra característica que torna o sistema bancário especial para a economia é a externalidade positiva por este causada: o Sistema de Pagamentos. Para discussão a respeito, remeter a Carvalho (2005a). 3 Mishkin (1995) enumera quatro canais principais: da taxa de juros, da taxa de câmbio, dos preços dos ativos e do crédito. 4 Para obter mais detalhes sobre os diversos mecanismos de transmissão monetária, ver Mishkin (1995).

20

funcionam como canal adicional de propagação de choques monetários. Bernanke e Gertler

(1995:28), no entanto, argumentam que

We don't think of the credit channel as a distinct, free-standing alternative to the traditional monetary transmission mechanism, but rather as a set of factors that amplify and propagate conventional interest rate effects. For this reason, the term "credit channel" is something of a misnomer; the credit channel is an enhancement mechanism, not a truly independent or parallel channel. Moreover, this nomenclature has led some authors to focus - inappropriately, in our view - on the behavior of credit aggregates […]. However, it is probably too late to change the terminology now.

Portanto, o canal de crédito pode ser mais bem interpretado como um grupo de fatores

que amplifica e propaga os efeitos convencionais da taxa de juros (canal monetário) e não

como um canal autônomo de transmissão da política monetária.

Ainda dentro da visão do crédito, duas formas de transmissão propostas são broad

credit channel e bank lending channel.

O broad credit channel é mais geral e foi sugerido por Oliner e Rudebusch (1995),

podendo ser esquematizado como a seguir:

YIPFERLTrM ↓⇒↓⇒↑⇒↓⇒↑⇒↓

Uma política monetária contracionista reduz a liquidez da economia (M), eleva os

juros (r), enfraquecendo a Riqueza Líquida do Tomador (RLT). Isso ocorre porque o aumento

do serviço da dívida prejudica o fluxo de caixa dos tomadores; a redução nos preços restringe

o valor das garantias e o balanço das firmas sofre ocasional deterioração causada pela

contenção da demanda e pelo engessamento dos custos fixos e quase-fixos no curto prazo. A

partir disso, o Prêmio de Financiamento Externo (PFE) eleva-se, o Investimento (I) cai e,

conseqüentemente, a demanda agregada (Y) também.

O bank lending channel, ou canal de empréstimos bancários, por sua vez, opera da

seguinte maneira:

YIOCBDBM ↓⇒↓⇒↓⇒↓⇒↓

O arrocho monetário afeta os Depósitos Bancários (DB), implicando a redução da

Oferta de Crédito Bancário (OCB), que, por sua vez, restringe investimentos e,

conseqüentemente, reduz a demanda agregada.

O primeiro canal de transmissão parte do princípio que os financiamentos externos

não são substitutos perfeitos dos fundos internos da firma. O segundo canal foca na oferta de

21

crédito bancário, podendo ser considerado caso específico5. Ambos se fundamentam na

existência de imperfeições nos mercados de crédito, principalmente as causadas por

assimetria de informação entre o credor e o devedor, como o racionamento de crédito e os

efeitos de lock-in6. Destarte, um arrocho monetário, seja pelo broad credit channel seja pelo

bank lending channel, reduzirá o investimento e conseqüentemente o produto (SOUZA

SOBRINHO, 2002).

Contudo, não existe consenso em relação à importância do sistema financeiro para o

crescimento econômico. Alguns economistas vêem com ceticismo o papel do sistema

financeiro. Robinson (1952) defende que o desenvolvimento econômico cria demandas para

tipos particulares de arranjos financeiros e o sistema financeiro responde automaticamente a

essas demandas. Lucas (1988) nem mesmo acredita que o relacionamento entre o financeiro e

o crescimento seja importante. Na concepção de Gurley e Shaw (1955), existe insuficiência na

teoria tradicional para explicar relevantes relacionamentos entre o desenvolvimento real e o

financeiro; para tanto, propuseram algumas adaptações teóricas. Todavia, os bancos são, para

eles, somente intermediários neutros na transmissão de recursos reais da economia. Levine

(1997) argumenta que alguns estudos sobre a economia do desenvolvimento nem sequer

mencionam o sistema financeiro. Em suas palavras (p. 688),

[…] Development economists frequently express their skepticism about the role of the financial system by ignoring it (Anand Chandavarkar, 1992). For example, a collection of essays by the “pioneers of development economics,” including three Nobel Laureates, does not mention finance (Gerald Meir and Dudley Seers, 1984). Furthermore, Nicholas Stern’s (1989) review of development economics does not discuss the financial system, even in a section that lists omitted topics7.

No mesmo trabalho, no qual é realizada revisão da literatura internacional, de caráter

teórico e empírico sobre o sistema financeiro e suas implicações para o desenvolvimento

econômico, Levine (1997:688-9) deduz que

Although conclusions must be stated hesitantly and with ample qualifications, the preponderance of theoretical reasoning and empirical evidence suggests a positive, first-order relationship between financial development and economic growth. A growing body of work would push even most skeptics toward the belief that the development of financial markets and institutions is a critical and inextricable part of the growth process and away from the view that the financial system is an inconsequential side show, responding passively to economic growth and industrialization. There is even evidence that the level of financial development is a

5 Os dois canais de transmissão são tratados com mais rigor em Walsh (1998). 6 Sobre racionamento de crédito, ver Stiglitz e Weiss (1981); para efeitos de lock-in, ver Sharpe (1990). 7 MEIER, G. M.; SEERS, D. Pioneers in development. New York: Oxford U. Press, 1984. CHANDAVARKAR, A. Of Finance and Development: neglected and unsettled questions. World Development, v. 20, n. 1, Jan. 1992, p. 133-42. STERN, N. The Economics of Development: a survey. The Economic Journal, v. 99, n. 397, Sep. 1989, p. 597-685.

22

good predictor of future rates of economic growth, capital accumulation, and technological change. Moreover, cross country, case study, industry-level and firm-level analyses document extensive periods when financial development - or the lack thereof - crucially affects the speed and pattern of economic development.

Segundo Levine (2004), muito se progrediu acerca do relacionamento entre o

desenvolvimento econômico e o aspecto financeiro, desde os estudos embrionários de meados

do século XX. O corpo crescente de análises empíricas, nos mais variados níveis (empresas,

regiões, países, dentre outros) demonstra ligação positiva forte entre a funcionalidade do

sistema financeiro e o crescimento econômico no longo prazo. De acordo com Khan

(1999:31), “[...] there is by now a large quantity of empirical evidence that financial

development is correlated with and perhaps causes economic growth”. A teoria e as

evidências não sugerem que o sistema financeiro promova meramente respostas automáticas à

industrialização e à atividade econômica, ou mesmo que o desenvolvimento financeiro é

adendo inconseqüente para o processo de crescimento econômico.

Para o Brasil, Matos (2002), por meio de testes de causalidade e da utilização de cinco

indicadores alternativos para desenvolvimento financeiro, encontra, em geral, evidências de

relação causal positiva, unidirecional e significativa entre desenvolvimento financeiro e

crescimento econômico para dados anuais de 1947 a 2000. Para o período de 1980 a 2002,

Matos (2003) encontra evidências de determinação conjunta. Em Marques Júnior e Porto

Júnior (2004), conclui-se que o desenvolvimento do sistema bancário no Brasil é indutor de

crescimento econômico entre 1951-2001, sem que haja causalidade inversa entre crescimento

econômico e desenvolvimento bancário.

Logo, depara-se na literatura econômica - teórica e empírica - a argumentos e espaço

suficientes para se evoluir nos estudos sobre o sistema financeiro e, mais especificamente,

sobre o crédito, que se revela cada vez mais vital para a economia capitalista. Fornecê-lo é

atividade tipicamente bancária. Apesar de o provimento não se restringir a esse setor, sua

importância se mantém substancial, principalmente em países onde o mercado financeiro não

bancário é incipiente, como no caso do Brasil.

No entanto, prover crédito implica múltiplos riscos e dispêndios por parte do credor. A

administração desses riscos é complexa e interfere diretamente na oferta e no custo do crédito.

1.3 Inadimplência e Risco de Crédito

O crédito parte da disposição de ceder temporariamente recursos a um terceiro, com a

expectativa de que o retorno seja nas condições pactuadas e no tempo acordado. Caso isso não

ocorra, tem-se uma situação de inadimplência por parte do tomador, ou seja, ao emprestar

23

incorre-se em risco. Sandroni (1999:532) conceitua o risco como “[...] a situação em que,

partindo-se de determinado conjunto de ações, vários resultados são possíveis e as

probabilidades de cada um acontecer são conhecidas”8. Destaca-se que incerteza ocorre

quando tais probabilidades são desconhecidas, sendo assim conceitos diferentes.

A concessão de crédito, portanto, configura-se como atividade de risco devido às

várias possibilidades que permeiam o devedor no que se refere à capacidade e à pretensão de

pagamento. Assim, a possibilidade de inadimplência por parte do tomador caracteriza-se

como risco determinante no momento de concessão do recurso. De acordo com Ross,

Westerfield e Jaffe (2002:630), o risco de inadimplência9 refere-se exatamente “[...] à

probabilidade de que os juros ou o principal não sejam pagos na data de vencimento e no

montante prometido”. Na opinião de Silva (2000:75), “[...] o risco de crédito é a probabilidade

de que o recebimento não ocorra, ou seja, é igual a 1 (um) menos a probabilidade de

recebimento”. Já para Bessis (1998:5), “[...] credit risk is paramount in terms of the

importance of potential losses. Credit risk is the risk that customers default, that is fail to

comply with their obligation to service debt. Default triggers a total or partial loss of any

amount lent to the counterparty”.

O risco de crédito, por conseguinte, consiste na probabilidade da ocorrência de perdas

devido ao não-cumprimento dos pagamentos na data contratada e/ou nas condições pactuadas

previamente, por parte dos devedores das instituições financeiras. Esses pagamentos não se

limitam aos empréstimos tradicionais; podem igualmente decorrer de operações

extrapatrimoniais (por exemplo, execução de uma garantia bancária).

A atividade bancária é inerente ao lidar com riscos, fundamentalmente os financeiros.

Os principais, além do risco de crédito, são risco de mercado, de liquidez, operacional,

jurídico e regulatório. Essas esferas de risco podem ainda ser decompostas em outras

subáreas. Destaca-se, no entanto, que, apesar da existência dos mais variados tipos de risco, o

de crédito é considerado como o mais importante subjacente à atividade bancária. Conforme

Brito (2003:16), “[...] com o crescimento da atividade bancária, o risco de crédito ganhou

dimensões ainda mais relevantes, representando entre os bancos o tipo de risco de maior

incidência”. Segundo Crouhy, Galai e Mark (2004:4), “[...] no setor bancário, o risco clássico

é o risco de crédito. Através da história, bancos têm procurado gerenciar esse risco como

parte-chave de seus negócios”. Para eles (2004:34), o “[...] risco de crédito é o risco de que

8 Apesar de o conceito de risco envolver possibilidade de perda e ganho, seu uso está, na maior parte das vezes, vinculado à chance de ocorrência de um evento desfavorável. 9 Os termos “risco de crédito” e “risco de inadimplência” serão usados como sinônimos neste Estudo.

24

uma mudança na qualidade do crédito de uma contraparte afetará o valor da posição de um

banco” e “[...] inadimplência, quando uma contraparte não quer ou não pode cumprir com

suas obrigações contratuais [...]”. Quanto à análise em mercados emergentes, Cunningham

(1999:25) argumenta que “[...] as emerging financial markets become more complex banks

face a widening array of risks, yet it is credit and operational risk which pose the greatest and

most immediate threats to solvency”.

Como o risco envolvido em cada operação de crédito é relevante para o

estabelecimento da taxa cobrada na operação, quanto mais acurada for sua mensuração, mais

justa será a taxa. O risco de crédito, portanto, é importante fator na adequação das taxas

cobradas. Em Securato (2002:183), “[cabe] às instituições estimarem o risco de perda e

exigirem prêmios pelo risco incorrido”.

A gestão do risco de crédito, em que as diversas exposições ao risco são identificadas,

mensuradas e controladas, é fundamental à instituição financeira, visto que a adequação

desses riscos ao retorno esperado se faz necessária para a continuidade dela. BRITO

(2003:23) afirma que “[...] incorporando a análise do risco à do retorno e alocação de capital,

[se] procura melhor posicionar a instituição no tempo, por meio do fornecimento de

informações de qualidade, contribuindo para uma instituição mais bem orientada e

competitiva”.

O gerenciamento do risco de crédito pondera a relação risco versus retorno dos

negócios, subsidiando as decisões sobre subportfólios, clientes, produtos e operações. A

gestão considera também aspectos como diversificação e mitigação de riscos (seguro,

transferência ou aquisição de risco, limites operacionais, dentre outros), planos de

contingência e limites de exposição.

Os limites de exposição, por exemplo, estão relacionados com o montante de capital

de que os bancos dispõem para garantir solvência e visam aperfeiçoar a relação risco/retorno

da carteira. Esses limites podem ser estabelecidos para o total da carteira de crédito ou para

carteiras específicas que envolvam risco de crédito relevante, como, por exemplo,

subportfólios, setores econômicos, segmentos de mercado, região geográfica, clientes ou

grupo de clientes.

A gestão do risco de crédito fornece, portanto, subsídios para o processo de

estabelecimento de preço dos produtos e serviços de crédito e contribui para a obtenção de

margens de lucro adequadas às metas do banco. Segundo Ross, Westerfield e Jaffe (2002),

maior precisão na estimativa da probabilidade de o cliente não cumprir sua obrigação conduz

a uma decisão melhor. Assim, à medida que o setor bancário evolui, a ênfase gerencial se

25

afasta das considerações de lucro e intermediação de prazos em direção à intermediação de

risco, ou seja, da gestão para lucro para a gestão risco/retorno (CROUHY, GALAI E MARK,

2004).

Conhecer os processos intrínsecos ao risco de inadimplência permite não apenas

melhor gestão do portfólio por parte dos bancos, mas também colabora para o entendimento

dos mecanismos de redução dos custos e das taxas referentes às operações de crédito,

expandindo a oferta que, por sua vez, impulsiona toda a economia.

1.4 Regulação Bancária e Acordos de Basiléia

Um consenso estabelecido no pensamento econômico é que o sistema financeiro exibe

dinâmica de funcionamento especial quando comparado a outros setores da economia, pelo

menos no que se trata do risco sistêmico. Esse risco se refere à possibilidade de que um

choque isolado, em um ponto qualquer do sistema financeiro, possa contagiar o sistema como

um todo e, eventualmente, a economia entrar em colapso. Desse modo, os choques

idiossincráticos aos quais um banco está sujeito podem transmitir dificuldades para os demais

bancos e, conseqüentemente, para outras áreas da economia, fato não verificado em outros

setores.

Embora as razões pelas quais os problemas no sistema bancário são transmitidos para

o resto da economia não sejam totalmente conhecidas, dois canais de contágio se destacam.

Por um lado, o mais evidente e já discutido anteriormente é o papel dos bancos na criação de

um insumo de uso generalizado, o crédito. Por outro, a função dos bancos na operação do

sistema de pagamentos, essencial em uma economia moderna (CARVALHO, 2005a).

Tais peculiaridades da indústria bancária impõem a necessidade de regulação

específica. Segundo Goodhart et al. (1998:73),

Financial regulation is concerned with the control of systemic risk [...], which is dependent on the probability of the failure of individual institutions. There are basically two determinants of systemic stability, the first being the market infrastructure – such as payments systems, clearings houses, etc. – which channels the exposures of financial institutions to each other, and the second being individuals bank’ risk taking within that infrastructure.

Alguns eventos ocorridos a partir dos anos 80 intensificaram ainda mais a necessidade

de regulação especial. As crises inflacionárias, que marcaram a década de 80, escondiam a má

gestão financeira dos bancos e contribuíam para a elevação dos riscos, e as mudanças no

ambiente econômico no início dos anos 90, tais como globalização, sofisticação do mercado

de capitais e inovações no campo da tecnologia de informação, fragilizaram os processos de

26

decisão de crédito. As mudanças foram tão intensas, que alteraram de forma significativa o

comportamento das empresas e, conseqüentemente, os modelos de avaliação de risco até

então utilizados precisaram ser aperfeiçoados.

Em 1988, firmou-se um acordo pelos países-membros do Basel Committee on Banking

Supervision (BCBS), que determinou regras para dimensionamento de capital em âmbito

mundial para cobrir riscos de crédito10. Esse foi o primeiro esforço internacional para lidar

com a crescente exposição das instituições bancárias a riscos. A crescente volatilidade dos

principais mercados financeiros e de mercadorias e as conseqüentes crises financeiras

parecem ter alertado o mundo para a regulação nesse setor. De acordo com o BCBS (1997:7),

A supervisão eficaz de organizações bancárias é um componente essencial de um ambiente econômico forte à medida que os sistemas bancários desempenham um importante papel nas operações de pagamento e na mobilização e distribuição de poupança. É tarefa da supervisão assegurar que os bancos operem de maneira saudável e segura e que mantenham capital e reservas suficientes para suportar os riscos inerentes a seus negócios. Supervisão bancária forte e eficaz representa um bem público que nem sempre se encontra presente nos mercados e que, conjuntamente com uma política macroeconômica eficaz, é indispensável para a estabilidade financeira em qualquer país. Apesar de o custo da supervisão bancária ser comprovadamente elevado, o custo da falta ou da deficiência de supervisão é ainda maior.

No entanto, o Acordo Internacional de Mensuração e Requerimento de Capital11, ou

Basiléia I - como ficou conhecido -, teve como principais objetivos fortalecer o sistema

financeiro internacional e promover a convergência de padrões nacionais de exigência de

capital para os bancos internacionalmente ativos12. Basicamente, o Acordo propôs medidas

para o requerimento de capital próprio das instituições financeiras em função do risco

apresentado em suas operações financeiras. A principal medida era o Índice de Adequação de

Capital (Índice de Basiléia) - quociente entre o patrimônio líquido de referência e os riscos

incorridos pelas operações ativas -, medido em termos percentuais, tendo como padrão

internacional o limite de 8%. Assim, uma instituição está desenquadrada quando seu índice

for menor que o limite, ou seja, seu patrimônio é insuficiente para garantir os riscos incorridos

nas operações.

10 Em 1974, no Bank for International Settlement (BIS), os presidentes dos bancos centrais do Grupo dos Dez (G-10) criaram um comitê para discutir sobre supervisão bancária. Esse comitê não possui qualquer poder formal nem força legal. Apesar disso, o acordo proposto por eles foi adotado por mais de uma centena de países. 11 International Convergence of Capital Measurement and Capital. 12 “One can summarize the scope of the 1988 agreement with one expression: level the paying field. Basel I was not a result of a general dissatisfaction with the then-current methods and instruments of prudential regulation. […]The heart of Basel I is the establishment of similar capital requirements for international banks” (CARVALHO, 2005b: 4, grifo do autor).

27

Dada a percepção da fragilidade ainda presente no sistema bancário mundial,

evidenciada, por exemplo, na crise asiática, e a busca por respostas às diversas críticas em

relação aos seus requisitos regulatórios recebidas nos últimos anos, o Comitê de Basiléia

apresentou nova proposta em junho de 1999 (New Framework for Capital Adequacy)13,

amparada sobre três pilares: fortalecimento da estrutura de capitais das instituições; estímulo à

adoção das melhores práticas de gestão de riscos e redução da assimetria de informação e

favorecimento da disciplina de mercado.

Também conhecido como Basiléia II, o novo acordo introduziu a exigência de capital

para risco operacional, não tratado anteriormente, bem como aprimorou a discussão acerca de

risco de crédito. No tratamento do risco de mercado, anteriormente implementado pela

emenda de 199614, não houve mudanças substanciais. O Gráfico 1.1 apresenta o Acordo de

forma esquemática.

No que tange ao risco de crédito, o novo Acordo previu que cada instituição financeira

poderia estabelecer seus ratings de risco, visando classificá-los segundo metodologia própria,

dado que estes estivessem em consonância com os padrões aceitos pelo regulador local.

Gráfico 1.1 Estrutura do Novo Acordo de Basiléia

- Crédito*

- Mercado**

- Operacional***

Pilar 1Exigências Mínimas de

Capital

Responsabilidade

Pilar 3Disciplina de Mercado

Disclosure

Transparência

Novo Acordo de Novo Acordo de BasilBasilééiaia

Fonte: Banco Central do Brasil.

Notas: (*) Aprimorado; (**) Mantido; (***) Introduzido.

Pilar 2Processo de Supervisão


Notas: (*) Aprimorado; (**) Mantido; (***) Introduzido.

13 Basel II - International Convergence of Capital Measurement and Capital Standards: a Revised Framework. 14 Amendment to the capital accord to incorporate market risks. Disponível no sítio do BIS na Internet: <http://www.bis.org>.

28

As abordagens de mensuração são classificadas em dois tipos: padronizada e baseada

em classificações internas (Internal Ratings Based - IRB), sendo a segunda subdividida em

IRB básico e IRB avançado. O grau de desenvolvimento dos modelos depende da capacidade

de cálculo dos parâmetros internos: probabilidade de inadimplência (Probability of Default -

PD); perda em função da inadimplência (Loss Given Default - LGD); exposição no momento

da inadimplência (Exposure at Default - EAD) e prazo da operação (Maturity - M). Na

abordagem de IRB básica, a instituição financeira deve estimar internamente a PD associada à

categoria do tomador. Os demais componentes de risco serão disponibilizados pela autoridade

de supervisão ou fiscalização. Na abordagem IRB avançada, as instituições financeiras

utilizarão estimativas internas para todos os componentes de risco: PD, LGD, EAD e M, além

dos instrumentos mitigadores do risco de crédito, tais como as garantias e os derivativos de

crédito.

A maior sensibilidade no cálculo do risco pretende reduzir o conservadorismo das

medidas atuais. Dessa forma, existe uma crença de que, com a redução do risco embutido nas

operações, se gerará menor provisão, maior disponibilização de capital para empréstimo e

taxas mais baixas - conseqüência do aumento da oferta e da melhoria do risco. Conforme

Schechtman (2004:4),

One of the main innovations of the accord compared to its previous version pertains to the regulation of total capital requirements for credit risk. The new accord aims to approximate the notions of regulatory capital and economic capital, or, in other words, to render regulatory capital more sensitive to the risk profile of bank credit portfolios.

Todavia, a implementação do novo Acordo por parte dos países que hoje adotam o

Basiléia I não é consensual. Pela agenda dos países pertencentes ao Comitê, as abordagens

mais avançadas para risco de crédito e operacional ocorreriam até final de 2007. Entretanto,

recentes manifestações indicam a possibilidade de atrasos, inclusive nos Estados Unidos15. A

complexidade do novo Acordo e a necessidade de adequação às particularidades de cada país

são justificativas para tal. Diversos países precisam ainda fortalecer seus sistemas básicos de

supervisão bancárias, sendo que, destes, alguns ainda não implementaram o Acordo anterior

na sua totalidade. Para o caso brasileiro, espera-se que até 2011 o Basiléia II esteja

integralmente implantado.

15 BIE, S. S. A US perspective on Basel II implementation. In: Impact of Basel II on Financial Markets and Business Strategies. New York, 30 Nov. 2006.

29

1.5 Regulação e Acordos no Brasil

No Brasil, o Conselho Monetário Nacional (CMN), por meio da Resolução 2.09916, de

17 de agosto de 1994, reporta os preceitos presentes no Basiléia I. Assim, surgiu no País um

instrumento para dimensionar o montante de patrimônio líquido mínimo (capital

regulamentar) a ser mantido pelas instituições financeiras como meio de se contrapor ao risco

sistêmico. O encargo de capital, no entanto, deve ser de 11% do ativo ponderado pelo risco e

não de 8%. As classificações de risco passam a ser subdivididas em quatro níveis de risco.

Quanto maior é o risco presumido do emissor do título de crédito, maior a ponderação do

ativo. Enquanto os títulos públicos federais são considerados sem risco (sem ponderação), os

vinculados ao setor privado têm ponderação de 100%. As categorias intermediárias são

reservadas aos títulos estaduais e municipais (25% e 50%, respectivamente).

Em 21 de dezembro de 1999, o Banco Central do Brasil (BCB) emitiu a Resolução

2.682, que dispõe sobre os critérios de classificação de operações de crédito e as regras para a

constituição de Provisão de Créditos de Liquidação Duvidosa (PCLD)17. Essa Resolução

alterou significativamente a postura das instituições financeiras em relação à provisão de

perdas de crédito.

A Resolução 1.748, de 30 de agosto de 1990, vigente no período anterior, calculava a

provisão considerando apenas o tempo de atraso e a existência de garantias. Os atrasos eram

agrupados em quatro faixas: até 60 dias; de 61 a 180 dias; de 181 a 360 dias e acima de 360

dias. No caso da observância de garantias, os percentuais de provisão para cada faixa eram

respectivamente 0%; 20%; 50% e 100%. As provisões para empréstimos sem garantias eram

calculadas pela aplicação dos seguintes percentuais a cada uma das quatro faixas

respectivamente: 0%; 50%; 100% e 100%.

Essas regras simples cederam lugar a critérios mais complexos e estratificados na

determinação dos níveis de risco e provisionamento. De acordo com o rating calculado em

função do risco - que consolida informações do cliente, do produto, do ambiente econômico,

dentre outras variáveis -, o nível de provisão é estabelecido. Quanto maior o risco, maior a

provisão e vice-versa.

16 Esta Resolução e as demais resoluções, normas e circulares emitidas pelo CMN/BCB se encontram disponíveis no sítio do BCB na Internet: <http://www.bcb.gov.br>. 17 Alguns trabalhos usam a expressão PDD (Provisão para Devedores Duvidosos) como sinônimo.

30

De agosto de 1994 até os dias atuais, diversas reformulações foram efetuadas pelo

CMN/BCB com o propósito de aperfeiçoar o gerenciamento do risco de crédito. Atualmente,

o contexto regulatório que abrange especificamente o risco de crédito é composto,

basicamente, pelo índice de adequação de capital e pelas provisões de crédito de liquidação

duvidosa.

1.5.1 Índice de Capital

O índice de adequação de capital adotado é baseado no conceito internacional definido

pelo Comitê de Basiléia, que recomenda a relação mínima de 8% entre o Patrimônio de

Referência (PR) - Patrimônio Base - e os riscos ponderados conforme regulamentação em

vigor (Patrimônio Líquido Exigido - PLE). No Brasil, a relação mínima exigida é dada pelo

fator F, de acordo com as Resoluções 2.099, de 17 de agosto de 1994, e 2.891, de 26 de

setembro de 2001, e os normativos complementares, devendo ser observados os seguintes

valores: 0,11 (onze centésimos), tratando-se de instituições financeiras e demais instituições

autorizadas a funcionar pelo Banco Central do Brasil, exceto cooperativas de crédito não

filiadas a cooperativas centrais de crédito e agências de fomento; 0,15 (quinze centésimos),

tratando-se de cooperativas de crédito singulares não filiadas a cooperativas centrais de

crédito, e 0,30 (trinta centésimos), tratando-se de agências de fomento.

O índice é calculado da seguinte forma:

⎟⎠⎞

⎜⎝⎛

⋅=

FPLE

PRBasiléiadeÍndice )100( (1)

em que:

PR é o Patrimônio de Referência, patrimônio-base utilizado na verificação do

atendimento aos limites operacionais de natureza regulamentar definido pela Resolução

2.837, de 30 de maio de 2001;

PLE é o Patrimônio Líquido Exigido das instituições financeiras, decorrente dos riscos

a que estão expostas, em função das atividades por elas desenvolvidas. É definido pela

Resolução 2.099, de 17 de agosto de 1994, com alterações posteriores e

F é o fator aplicável aos ativos, sendo equivalente a 0,11 para as instituições bancárias.

O PLE é calculado de acordo com a regulamentação em vigor, alcançando os registros

nas contas ativas, passivas e de compensação, podendo ser expresso pela fórmula abaixo:

CAMBIOPRESWAPAPRFPLE +++⋅= (2)

em que:

31

APR é o Ativo Ponderado pelo Risco, que inclui o Ativo Circulante e Realizável de

Longo Prazo, o Ativo Permanente e as Coobrigações, multiplicados pelos respectivos fatores

de risco de crédito (associado à probabilidade de inadimplência);

SWAP é o patrimônio exigido para cobertura do risco de crédito de swap;

PRE é o patrimônio exigido para cobertura do risco de mercado de taxas de juros

prefixadas e

CAMBIO é o patrimônio exigido para cobertura do risco de mercado das posições

expostas à variação cambial.

As operações de swap, juros prefixados e câmbio têm fórmulas específicas de cálculo

do patrimônio exigido18. Os demais ativos bancários são ponderados conforme o Quadro 1.1.

Assim, considera-se desenquadrada a instituição cujo PR seja inferior ao PLE, ou seja,

seu patrimônio é insuficiente para a cobertura dos riscos decorrentes de suas operações ativas,

passivas e registradas em contas de compensação.

Quadro 1.1 Ponderação dos Tipos de Ativos segundo o Risco

Ativos Ponderação (%) Risco

Caixa, reserva bancária, operações ativas de responsabilidade ou com garantia do Tesouro Nacional e de depósitos no Bacen 0 Nulo

Depósitos bancários, aplicações em ouro e cheques enviados a compensação 20 Reduzido

Operações ativas de responsabilidade ou com garantia de (outras) instituições financeiras (CDI) 50 Reduzido

Empréstimos e financiamentos, operações ativas de responsabilidade ou com garantia de Estados e Municípios, aplicações em ações, moedas de privatização e permanente

100 Normal

Créditos tributários decorrentes de imposto de renda e contribuição social 300 -

Fonte: Resolução 2.099/94 e Circular 2.916/99.

18 As fórmulas são omitidas para simplificação. O cálculo do PLE com a inclusão destas é

( ) ∑∑∑===

+⎭⎬⎫

⎩⎨⎧

⎟⎠

⎞⎜⎝

⎛⋅−⋅+⎟

⎠

⎞⎜⎝

⎛⋅+⋅=

N

II

n

ii

n

iI ECPRKAprcRCDAPRPLE

1110;max50,020,011,0

em que: RDCi é o risco de crédito da i-ésima operação de swap;

∑−

n

1iiAprc

é o somatório dos valores absolutos das posições líquidas em ouro e em cada moeda; K é uma constante que pode assumir 0 ou 0,05; ∑

=

N

IIEC

1

refere-se à cobertura de exposições a variações nas taxas de juros.

32

Observa-se que os empréstimos são ponderados em 100%19; logo, para cada operação

de crédito realizada, a instituição bancária deve ter no mínimo 11% de capital próprio para

fazer frentes ao risco de crédito inesperado. Assim, o Patrimônio Líquido da instituição

estabelece um limite de alavancagem. Este limite basicamente pode ser alterado por duas vias:

mudança no montante de capital próprio ou mudança na composição e, conseqüentemente, no

risco total dos ativos do banco.

Portanto, a alocação de capital é realizada conforme o risco envolvido, constituindo-se

em instrumento de apoio à gestão de riscos, otimização da aplicação dos recursos e escolha da

estrutura patrimonial mais adequada.

1.5.2 Provisões para Operações de Crédito

No entanto, o capital próprio não é a única forma de fazer frente aos riscos incorridos

pelas operações de crédito. A Resolução 2.682/99 dispõe sobre critérios de classificação das

operações de crédito e impõe regras para constituição de provisão para créditos de liquidação

duvidosa, vigentes a partir de 1º/3/200020.

Anteriormente, a Resolução n° 1.748, de 30 de agosto de 1990, constituía

procedimentos para classificação das operações de crédito, baseados apenas no prazo de

inadimplência. Os empréstimos se classificavam em normal, quando vencidos até 60 dias

(risco normal); atraso, quando vencidos há mais de 60 e menos de 180 dias e com garantias

suficientes (risco 1), e em liquidação, quando vencidos há mais de 60 dias e sem garantias

suficientes ou vencidos há mais de 180 dias (risco 2)21. Portanto, desconsiderava o risco

potencial do tomador de recursos.

A Resolução 2.682/99 determina que as instituições financeiras e as demais

instituições autorizadas a funcionar pelo BCB devem classificar as operações de crédito em

ordem crescente de risco, nos seguintes níveis: AA, A, B, C, D, E, F, G e H – agrupadas por

atividade econômica. Para cada rating22, atribui-se um percentual de risco utilizado para a

constituição da provisão. De acordo com o art. 6º, a provisão para fazer frente aos créditos de

liquidação duvidosa deve ser constituída mensalmente, não podendo ser inferior ao somatório

decorrente da aplicação dos percentuais mencionados (Quadro 1.2), sem prejuízo da

19 Lembra-se que os empréstimos entram líquidos de provisão. 20 A implantação da nova metodologia foi concluída em setembro do mesmo ano. A Resolução 2.697/00 e a Carta-Circular 2.903/00 tratam de algumas peculiaridades. 21 A classificação entre parênteses refere-se à agregação em termos de risco, condizentes com a metodologia atual realizada pelo BCB para recuperação de séries históricas de crédito consistentes e harmônicas. 22 A idéia de rating aqui empregada é a classificação em grupos homogêneos. Procura-se alocar, sob mesma denominação, créditos que apresentem características semelhantes entre si quanto ao risco de crédito.

33

responsabilidade dos administradores das instituições pela constituição de provisão em

montantes suficientes para fazer face às perdas prováveis na realização dos créditos.

Quadro 1.2 Percentuais de Provisão por Faixa de Risco de Crédito

Classificação dos Empréstimos Rating Percentual de Provisão

(%) AA 0,00 A 0,50 B 1,00

Risco Normal

C 3,00 D 10,00 E 30,00 F 50,00

Risco 1

G 70,00 Risco 2 H 100,00

Fonte: Banco Central do Brasil e Resolução 2.682/99, art. 6º.

A classificação por risco da metodologia anterior levava em consideração apenas os

atrasos de pagamento, enquanto a atual, além dos atrasos, incorpora outros indicadores

oriundos de análise econômico-financeira.

As metodologias de classificação são de responsabilidade da instituição financeira

detentora do crédito; porém, devem ser efetuadas com base em critérios consistentes e

verificáveis, amparados por informações internas e externas, contemplando, pelo menos, os

seguintes aspectos:

I - em relação ao devedor e aos seus garantidores:

a) situação econômico-financeira;

b) grau de endividamento;

c) capacidade de geração de resultados;

d) fluxo de caixa;

e) administração e qualidade de controles;

f) pontualidade e atraso nos pagamentos;

g) contingências;

h) setor de atividade econômica;

i) limite de crédito;

II - em relação à operação:

a) natureza e finalidade da transação;

b) características das garantias, particularmente quanto à suficiência e à liquidez;

c) valor.

34

Quando se referir aos empréstimos para Pessoas Físicas (PF), deve-se levar em conta,

ainda, as situações de renda e patrimônio, bem como outras informações cadastrais do

devedor.

Além disso, a classificação de crédito deve ser revista no mínimo mensalmente, por

ocasião de balancetes e balanços, em função de inadimplemento verificado no pagamento de

parcela de principal ou de encargos financeiros, sendo que, para as operações com prazo a

decorrer superior a 36 meses, é admitida a contagem em dobro dos prazos previstos. A

reclassificação segundo a inadimplência está exposta no Quadro 1.3.

A Resolução 2.682/99 pode ser, então, segmentada da seguinte maneira: Classificação,

os três primeiros artigos estabelecem nove ratings de crédito e formulam os critérios mínimos

para classificação; Revisão, os dois artigos seguintes expõem a metodologia de revisão da

classificação; Provisão, do art. 6º ao 9º se estabelecem os percentuais para provisão, os

procedimentos específicos referentes à faixa H e o reconhecimento de receitas de operações

em atraso e Transparência, do art. 10º ao 16º apresentam-se os critérios de transparência e

divulgação, os poderes do BCB e outras particularidades.

Quadro 1.3 Reclassificação devido à Inadimplência

Classificação por Inadimplência Rating Mínimo

Atraso entre 15 e 30 dias B

Atraso entre 31 e 60 dias C

Atraso entre 61 e 90 dias D

Atraso entre 91 e 120 dias E

Atraso entre 121 e 150 dias F

Atraso entre 151 e 180 dias G

Atraso superior a 180 dias H Fonte: Resolução 2.682/99, art. 4º.

Destarte, a revisão dos normativos para provisão tornou os procedimentos de

classificação da carteira de operações de crédito mais objetivos e abrangentes, bem como

instituiu a constituição de provisão para perdas em bases tecnicamente mais adequadas.

1.5.3 Perdas Esperadas e Não Esperadas

As Resoluções 2.099/94 e 2.682/99 estabelecem, respectivamente, a constituição de

patrimônio líquido e provisão em montante compatível com o grau de risco dos ativos de

crédito. Logo, são imputados aos bancos custos para a realização das operações de crédito.

35

Recursos financeiros são alocados para servir de garantia à volatilidade do risco de crédito da

carteira, ocasionando custo de oportunidade23.

Todavia, cada recurso financeiro despendido, seja para constituição de capital próprio,

seja para composição de provisão, faz-se necessário para proteção de possibilidades distintas

de perdas. Dois tipos de perdas são inerentes às operações de crédito:

Esperada: como o próprio nome sugere, trata-se do montante esperado de perda na

operação de crédito. Normalmente, é considerada parte do custo na concessão do crédito e,

portanto, imputada no spread24 da operação;

Não-esperada: refere-se à perda geralmente maior do que a esperada proveniente da

variação da taxa de inadimplência ao longo do tempo, bem como da ocorrência simultânea de

inadimplementos individuais. Também conhecida como perda inesperada, seu conceito está

relacionado às perdas decorrentes de eventos não previstos ou não relacionados diretamente

ao negócio.

A primeira ocorre em maior incidência, mas em menores montantes; a segunda tem

baixa probabilidade de ocorrência, porém causa perdas severas. A provisão, portanto, visa

fazer frente às perdas esperadas, isto é, as perdas decorrentes da própria atividade do

empréstimo, enquanto o capital regulamentar (ou capital econômico) deve ser reservado no

patrimônio líquido para cobertura de eventos não esperados, extraordinários, que venham a

prejudicar o curso dos negócios. Então, a partir das Resoluções 2.099/94 e 2.682/99, tem-se o

arcabouço de prevenção de riscos na área de crédito do Sistema Financeiro Brasileiro. A soma

da provisão para créditos de liquidação duvidosa (como prevenção ao risco de crédito) e do

capital regulamentar (como prevenção da perda potencial) visa assegurar às instituições

montantes de recursos suficientes para garantir a estabilidade e a continuidade do sistema

financeiro25 (Jorion, 2004).

23 Ong (1999) e Meyer (2000) discutem a adequação dos preceitos normativos para o cálculo dos montantes que devem ser reservados para o risco, recomendando a eficácia dos modelos internos das instituições financeiras para tal fim. 24 Refere-se ao diferencial entre as taxas de juros das operações de crédito e os custos de captação. 25 O uso de capital como fonte única de prevenção ainda é bastante debatido; por exemplo, Stiglitz (2001:2): “Today few economists advocate unregulated banking, but a similar ideological agenda has pushed excessive reliance on a singe regulatory instrument - capital adequacy standards. the belief is that this measure entails the minimal interference with the workings of the market and avoids the well-recognized problems of unregulated banks. A deeper analysis of the financial sector, however, shows that such reliance is not only inefficient but may even be counterproductive under some circumstances”. Isso porque tal tipo de regulamentação impõe um custo adicional à concessão de crédito pelos bancos, e altera a decisão de operações ativas resultante de suas maximizações de lucros. Para o Brasil, Blum e Nakane (2005) expõem razões teóricas para que a imposição de requerimentos de capital exerça impacto negativo no volume de crédito bancário ofertado, e verificam empiricamente, a importância da regulamentação de capital na decisão de oferta de crédito dos bancos.

36

1.6 Considerações Finais

A segunda seção do Capítulo contextualizou na literatura recente a relevância

econômica do crédito e, paralelamente, o caráter único das instituições bancárias nesse

contexto. Na terceira, a inadimplência e os riscos envolvidos nas decisões de crédito foram

discutidos. A regulação bancária que envolve a análise de risco no mundo, e especificamente

no Brasil, foi debatida nas duas seções subseqüentes.

Existem diversos trabalhos na literatura econômica internacional que discutem sobre a

inserção do crédito na economia. Apesar de não haver consenso acerca dos efeitos do crédito,

este é um tópico que merece aprofundamento, dado o que já se sabe sobre sua relevância.

Quanto aos riscos envolvidos, a despeito do grau, sempre existirá a possibilidade de

não-pagamento de um recurso por parte do tomador. O conhecimento das chances de

ocorrência desse evento e as variantes que envolvem a questão fazem-se necessárias para

melhor gestão do risco envolvido nos empréstimos crédito e, conseqüentemente, para a

própria oferta de crédito.

No que toca à regulação, de forma geral, o Brasil vem se adaptando aos princípios e às

orientações do Comitê da Basiléia, alinhando-se com as medidas adotadas pelas instituições

internacionais, de maneira especial aquelas pertencentes aos países do G-10. Busca-se, assim,

manter a segurança e a credibilidade do Sistema Financeiro Nacional (SFN).

Conclui-se então que a gestão do risco de crédito bancário interessa não apenas aos

próprios bancos, mas a toda a sociedade, devido à relação estreita entre a fragilidade e a

importância do sistema bancário para a economia.

No Capítulo a seguir, serão debatidos os aspectos relativos ao crédito e as suas

variantes no período recente para a economia brasileira, isto é, serão analisados os volumes de

crédito, as taxas de inadimplência e de juros e os spreads.

37

2 INVESTIGAÇÃO ACERCA DO CRÉDITO E SUAS VARIANTES NO BRASIL RECENTE


A importância do crédito para o crescimento econômico torna-se mais relevante em

casos de escassez ou oferta reduzida de recursos financeiros. Diversos são os motivos que

causam a oferta de crédito abaixo da desejada ou a alocação de recursos financeiros em

setores não produtivos. O risco excessivo envolvido nas operações, a dificuldade de obtenção

de depósitos (principalmente de médio e longo prazo) e os desvantajosos perfis de

risco/retorno, quando comparados a outras atividades, são alguns exemplos.

Já a demanda reprimida de recursos por parte dos agentes econômicos pode restringir

investimentos e criar entraves que dificultem o crescimento. Existem variadas explicações: o

alto custo dos empréstimos, os obstáculos de acesso ao mercado fomentador e as elevadas

taxas de juros e spread são algumas delas. A combinação desses fatores pode, então, induzir o

volume de crédito a ficar aquém do ideal.

A trajetória do crédito no Brasil vem se tornando crescente ao longo dos últimos anos.

Porém, o volume ainda é pequeno em relação ao nível de atividade econômica quando

comparado a outros países, inclusive países em desenvolvimento. Conforme dados de 2003, o

montante de empréstimos bancários em proporção ao PIB no Brasil é de 21,50%, enquanto no

Uruguai e no Chile representa 64,30% e 68,50%, respectivamente (SINGH, et al., 2005).

Um ponto crucial, quando se estuda crédito no Brasil, são os elevados spreads

cobrados, que inviabilizam um montante maior de operações e aumentam demasiadamente os

custos para os tomadores, os quais impedem a realização de diversos projetos, por encarecer

sobremaneira o investimento necessário para tornar viável o empreendimento.

Entre as muitas justificações para o nível elevado do spread no País, uma se destaca: o

risco de inadimplência. Assim, particular dedicação a este será ofertada.

O Capítulo é dedicado à análise do crédito no Brasil e de alguns elementos que o

compõem. Para o intento, ele está dividido em três partes, além desta introdução.

Inicialmente, analisar-se-á o ciclo do crédito sob várias perspectivas. A evolução das taxas de

juros e das taxas de inadimplência, além da trajetória do spread, é abordada. Em seguida,

centra-se a discussão no spread, considerando seus componentes e seus determinantes, com

38

especial atenção ao risco de inadimplência envolvido nas operações de crédito. Por fim,

breve conclusão das principais idéias do Capítulo é disponibilizada.

2.2 Crédito no Brasil

Esta seção avalia o crédito sob distintos aspectos a partir do plano de estabilização de

1994. Todavia, análise mais minuciosa centra-se no período mais recente, no qual existe

maior base informacional. Embora o montante de crédito esteja disponível desde o Plano

Real, diversas informações sobre o crédito, como taxas, spread, inadimplência, faixas de risco

e provisão, mensuradas por múltiplos ângulos (tipo de pessoa, tipo de banco, faixa de risco,

dentre outros), somente foram disponibilizadas a partir de 2000. Assim, a análise empregada

concentra-se no período pós-99 (até junho de 2006).

A escolha desse período converge com o momento de maior estabilidade do cenário

institucional econômico e financeiro no Brasil. A partir de 2000, puderam ser observados os

efeitos decorrentes da adoção do Plano Real; do câmbio flexível; do regime de metas

inflacionárias; da abertura e da integração ao mercado financeiro internacional e dos

requerimentos de capital e provisão para crédito26.

2.2.1 Evolução do Crédito Bancário a partir do Plano Real

No Brasil, o longo período de inflação persistente até meados da década de 90 gerava

receitas e ocultava deficiências na administração de ativos e passivos bancários.

Paralelamente, a inflação distorcia a renda real dos consumidores e modificava o balanço das

empresas. Com o controle da inflação em 1994, mudanças na gestão das instituições bancárias

fizeram-se necessárias.

A exigência de receitas para manutenção dos lucros e sobrevivência das instituições

estimulou a busca ativa por oportunidades de ganhos. A cobrança de tarifas por serviços

prestados pelos bancos cresceu expressivamente. Da mesma forma, a oferta de crédito passou

a ser priorizada devido à necessidade de geração de receitas para substituir os ganhos

inflacionários do período anterior.

Surgia, então, a possibilidade de impulso no desenvolvimento do Sistema Financeiro

Nacional e, conseqüentemente, de um ciclo de crescimento estimulado pelo crédito27. O

26 Mais especificamente a partir de março de 2000, pois se têm informações sobre a metodologia de provisão de crédito para liquidação duvidosa segundo as normas de Basiléia I. 27 Apesar de não haver certeza quanto à causalidade, existem evidências internacionais de relacionamento positivo entre desenvolvimento do sistema financeiro e crescimento da economia (Levine, 1997), conforme visto no Capítulo anterior.

39

reaparecimento do crédito e em especial do crédito para consumo era esperado. Se, por um

lado, o incremento de crédito satisfaria a demanda reprimida por quase duas décadas de

inflação elevada, por outro, respondia à necessidade das instituições bancárias de encontrarem

um substituto para as transferências inflacionárias, responsáveis até então por parcela

substancial dos seus ganhos. A abertura comercial e a própria queda da inflação submeteram

as firmas a novo regime de concorrência, estimulando-as a investir mais na produção e no

aumento da eficiência. Investimentos e crédito para o setor produtivo, portanto, também eram

conseqüências aguardadas.

Em um primeiro momento, esses efeitos puderam até ser observados; no entanto, não

foram duradouros. Após elevação inicial na relação Crédito/PIB28, após o Plano Real em

julho de 1994, houve trajetória persistente de queda até atingir 23,8% em março de 2003

(Gráfico 2.1).

A estabilidade inflacionária resultante do Plano Real, aliada às alterações no cenário

mundial a partir do final dos anos 80, em termos de progresso tecnológico, inovações

financeiras e, sobretudo, a regulação bancária, impôs a adoção de sistemas de gestão do risco

de crédito no Brasil.

A despeito do crescimento das operações de crédito logo após a adoção do Plano Real

e do montante de crédito realizado até então, os bancos estiveram centrados, durante extenso

período, em operações de tesouraria.

Além disso, fator agravante foi a preferência pelo financiamento da dívida interna do

País pelos bancos locais que, por sua vez, se sustentaram no trinômio liquidez, risco e

rentabilidade. Os ativos vinculados à dívida têm maior liquidez, menor risco de crédito e taxas

elevadas em média, ou seja, o trade-off entre risco-rentabilidade ou liquidez-rentabilidade não

se verifica para estes ativos no Brasil. Estes também se constituíam (e ainda se constituem)

em fortes concorrentes à absorção de recursos bancários (PAULA, ALVES JR. e MARQUES,

2001 e OREIRO, et al., 2006).

28 Crédito refere-se ao saldo das operações de empréstimo, financiamento, adiantamento e arrendamento mercantil concedidas pelas instituições integrantes do SFN. Produto Interno Bruto (PIB) é a estimativa do PIB valorizado. Este é calculado corrigindo-se os valores do PIB mensal pelo Índice Geral de Preços - Disponibilidade Interna (IGP-DI) acumulado do mês que está sendo corrigido até o mês de referência. Depois se somam os valores mensais corrigidos para chegar-se ao PIB valorizado acumulado em 12 meses.

40

Gráfico 2.1 Crédito como Percentual do PIB (%) – Total e por Tipo de Instituição Financeira

(2º sem. de 1994 ao 1º sem. de 2006)

5

10

15

20

25

30

35

40

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

Total Público* Privado

Fonte: Banco Central do Brasil, séries 11.400, 11.402 e 11.403. Nota: (*) As instituições públicas referem-se àquelas em que os Governos Federal, Estadual e Municipal detêm participação superior a 50% no capital votante, de acordo com a Carta Circular nº. 2.345, de 25 de janeiro de 1993.

Até a década de 90, as instituições financeiras do País ainda detinham modelos pouco

elaborados para a determinação da concessão de crédito. Em sua maioria, inexistia qualquer

tipo de procedimento técnico sobre os riscos existentes. Assim, a relativa falta de experiência

na concessão do crédito e os rudimentares métodos de análise de crédito criaram uma situação

em que a qualidade era irrelevante. As flutuações ocorridas na política monetária, por meio

dos constantes aumentos na taxa de juros, a instituição de alíquotas para recolhimento de

depósitos compulsórios e as restrições quanto aos prazos das operações também contribuíram

para elevar a inadimplência no sistema financeiro.

Todos esses acontecimentos dificultaram o processo de reestruturação bancária

desencadeado pela estabilidade dos preços. Como reflexo, um conjunto de medidas destinadas

a garantir solidez e solvência ao sistema financeiro foi implementado. As principais medidas

foram a criação do Programa de Estímulo à Reestruturação e ao Fortalecimento do Sistema

Financeiro Nacional (PROER) e a do Programa de Incentivo à Redução do Setor Público

Estadual na Atividade Bancária (PROES); a capitalização do Banco do Brasil; a concepção do

Fundo Garantidor do Crédito (FGC) e da Central de Risco de Crédito (CRC) e a adoção dos

fundamentos de regulação bancária propostos pelo Acordo de Basiléia.

A conjugação desses pode ter sido entrave ao crescimento sustentável do crédito no

Brasil nos anos subseqüentes à estabilidade inflacionária, na medida em que existia ainda

41

instabilidade econômica. A retomada do crescimento do crédito, de forma contínua, somente

pôde ser observada a partir do segundo semestre de 2003, conforme visto no Gráfico 2.1. A

identificação dos elementos que estimularam a retomada do crescimento da relação créditos

operações é de peculiar importância para o entendimento da trajetória do crédito.

O período pós-2003 foi marcado por maior estabilidade macroeconômica, tanto

interna, quanto externa, quando comparado aos anos anteriores, principalmente ao biênio

2000-01 e ao primeiro semestre de 2003. O ano de 2001 foi caracterizado por racionamento

de energia elétrica, crise argentina e queda no nível da atividade econômica mundial. Em

2002, o cenário adverso não se modificou, pois a perda de US$ 27,8 bilhões em linhas

externas (cerca de 6% do PIB na época) ocorrida pelo forte aumento da aversão ao risco nos

mercados internacionais e pelas dificuldades na administração da dívida pública dificultaram

o desempenho econômico e redurizam a credibilidade da política monetária (MENDONÇA e

SOUZA, 2007). No mesmo ano, também se iniciou uma crise política devido à considerável

possibilidade de vitória do candidato Lula na eleição presidencial, o chamado Efeito-Lula. Em

relação a 2003, o mau desempenho concentrou-se no primeiro trimestre, refletindo as

adversidades do ano anterior.

Portanto, o incremento da oferta de crédito sofreu o estímulo da retomada das

atividades econômicas na segunda metade de 2003 e, posteriormente, das reduções na taxa

básica de juros (Selic29). Não obstante, esse crescimento do Crédito/PIB após o primeiro

trimestre de 2003 foi impulsionado principalmente pelas instituições privadas e pelas

operações de crédito livre30 às pessoas físicas31.

A partir da observação do Gráfico 2.1, verificam-se também dois períodos distintos em

relação ao comportamento das instituições públicas e privadas. Em primeiro lugar, a partir do

plano de estabilização econômica, em julho de 1994, até julho de 2000, observa-se que o

crédito originário nas instituições públicas apresentou tendência geral descendente em relação

ao PIB. Entretanto, deve-se ressaltar que, durante todo esse período, o crédito oriundo destas

instituições foi superior ao das instituições privadas. Em segundo lugar, no período seguinte,

29 Sigla de Sistema Especial de Liquidação e Custódia. 30 Refere-se às operações de crédito contempladas na Circular 2.957/99 e contratadas com taxas de juros livremente pactuadas entre os mutuários e as instituições financeiras. 31 Referem-se às operações de responsabilidade direta de pessoas físicas, além das operações deferidas a produtores rurais e demais pessoas físicas que satisfaçam as condições para contratação de operações da espécie, bem como das realizadas com pessoas físicas ou cooperativas habitacionais com a finalidade de construção, reforma ou aquisição de unidades residenciais. As operações voltadas a empreendimentos imobiliários não residenciais classificam-se em indústria.

42

que se estendeu até junho de 2006, as instituições privadas tornaram-se a principal fonte de

crédito no Brasil, apresentando ainda trajetória de crescimento superior.

A retração acentuada do montante de crédito público ocorrida em junho de 2001

deveu-se à Medida Provisória 2.196, de 28 de junho de 2001, que contemplou a capitalização

dos principais bancos federais por meio de um conjunto de medidas, destacando-se a emissão

de títulos em contrapartida à transferência de ativos de crédito com pouca liquidez e baixa

remuneração (referente aos setores habitacional, rural, público e de programas específicos de

saneamento, infra-estrutura e desenvolvimento regional) para a Empresa Gestora de Ativos

(EMGEA) e para a União. Da mesma forma, a queda das operações com recursos

direcionados e controlados no mesmo período (Gráfico 2.2) também foi determinada pela MP

2.196/01. Assim, a combinação entre os programas de reestruturação do Sistema Financeiro e

a absorção dos contratos de crédito pela EMGEA e pela União reduziram a participação do

Setor Público e, conseqüentemente, do crédito direcionado32.

Em meados de 2002, observou-se redução dos créditos do setor privado em proporção

ao PIB (Gráfico 2.1) e, por sua vez, dos créditos com recursos livres (Gráfico 2.2),

impactando o montante de crédito total. Esse movimento decorreu da postura de proteção dos

bancos frente à elevação do risco conjuntural advindo parcialmente do Efeito-Lula.

Pelo Gráfico 2.2, entre abril de 2003 e junho de 2006, verificou-se também que,

enquanto o crédito direcionado se manteve estável em relação ao PIB33, o crédito livre

apresentou trajetória ascendente, passando de 14,90% para 21,90% do PIB. De dezembro de

2003 a junho de 2006, constatou-se de forma mais detalhada (Tabela 2.1) a estabilidade nas

operações de crédito direcionado, para todas as linhas de financiamento, assim como nas

operações de recursos livres destinados às pessoas jurídicas (PJ). O crescimento significativo

ocorreu somente no crédito livre para pessoas físicas.

32 Representam os financiamentos realizados pelo SFN com destinação específica, vinculados à comprovação da aplicação dos recursos voltados para a produção e o investimento de médio e longo prazos. Destinam-se a atender áreas consideradas prioritárias e de interesse da política governamental, relacionadas aos setores habitacional, rural, exportador e de infra-estrutura econômica, além do provimento de recursos para o segmento de micro e pequenas empresas. As fontes de recursos dessas aplicações advêm de fundos e programas públicos, assim como de parcelas dos depósitos à vista e da caderneta de poupança sujeitas à legislação específica. As operações são realizadas com encargos financeiros, prazos, montantes e outras condições estabelecidos em programas oficiais. 33 A média do crédito direcionado no período é 9,85% com desvio-padrão (DP) 0,36% (coeficiente de variação de 0,04).

43

Gráfico 2.2 Crédito Total, Direcionado e Livre – Percentual (%) do PIB

(Jun. de 2000 a jun. de 2006)

5

10

15

20

25

30

35

2000 2001 2002 2003 2004 2005

Total Direcionado Livre

Fonte: Banco Central do Brasil, séries 11.400, 11.388 e 11.401.

Tabela 2.1 Participação (%) do Crédito Livre e Direcionado sobre o Crédito Total – Brasil

(Dez. de 2000 a jun. de 2006)

CRÉDITO LIVRE DIRECIONADO

Mês/Ano Pessoas Físicas

Pessoas Jurídicas Total Habitacional Rural BNDES* Outros Total

Dez/00 20,19 37,22 57,41 16,16 6,58 18,88 0,98 42,59 Dez/01 24,43 41,14 65,56 6,57 5,89 21,03 0,95 34,44 Dez/02 22,74 39,05 61,79 5,90 7,06 24,39 0,86 38,21 Dez/03 24,15 36,97 61,12 5,66 8,27 23,95 1,00 38,88 Dez/04 27,78 35,96 63,75 4,95 8,16 22,06 1,08 36,25 Dez/05 31,42 35,09 66,51 4,63 7,43 20,44 0,98 33,49 Jun/06 32,47 35,21 67,68 4,80 7,26 19,36 0,90 32,32

Fonte: Banco Central do Brasil, adaptado das séries 12.127, 12.128, 12.130, 7.518, 7.519, 7.522, 7.523, e 7.524. Nota: (*) Repasses do Banco Nacional de Desenvolvimento Econômico e Social.

Paula e Leal (2006) mostram que, para o nicho pessoa física - créditos livres -,

receberam destaque no crescimento as operações de crédito pessoal: o crédito consignado34 e

as operações de aquisição de bens (sobretudo a modalidade veículos). Esse fenômeno,

segundo os mesmos Autores, está provavelmente associado à procura pelos bancos de

operações com maior garantia de recuperação e à retomada parcial do crescimento econômico

34 Em Takeda e Bader (2005), são evidenciados, nos últimos anos, os principais fatores impulsionadores do crédito consignado no Brasil.

44

em 2004. Como reflexo, houve aquisições pelos maiores bancos brasileiros de empresas

financeiras especializadas em crédito pessoal ao consumo e parcerias com grandes redes

varejistas e supermercados.

O crescimento do crédito consignado em folha de pagamento, que, por reduzir o risco

de crédito35 devido ao seu colateral, o próprio salário, diminui o preço desta linha de crédito

elevando a demanda pelo crédito. O crédito consignado, na verdade, é uma modalidade de

empréstimo pessoal em que o tomador tem o desconto das prestações de sua dívida no próprio

salário. Apesar de a dívida ser do empregado, o empregador retém parte do salário

correspondente à prestação devida (sendo o limite máximo permitido de 30%) e transfere o

valor para o banco. Os mecanismos de retenção da renda e transferência ao banco pelo

empregador reduzem consideravelmente o risco de inadimplência e acarretam o mesmo efeito

no custo do empréstimo e na respectiva taxa de juros cobrada36.

Tabela 2.2 Crédito por Mutuário e por Faixa de Valor - Montante Médio e Participação no Total

(Dez. de 2004 a jun. de 2006) Mutuário Pessoa Física Pessoa Jurídica

Faixa de Valor Até R$ 5 mil

De R$ 5mila R$ 50 mil

Acima deR$ 50 mil Total Até

R$ 100 mil

De R$ 100 mil

a R$ 10 milhões

Acima de R$

10 milhões

Total

Média* 96.585 109.985 44.617 251.187 62.186 137.821 121.754 321.761Desvio-Padrão* 9.658 15.568 4.379 29.392 5.549 9.578 7.172 21.991 Coeficiente de Variação 0,10 0,14 0,10 0,12 0,09 0,07 0,06 0,07

Participação por Faixa no Total das Operações de Crédito (%)

16,86 19,20 7,79 43,84 10,85 24,05 21,25 56,16

Fonte: Banco Central do Brasil, adaptado das séries 12.953, 12.954, 12.955, 12.956, 12.958, 12.959, e 12.960. Nota:(*) Valores em R$ milhões.

No que tange às operações de crédito totais segundo a faixa de valor, entre dezembro

de 2004 e junho de 2006, os montantes se mantiveram estáveis37 para todas as faixas (Tabela

2.2). Para ambos os tipos de mutuários38, os maiores montantes de crédito concentraram-se

nas faixas intermediárias (de 5 a 50 mil reais para PF e de 100 mil a 10 milhões de reais para

PJ). Dos 44% relativos à PF, aproximadamente 36% foram de operações até R$ 50mil,

enquanto dos 56,16% relativos ao percentual para PJ, 45% referiram-se às operações acima de

R$ 100 mil. Destaca-se também a importância das operações até R$ 5 mil à PF, pois, no

35 A exigência de menos capital próprio nas provisões são facilitadores para acordos de cessões de crédito com coobrigação. 36 Para demonstração empírica no Brasil, remeter a Rodrigues et al. (2005). 37 O coeficiente de variação é 0,14 para as operações de pessoa física de R$ 5 mil a R$ 50 mil. 38 Este tipo de corte nas séries de crédito foi disponibilizado somente a partir de dezembro de 2004.

45

período, apesar do valor reduzido em termos de montante por empréstimo, esta faixa

respondeu por 16,86% do total das operações de crédito do SFN. Para o mesmo período, não

existiram mudanças relevantes quanto ao prazo das operações, independente do tipo de

mutuário; a maior parte se concentrou no curto prazo39.

Abstrai-se, então, que as operações de crédito livre a pessoas físicas efetuadas

principalmente pelas instituições financeiras privadas foram as principais responsáveis pela

elevação do crédito no País nos últimos quatro anos.

No entanto, essa melhoria no ambiente financeiro ainda está aquém do desejável para

suprir a demanda de crédito existente. O nível de crédito no Brasil ainda é baixo em

comparação com o de outros países, sendo inferior à média dos países da América Latina. O

crédito para investimento também está aquém do desejável. O Gráfico 2.3 exibe o crédito

bancário no setor privado como percentual do PIB, em 2003, para alguns países latino-

americanos, e a média de toda a América Latina em contraste com alguns países selecionados

de outras regiões do mundo.

Gráfico 2.3 Crédito Bancário ao Setor Privado - Percentual (%) do PIB

Brasil, América Latina e Países Selecionados (2003)

Fonte: Adaptado de Gelos (2006).

Pelo comparativo internacional entre os sistemas bancários, presente na Tabela 2.3,

pode-se notar que, não obstante o tamanho do sistema bancário nacional em relação a outros

países latinos-americanos (medido pelo tamanho dos ativos), o montante de empréstimos em

39 Dados do BCB, séries 12.961 a 12.972.

46

função do PIB é baixo. Se comparada com economias avançadas ou emergentes, essa relação

é ainda mais acentuada.

Tabela 2.3 Comparativo Internacional – Dados do Sistema Bancário em Percentual do PIB

(2003) Sistema Bancário Países Depósitos Empréstimos Ativos

América Latina Argentina 25,3 14,2 44,8 Brasil 30,6 21,5 74,6 Chile 38,1 68,5 79,8 Colômbia 19,7 19,7 37,9 Equador 16,8 15,1 22,0 México 25,5 16,1 52,3 Paraguai 24,6 17,6 31,7 Peru 14,5 13,7 19,2 Uruguai 36,4 64,3 82,6 Venezuela 20,0 8,1 23,9 Economias Avançadas Estados Unidos 31,7 60,8 67,7 Japão 121,2 122,9 146,5 Área do Euro 85,4 140,6 303,9 Países Emergentes Malásia 96,0 117,7 129,6 Tailândia 90,5 90,9 106,2 República da Coréia 76,6 98,9 114,0 Fonte: Singh, et al.(2005).

Embora Carvalho (2005c) reconheça a importância do financiamento ao investimento

para o crescimento econômico, este Autor argumenta que as instituições financeiras no Brasil

são eficientes na medida em que respondem adequadamente aos incentivos do ambiente no

qual se inserem, mas disfuncionais por não contribuírem para que alguns objetivos desejáveis

pela sociedade sejam alcançados. As instituições bancárias, mesmo na existência de recursos

emprestáveis, podem ter preferência em retê-los devido à incerteza elevada sobre os rumos da

economia, aos custos que inviabilizam a aplicação e, ainda, aos prazos ou aos meios que

apresentem risco excessivos a médio e longo prazo.

Outra possível razão da oferta insuficiente de crédito no Brasil é a excessiva

dependência do sistema bancário. Ela não se refere somente a uma questão de os bancos

controlarem a intermediação financeira entre os poupadores e os tomadores de recursos

financeiros. Essas instituições também dominam várias áreas de atividade financeira no

mercado doméstico, como, por exemplo, gestão de fundos, corretagem de ações, agências de

leasing e empresas de seguros. Tal domínio prejudica o desenvolvimento da economia

47

nacional. Apesar do consenso a respeito da necessidade de bancos para o desenvolvimento de

um país, sabe-se que o fortalecimento do mercado financeiro, seja por maior movimentação

de recursos nas bolsas de valores, seja por liberação de instituições financeiras não bancárias,

pode facilitar a oferta de recursos a preços mais acessíveis. Exemplo recente é a proliferação

das agências de crédito ao consumo40 que, mesmo ainda incipientes no País, estão crescendo

por encontrar demanda por esse tipo de financiamento, demonstrando que existe espaço no

mercado para continuar crescendo, como visto nesta subseção.

Nas próximas seções, essas e outras causas da insuficiência de crédito no País serão

discutidas.

2.2.2 Trajetória dos Juros, do Spread e da Inadimplência

Para análise a respeito das taxas de juros, do spread e da inadimplência, são utilizadas

as séries de crédito livre referenciais para taxa de juros. As operações de crédito livre são

contempladas na Circular 2.957 do BCB, de 30 de dezembro de1999, cujas taxas de juros são

livremente pactuadas entre os mutuários e as instituições financeiras. Essa categoria suprime

operações de crédito rural, repasses do BNDES ou quaisquer outras lastreadas em recursos

compulsórios ou governamentais. A partir da Nota para a Imprensa do BCB, de 25 de

novembro de 2005, ampliou-se o conceito de recursos livres, antes restrito às operações

regulamentadas pela Circular 2.957/99, agora denominadas crédito referencial para taxas de

juros, tendo em vista sua utilização no cálculo das taxas médias ativas. O segmento de crédito

com recursos livres passou a abranger também dados sobre leasing, cooperativas de crédito,

parcela de financiamentos rurais não direcionados, faturas de cartão de crédito não

financiadas e outros itens.

Portanto, além de maior detalhamento dessa linha pelo BCB quanto a taxas, atrasos e

prazos, a categoria de créditos livre referenciais para taxas de juros é adequada para observar

o comportamento do mercado de crédito, devido à maior flexibilidade no estabelecimento das

condições entre credor e devedor.

Os tipos de encargos possíveis para essas operações são prefixados, pós-fixados, taxas

flutuantes e baseados em índice de preços. São analisadas nesta seção as taxas pré-fixadas e

consolidadas (taxa média englobando as operações com taxas pré-fixadas, pós-fixadas e com

taxas de juros flutuantes, ponderada pelos respectivos saldos). A análise desmembrada das

40 Muitas delas são vinculadas a algumas instituições bancárias. Os bancos estão na vanguarda, pois poucas são as instituições que possuem capital e familiaridade com os mercados financeiros necessários para entrar neste setor.

48

operações de crédito referencial para taxas pré-fixadas se justifica pela representatividade

destas operações41, dado que no Brasil existe predominância dos encargos prefixados no

crédito livre, principalmente nas operações para PF42; pela disponibilidade de informações

para um período maior (desde julho de 94) e pela sua utilização em várias pesquisas sobre os

componentes e o comportamento do spread (AFANASIEFF, LHACER e NAKANE, 2002;

KOYAMA e NAKANE, 2002a e 2002b, e OREIRO et al., 2006).

Gráfico 2.4 Média Mensal da Taxa (% a.a.) e do Spread (p.p.) – Juros Prefixados

Pessoa Física, Jurídica e Geral (Mar. de 2000 a jun. de 2006)

10

20

30

40

50

60

70

30

40

50

60

70

80

90

2000 2001 2002 2003 2004 2005

Spread TotalSpread PFSpread PJ

Taxa TotalTaxa PFTaxa PJ

Spr

ead

méd

io m

ensa

l (p.

p.) Taxa m

édia mensal (%

a.a.)

Fonte: Banco Central do Brasil, séries 3.955, 3.957, 3.956, 3.951, 3.953 e 3.952.

Para o crédito referencial prefixado, no geral, tanto o spread (medido em pontos

percentuais) quanto a taxa dos empréstimos (% ao ano), tiveram elevações em 2001 e 2002,

atingindo o pico no primeiro semestre de 2003, conforme o Gráfico 2.4. O que se observa

depois é uma tendência descendente até 2006. Essa queda pode ter contribuído para o

aumento da oferta de crédito livre e, conseqüentemente, as operações de crédito totais,

conforme evidenciado no Gráfico 2.2. Contudo, no segundo trimestre de 2006, os níveis

permaneceram altos em termos internacionais, apresentando spread geral de 35,72 p.p. e taxa

geral de 50,79 % a.a., para junho43.

41 As operações de crédito livre com taxas prefixadas representaram parcela superior a 50% do crédito livre, entre jun./00 e jun./06 segundo dados do sítio do BCB. 42 O BCB, nas operações com pessoas físicas, considera como taxa média consolidada (juros pré, pós e flutuante) a taxa média de juros de pessoas físicas pré-fixada, tendo em vista que as operações desse segmento são predominantemente pactuadas a taxas de juros prefixados. 43 Para obtenção das taxas gerais, calcula-se a média geométrica das taxas envolvidas para cada segmento (PF e PJ) e pondera-se pelos respectivos estoques.

49

Nota-se, pelo Gráfico 2.5, que o comportamento do spread e das taxas de empréstimos

em geral, quando se consideram juros consolidados, não difere de forma expressiva do

apresentado pelos juros prefixados. Isso ocorre, como dito, devido à relevância das operações

de crédito com encargos prefixados no total de créditos livres e, por conseguinte, no total de

créditos referenciais. No entanto, o nível médio das taxas e do spread é maior no caso dos

juros prefixados. De junho de 2000 a junho de 200644, os valores médios para essas variáveis

foi de 58,59 % a.a. (taxa) e 39,31 p.p. (spread). Para os juros consolidados, os valores médios

foram de 47,24 % a.a. e 28,91 p.p., respectivamente.

Gráfico 2.5 Média Mensal da Taxa (% a.a.) e do Spread (p.p.) – Juros Consolidados

Pessoa Física, Jurídica e Geral (Jun. de 2000 a jun. de 2006)

10

20

30

40

50

60

70

20

40

60

80

100

2000 2001 2002 2003 2004 2005

Spread TotalSpread PF*Spread PJ

Taxa TotalTaxa PF*Taxa PJ

Spr

ead

méd

io m

ensa

l (p.

p)

Taxa média m

ensal (%a.a.)

Fonte: Banco Central do Brasil, séries 8.298, 3.957, 8.299, 8.287, 3.953 e 8.288. Nota: (*) As séries referentes à pessoa física são com juros prefixados. Ver nota de rodapé nº. 42.

O último caso, além das taxas pré, incorpora também operações a taxas pós-fixadas e

flutuantes. As taxas pós-fixadas incidem sobre operações cuja correção pode ser contratada

com base em percentual variável ou em duas parcelas, uma com percentual fixo e prefixado e

outra com percentual variável. O percentual variável é referenciado em taxa regularmente

calculada e de conhecimento público com período de vigência superior a um dia (por

exemplo, TR, TBF e TJLP45) ou variação cambial, caracterizando-se por ser conhecido após a

assinatura do contrato ou no vencimento da operação ou da parcela. As taxas flutuantes

distinguem-se do encargo pós-fixado devido ao fato de o percentual variável ser corrigido

com base em taxas com período de vigência de um dia (por exemplo, Selic). Esses tipos de

44 Período em que se dispõe de informações a respeito das taxas consolidadas. 45 Taxa Referencial, Taxa Básica Financeira e Taxa de Juros de Longo Prazo, respectivamente.

50

operações são, em sua maioria, concedidos a pessoas jurídicas e, geralmente, incorrem em

menor risco de inadimplência.

Verifica-se, pelos Gráficos 2.4 e 2.5, que, apesar de a trajetória ser semelhante para

ambos os tipos de mutuário, a redução a partir de 2003 foi mais acentuada nas taxas

envolvendo crédito a pessoas físicas. Essa queda relativa também parece estar associada ao

crescimento do crédito às pessoas físicas. Todavia, o nível e a volatilidade, tanto do spread

quanto da própria taxa, continuam maiores para as pessoas físicas46. Para os créditos

prefixados, enquanto o spread médio no período foi de 24,63 p.p. e a taxa média, 43,39 % a.a.

para PJ, para PF foi de 49,36 p.p. e 68,94 % a.a., respectivamente. O coeficiente de variação

para PJ foi de 0,09 (spread) e de 0,10 (taxa), já para PF foi de 0,11 (taxa e spread).

As taxas substancialmente mais altas para as pessoas físicas estão relacionadas

diretamente a custos maiores envolvidos em suas operações de crédito, principalmente no que

tange ao risco. A taxa de inadimplência das pessoas físicas está em patamar bastante elevado

quando comparado ao das pessoas jurídicas, como se pode notar no Gráfico 2.6.

Gráfico 2.6 Taxas de Inadimplência de 15 a 90 dias e acima de 90 dias em relação ao Total da

Modalidade*(%) – Pessoa Física, Jurídica e Geral (Jun. de 2000 a jun. de 2006)

1

2

3

4

5

6

7

8

9

2000 2001 2002 2003 2004 2005

Inadimplência Total (15 dias)Inadimplência PF (15 dias)Inadimplência PJ (15 dias)

Inadimplência Total (90 dias)Inadimplência PF (90 dias)Inadimplência PJ (90 dias)

Fonte: Banco Central do Brasil, séries 7.914, 7.916, 7.915, 7.936, 7.938 e 7.937. Nota: (*) Refere-se às operações de crédito referenciais para taxas de juros.

Nota-se que, independente do período escolhido como determinante do estado de

inadimplência, neste caso entre 15 e 90 dias ou acima disso, os comportamentos são parecidos

46 A taxa por segmento (PF e PJ) é obtida pela média geométrica das taxas de cada modalidade do segmento ponderada pelos respectivos estoques.

51

no tocante ao devedor, destacando-se o gap existente entre as taxas de inadimplência das

pessoas físicas e as das pessoas jurídicas. Enquanto as taxas de inadimplência PF estão

sempre acima de 5% do total da modalidade, as taxas PJ estão na maior parte do tempo abaixo

deste valor. As taxas médias de inadimplência PF são 6,78 % (de 15 a 90 dias) e 6,86 %

(acima de 90 dias). As referentes à PJ são de 1,95 % e 2,68 %, respectivamente.

A diferença entre os perfis de inadimplência de pessoas física e jurídica é explicada

pelas diferenças entre os dois mercados. O mercado de PJ apresenta, por exemplo, menor

assimetria de informações47, existência de garantias na maior parte das transações, operações

customizadas, poder de barganha, dentre outras características que reduzem o risco de crédito.

As taxas para PF não se alteram substancialmente entre os dois prazos de

inadimplência, sendo que elas não ocorrem para PJ. Logo, no geral, a taxa de inadimplência é

maior para operações com atrasos superiores a 90 dias. A taxa média de inadimplência total

para o período de 15 até 90 dias é de 3,84 %, e a referente ao período seguinte é de 4,35 %.

Segundo Paula e Leal (2006), o Brasil apresenta, quando comparado aos padrões

mundiais, uma combinação desfavorável de baixa relação Crédito/PIB, taxas de juros das

operações de crédito em patamares elevados, além de altos spreads bancários. Assim, o custo

do crédito aliado ao baixo crescimento econômico é em grande medida responsável pela

reduzida oferta de crédito no País48.

Por conseguinte, algumas questões podem ser depreendidas do cenário observado. O

crédito no Brasil é escasso comparado ao do padrão mundial, a maturidade é curta, e as taxas

de empréstimos são majoradas devido ao elevado nível de spread embutido nas operações de

crédito.

O problema tornou-se tão crítico, que em 1999 o BCB criou o Projeto Juros e Spread

Bancário no Brasil, tornando pública a prioridade governamental em reduzir os juros cobrados

pelos bancos em suas operações de crédito. Anualmente, desde 1999, o BCB publica o

Relatório de Economia Bancária em que procura realizar um diagnóstico acurado sobre os

altos juros praticados e, por meio de melhor compreensão analítica do mercado de crédito,

adotar medidas que ataquem as principais razões econômicas para os elevados spreads

bancários.

47 Sobre a assimetria de informações no mercado de crédito, ver Stiglitz e Weiss (1981). 48 Para discussão aprofundada da comparação do spread brasileiro com o padrão mundial, ver Nakane e Costa (2005).

52

2.3 Spread: Conceito, Estrutura e Determinantes

O spread é obtido pela diferença entre as taxas de juros de aplicação e de captação,

compreendendo o lucro e o risco relativos às operações de crédito. De acordo com Dick

(1999:1): “[…] bank spreads, [are] defined as the difference between the lending and the

deposit interest rates […]. This rate difference may be interpreted to be the margin between

the prices of the main product (loans) and the main input (deposits) of this industry”.

O spread, por conseguinte, é influenciado por uma série de variáveis, sobretudo

qualidade de crédito do emissor, condições de mercado, volume e liquidez da emissão ou

empréstimo, prazo. Para cálculo do spread, a taxa interna de retorno dos fluxos é deduzida da

taxa interna de retorno de um referencial. Representa a diferença entre as taxas de juros de

aplicação e captação, compreendendo o lucro e o risco relativos às operações de crédito. O

spread bancário pode ser considerado indicador de eficiência da própria intermediação

bancária, dado que mede o custo desta (DEMIRGÜÇ-KUNT e HUIZINGA, 1999, e BROCK

E ROJAS-SUARES, 2000).

Geralmente, a amplitude do spread bancário é associada à lucratividade. Porém,

releva-se que uma elevação no spread, por exemplo, não implica necessariamente maior

lucro. O lucro é apenas um dos componentes do spread bancário (COSTA e NAKANE,

2005c).

Com o objetivo de avaliar comparativamente a literatura disponível sobre o spread,

Leal (2006) propõe uma tipologia para classificação dos estudos empíricos que considera a

origem da informação (ex-ante ou ex-post), o conteúdo (de receitas e despesas) e a

abrangência da amostra (bancos e modalidades). O Quadro 2.1 resume os principais estudos

estrangeiros sobre spread bancário com análise por grupo de países.

Para a análise do comportamento do spread, três tipos de abordagem se destacam:

evolução, estrutura e determinantes. A análise no primeiro caso se baseia na evolução do

spread ao longo do tempo. A segunda procura estimar os diversos componentes do spread

bancário como, por exemplo, inadimplência, custos administrativos, cunha tributária, dentre

outros, sendo sua essência de natureza contábil. No entanto, para investigar os efeitos

quantitativos sobre o spread oriundos de modificações em outras variáveis, emprega-se a

análise dos determinantes.

53

Quadro 2.1 Literatura Empírica Estrangeira com Análise do Spread Bancário por Grupo

de Países

Estudo Número de Países Período Abordagem e Tipo do Spread

Demirgüç-Kunt e Huizinga (1999) 80 1988 - 1995 Estrutura e determinantes do

spread ex-post

Saunders e Schumacher (2000) 7 (OCDE*) 1988 -1995 Evolução e determinantes do

spread ex-post

Claessens, Demirguç-Kunt e Huizinga (2001) 80 1988 - 1995 Determinantes do

spread ex-post

Maudos e Guevara (2004) 5 (Europa) 1993 - 2000 Determinantes do spread ex-post

Demirgüç-Kunt, Laeven e Levine (2004) 72 1995 - 1999 Evolução e determinantes do

spread ex-post

Peria e Mody (2004) 5 (América Latina) 1995 - 2001 Evolução e determinantes do

spread ex-post

Gelos (2006)

85 (emergentes,

com 14 da América Latina)

1999 - 2002

Evolução do spread ex-ante e ex-post.

Determinantes do spread ex-post

Fonte: Leal (2006). Nota: (*) Organização para a Cooperação e Desenvolvimento Econômico.

Quadro 2.2 Literatura Empírica sobre o Spread Bancário Brasileiro por Abordagem Analítica e

Medida do Spread

ABORDAGEM ANALÍTICA MEDIDA DO

SPREAD Evolução Estrutura Determinantes

Ex-ante

BCB (1999 a 2005, e 2006b); Afanasieff,

Lhacer e Nakane (2001 e 2002) Koyama e Nakane

(2002a);

BCB (1999 a 2005); Costa e Nakane (2004,

2005a e 2005b)

Aronovich (1994); Koyama e Nakane (2002a

e 2002b); Afanasieff, Lhacer e Nakane (2001 e 2002); Oreiro et al. (2006);

Bignotto e Rodrigues (2006)

Ex-post - FIPECAFI (2004 e 2005); Matias (2006) Guimarães (2002)

Fonte: Adaptado de Leal (2006).

54

No Brasil, encontram-se estudos baseados nas três metodologias. O Quadro 2.2

sintetiza a literatura nacional por abordagem e considera também a origem da informação (ex-

ante ou ex-post).

O spread calculado ex-ante é, basicamente, a diferença entre a taxa de juros dos

empréstimos e a taxa de juros de captação dos bancos retirada das informações sobre as

operações bancárias. Nas palavras de Leal (2006:13),

O spread bancário ex-ante [...] é mensurado a partir das decisões de precificação dos bancos em relação às taxas de captação e de empréstimos, anteriores à realização de seu resultado. Esta medida reflete as diversas expectativas dos bancos em relação à demanda, inadimplência, concorrência, entre outras (grifo nosso).

O spread ex-post é a quantificação do resultado de intermediação financeira a partir

das receitas efetivamente geradas pelos empréstimos e dos custos de captação dos recursos

empregados. A mensuração é realizada após a efetivação do resultado da operação, sendo

normalmente calculada por meio de dados contábeis. Portanto, enquanto o primeiro se baseia

nas taxas estabelecidas pelos bancos, o segundo se fundamenta nos resultados financeiros

realizados.

No Brasil a maior parte dos estudos é focada no spread ex-ante. No entanto, não há

consenso sobre qual medida seja mais eficiente. De acordo com Demirguç-Kunt e Huizinga

(1999), o spread ex-ante tende a ser mais sensível ao risco percebido. Alterações nas

expectativas de risco geram mudanças imediatas no spread visando à manutenção do

resultado e da segurança esperados. O spread ex-post depende das conseqüências ocasionadas

pela expectativa de risco. Esses Autores consideram o spread ex-post mais consistente para

comparações internacionais devido à consistência dos dados. No entanto, o spread ex-ante é

mais representativo do custo de crédito para o tomador de recursos, pois é componente da

taxa embutida nas operações. Portanto, a escolha de qual tipo de informação utilizar depende

do objetivo almejado e das limitações impostas em cada caso.

2.3.1 Estrutura do Spread Brasileiro

A evolução do spread brasileiro, a partir de 2000, foi analisada e demonstrada na

subseção 0. No que se refere à estrutura do spread, a referência oficial são os estudos

elaborados pelo BCB (1999 a 2005). Segundo a metodologia desses estudos, o spread

55

brasileiro (ex-ante)49 pode ser decomposto em custo administrativo, inadimplência,

compulsório, tributos e taxas e resíduo (considerado como a margem do banco)50.

Gráfico 2.7 Estrutura do Spread Bancário Ex-Ante (participação %) no Brasil

(2003 e 2004)

21,87

31,73

6,517,24

32,65

21,56

33,97

7,008,37

29,10

0%

10%20%30%40%

50%60%70%80%

90%100%

2003 2004

Custo administrativo Inadimplência Custo do compulsório Tributos e taxas Resíduo

Fonte: BCB (2005). Nota: Os percentuais estimados foram aplicados sobre o spread consolidado médio de dezembro de cada ano.

No decorrer dos anos, a metodologia de cálculo dos componentes do spread

aprimorou-se. A mais recente, proposta pelo BCB (2005), foi empregada para 2003 e 2004,

conforme o Gráfico 2.7, o qual sintetiza a importância relativa de cada componente. Observa-

se que parte significativa do diferencial entre as taxas de captação e aplicação é explicada pela

inadimplência, cerca de 32,0% em 2003 e 34% em 2004. Os custos administrativos também

representaram parte expressiva do spread (aproximadamente 22% em ambos os anos). Os

tributos e as taxas, por sua vez, representaram 7,24% e 8,37%, enquanto o custo de manter

depósitos compulsórios representou 6,51% e 7,00%, para 2003 e 2004, respectivamente.

Logo, o resíduo em 2003 foi de 32,65% e 29,10%, em 2004. Em termos gerais, não existiram

grandes mudanças na composição do spread entre os dois anos.

Em Costa e Nakane (2005a), é realizada a decomposição do spread para 2002 por

diferentes subamostras de bancos, inclusive com a segregação entre privados e públicos. Os

Autores adotam metodologia com pequenas diferenças da empregada em BCB (2005). Por

49 Presente no Relatório de Economia Bancária e Crédito de 2005. 50 O resíduo (bruto) é sempre calculado pela subtração dos demais componentes considerados para a formação do spread total. O resíduo líquido é obtido deduzindo-se do resíduo bruto os impostos diretos.

56

exemplo, destaca-se o custo do Fundo Garantidor de Crédito (FGC) como componente à

parte. Contudo, a análise por subamostras permite algumas conclusões interessantes. A Tabela

2.4 expõe os resultados encontrados.

Tabela 2.4 Estrutura do Spread Bancário Brasileiro Ex-Ante (participação %) por Tipo de Amostra

(Dezembro de 2002)

Componentes do Spread

Maiores Bancos

Privados

Sistema Financeiro Nacional

Amostra Completa

Bancos Privados

Bancos Públicos

Custo do FGC 0,22% 0,24% 0,24% 0,25% 0,28% Custo Administrativo 21,12% 29,36% 28,34% 22,47% 38,26% Inadimplência 23,03% 27,63% 27,31% 25,35% 30,44% Custo do Compulsório 10,66% 8,18% 8,31% 9,76% 7,23% Tributos e Taxas 13,41% 11,18% 12,33% 12,82% 11,80% Resíduo 31,56% 23,41% 23,47% 29,35% 11,98% Número de Bancos* 17 57 100 61 14 Fonte: Adaptado de Costa e Nakane (2005a). Nota: (*) Para informações sobre a composição de cada amostra remeter a fonte.

Como se pode observar, o custo administrativo e a inadimplência responderam, em

média, pela maior parte dos custos de intermediação, independente da amostra utilizada.

Entretanto, nos bancos públicos, a participação desses componentes foi ainda maior.

Paralelamente, observa-se que o resíduo ou a margem bancária foi maior no caso dos bancos

de controle privado, quando comparados aos públicos, sendo, aliás, mais visível a diferença

em relação ao grupo dos 17 maiores bancos privados.

2.3.2 Determinantes do Spread Brasileiro

Após a implantação do sistema de metas inflacionárias e o estabelecimento do regime

cambial no Brasil, o BCB passou a se preocupar com os determinantes do spread bancário,

não só na identificação da composição do spread, mas fundamentalmente no diagnóstico dos

mecanismos que pudessem reduzir o custo do crédito e expandir os volumes de concessão de

crédito (BCB, 2004). A maior parte dos estudos no Brasil é realizada por pesquisadores

ligados ao BCB (Quadro 2.2).

Cada estudo, em particular, aponta um grupo de possíveis determinantes para o

spread. A despeito das variáveis escolhidas, algumas estão presentes na maior parte dos

trabalhos, como é o caso da inflação, da taxa básica de juros, da atividade econômica e do

risco de crédito, conforme exposto no Quadro 2.3.

57

Quadro 2.3 Variáveis Empregadas na Literatura Empírica sobre o Spread Bancário Brasileiro

Estudo Período Variáveis

Aronovich (1994) mar/1986 - dez/1992 IGP, Nível de atividade

Koyama e Nakane (2002a) mar/1996 - set/2001 IGP, Produto Industrial, Selic, Spread Over Treasury, Impostos indiretos, Requerimento de Reserva, Custo

Administrativo

Koyama e Nakane (2002b) ago/1994 - set/2001 Selic, Risco, Spread Over Treasury, Requerimento de Reserva, Custo Administrativo

Afanasieff, Lhacer e Nakane (2001)* fev/1997 - nov/2000 IGP, Crescimento do Produto industrial, Selic, Volatilidade Selic

Afanasieff, Lhacer e Nakane (2002)* fev/1997 - nov/2000 IGP, Crescimento do Produto Industrial, Selic, Spread Over Treasury, Impostos Indiretos, Requerimento de

Reservas

Oreiro et al. (2006) jan/1995 - dez/2003 IPCA, Produto Industrial, Selic, Volatilidade Selic

Bignotto e Rodrigues (2006) mar/2001 - mar/2004

IPCA, Selic, Despesas Tributárias, Custo Administrativo, Risco de Juros, Risco de Crédito, Parcela de Mercado, Liquidez, Receita Serviços,

Compulsório, Ativo Total

Guimarães (2002)** 1995 - 2001

Participação dos Bancos Estrangeiros , Caixa e Depósitos , Patrimônio Líquido , Ativo que Não Rende Juros , Custos Operacionais , PIB Real Per Capita ,

Crescimento PIB Real , Inflação , Taxa de Juros Real, Impostos, Arrecadação

Fonte: Adaptado de Leal (2006). Notas: (*) Neste trabalho estima-se a regressão em dois estágios. As variáveis apresentadas referem-se ao segundo estágio. (**) O autor utiliza-se de dados anuais agregados e desagregados por banco. Para o segundo caso não se calcula as variáveis impostos e arrecadação.

Aronovich (1994), em seu estudo precursor dos determinantes no Brasil, testa as

seguintes variáveis: inflação medida pelo IGP-DI, nível de atividade medido pela utilização

da capacidade instalada (indicador da FIESP51) e choques econômicos (pela incorporação de

dummies). Em Koyama e Nakane (2002a), as variáveis empregadas são inflação (IGP-DI),

produto industrial dessazonalizado (calculado pelo IBGE52), taxa de juros (Selic), despesas

administrativas, compulsório (reservas exigíveis sobre os depósitos à vista), risco de crédito

(spread do C-Bond sobre o yield do título do Tesouro Americano com mesma maturidade) e

tributos indiretos (PIS, COFINS, IOF, e CPMF). Em outro trabalho (2002b), os mesmos

Autores procuram avaliar a sensibilidade no spread por variações nos componentes

empregados na decomposição contábil realizada pelo BCB. Consideram para tal as seguintes

variáveis como explicativas: Selic, despesas administrativas, compulsório, risco de crédito,

tributos indiretos, além de tendência determinística.

51 Federação das Indústrias do Estado de São Paulo. 52 Instituto Brasileiro de Geografia e Estatística.

58

Em Afanasieff, Lhacer e Nakane (2001), o conjunto de variáveis macroeconômicas

utilizadas é composto por inflação (IGP-DI), crescimento do produto industrial (divulgado

pelo IBGE), Selic e risco (medido pela volatilidade da Selic). Já em Afanasieff, Lhacer e

Nakane (2002), acrescentam-se os tributos indiretos e as reservas obrigatórias, além de alterar

a metodologia do risco, sendo este agora calculado como em Koyama e Nakane (2002a e

2002b). Oreiro et al. (2006) sugerem como determinantes a inflação (IPCA), a Selic, a

produção industrial (IBGE) e o risco (volatilidade da Selic) e a alíquota do compulsório sobre

os depósitos à vista.

Bignotto e Rodrigues (2006) adaptam o modelo de Ho e Saunders (1981) para os

impactos de fatores de risco e custo administrativo. As variáveis são custo administrativo,

risco de crédito (provisão mínima exigida pelo BCB), risco de juros, market-share, liquidez,

receita de serviços, compulsório e despesas tributárias. No estudo de Guimarães (2002), são

utilizadas as variáveis a seguir: inflação (deflator implícito do PIB), Selic, taxa de crescimento

do PIB real, PIB real per capita, despesas operacionais, caixa e depósitos de curto prazo,

ativos (que não incorporam juros), patrimônio líquido, participação dos bancos estrangeiros,

impostos e concentração do setor.

Apesar de diferenças na metodologia, na modelagem econométrica, no intervalo

temporal e na constituição da amostra, algumas conclusões da análise em conjunto destes

trabalhos foram retiradas por Leal (2006). Quanto à estrutura, este Autor argumenta que

existem evidências de que os principais componentes do spread ex-ante e do ex-post no

período de 2001 a 2005 no Brasil foram as despesas operacionais, as provisões de

inadimplência (risco de crédito) e a margem líquida dos bancos. Quanto aos determinantes,

articula também que o risco apresenta relação positiva com o spread ex-ante, corroborando

assim a hipótese de Ho e Saunders (1981), na qual o aumento do risco provoca ampliação do

spread ex-ante. Conclui que, pela análise conjunta da estrutura e dos determinantes, fica

evidenciada a importância do custo administrativo e do risco de inadimplência como

componentes e fatores explicativos do spread bancário.

2.3.3 Vínculo entre o Risco de Crédito e o Spread Brasileiro

Diversos são os meios empregados para tentar identificar o motivo de elevadas taxas

de spread no Brasil. Belaisch (2003) foca seu estudo na possibilidade de que o setor bancário

não seja completamente competitivo. Em suas palavras, “[...] this is suggested by the stylized

facts, and indeed is confirmed by the empirical investigation, which indicates that Brazilian

banks behave oligopolistically” (BELAISCH, 2003:20).

59

Essa estrutura de concorrência apresenta fracos incentivos para melhoria de eficiência,

o que explicaria o porquê de a intermediação bancária ser escassa e cara. Entretanto, não

existe consenso nesse ponto. Nakane (2003:64) sumariza e avalia diversos estudos sobre o

poder de mercado dos bancos no Brasil e argumenta que “[...] não existe muito fundamento na

idéia de que os elevados spreads bancários observados no país sejam decorrência da baixa

concorrência do setor”.

Outros estudos como, por exemplo, os de Afanasieff, Lhacer e Nakane, 2001 e 2002;

Koyama e Nakane, 2002a; Paula e Leal, 2006, e Oreiro et al., 2006, enfatizam, ainda, a

relevância das variáveis macroeconômicas na explicação do comportamento do spread no

Brasil. Em Afanasieff, Lhacer e Nakane (2001), os resultados econométricos encontrados

sugerem que as variáveis macroeconômicas são os fatores mais relevantes para explicar o

comportamento do spread bancário brasileiro.

Koyama e Nakane (2002a) também encontram indícios do impacto do panorama

macroeconômico sobre o spread. Para Oreiro et al. (2006) e Paula e Leal (2006), a incerteza

macroeconômica enfrentada pelos bancos no Brasil é causa essencial dos altos níveis de

spread e, conseqüentemente, das taxas de empréstimos elevadas. Portanto, sem a adoção de

políticas macroeconômicas que gerem crescimento econômico sustentável e financeiramente

estável, medidas de natureza microeconômicas que almejem a redução do spread poderão

revelar-se inócuas.

Ao longo da série de relatórios do BCB sobre economia bancária e crédito, de 1999 a

2005, o risco embutido nas operações de crédito vem sendo destacado. No primeiro relatório,

o diagnóstico foi que os elevados spreads bancários no Brasil eram explicados, em grande

parte, pela inadimplência e pelo reduzido nível de alavancagem de empréstimos que

limitavam a diluição dos custos administrativos e de capital. Observou-se, ademais, que, em

função das elevadas inadimplências ocorridas, as instituições financeiras tinham receio de

aumentar suas carteiras de empréstimos. Portanto, uma alavancagem baixa de crédito era

forma legítima de os bancos se protegerem de uma conjuntura incerta.

Em 2000, a ênfase foi dada ao grupo de regras mais severas de classificação e

provisionamento de operações de crédito implantadas referente à regulamentação e ao

controle de riscos das instituições financeiras. Nesse sentido, a medida mais importante

adotada foi a obrigatoriedade de classificação das operações de crédito por faixas de risco,

bem como o provisionamento de todos os créditos a partir da segunda faixa de risco

(Resolução 2.682, de 21.12.1999). Seguia-se, assim, a tendência internacional, que dava

prioridade aos riscos assumidos pelas instituições financeiras e à sua capacidade de gerenciá-

60

los. Se, num primeiro momento, essas medidas sugeriam limitar as ações dos bancos, em

outro buscavam gerar maior estabilidade, redução da inadimplência bancária e, a médio e

longo prazos, redução de custos, spreads e taxas de juros finais.

De 2001 a 2005, tanto pela decomposição contábil do spread quanto pela utilização de

técnicas econométricas para estimação dos determinantes, o risco de crédito revelou-se como

variável explicativa significante. Ambas as metodologias, ao longo do tempo, se beneficiaram

de melhorias na quantidade e na qualidade dos dados disponíveis. Tais resultados vão ao

encontro da conclusão exposta na seção anterior.

Portanto, o risco de inadimplência é um dos principais aspectos pontuais

diagnosticados pelo BCB (1999 a 2005) para redução da taxa de juros média cobrada nas

operações de crédito. A inadimplência no Brasil, além de seu componente conjuntural, está

ligada também aos aspectos institucionais tais como falta de cultura de crédito (devido ao

longo período de inflação), baixa qualidade das informações sobre a clientela, instrumentos de

crédito inadequados e sistema judiciário que não dispõe de mecanismos legais necessários à

cobrança dos empréstimos (BCB, 2000).

Diversos estudos sobre como as medidas microeconômicas afetam o risco de crédito

vêm sendo elaborados pelo BCB desde então, inclusive com a adoção de alguma delas. Este

Trabalho, nada obstante, foca-se no componente estrutural. Almeja-se entender como o lado

macroeconômico afeta o risco nas operações de crédito no Brasil53.

Para induzir a baixa dos juros ao tomador final, muitas medidas poderiam ser

adotadas, dentre as quais a redução das taxas básicas de juros e a redução da cunha fiscal, bem

como as medidas tendentes a diminuir o risco de crédito e aumentar a eficiência e a

alavancagem das instituições financeiras. Entretanto, para a redução do risco de crédito, faz-se

necessário o entendimento de como este vem se relacionando com os fatores conjunturais. É

para esse ponto que o próximo Capítulo visa contribuir. A análise empregada procura

entender como os fatores macroeconômicos no Brasil se relacionam de forma estrutural e

dinâmica com o risco de crédito de março de 2000 e junho de 2006.

Como pode ser observado, o risco, eminentemente o de crédito, é de grande

importância na estrutura e na determinação do spread bancário. Uma investigação mais

53 Em Chu (2001) investiga-se a respeito dos principais fatores macroeconômicos que explicam a inadimplência bancária entre julho de 1994 e agosto de 2000. No entanto, o foco está na inadimplência e não no risco. É este último que (parcialmente) define ex-ante o spread a ser cobrado. Como visto no primeiro Capítulo, os dados existentes à época sobre a probabilidade de inadimplência eram demasiadamente simples.

61

profunda desta variável se faz necessária para se avançar na compreensão não somente do

spread, mas também do próprio crédito.


Diante do contexto apresentado, pôde-se verificar a importância do risco de crédito,

dada a relação estreita deste com o desempenho das instituições financeiras, com a segurança

do sistema financeiro e com o próprio desenvolvimento econômico dos países.

Os recentes dados divulgados pelo BCB referentes ao mercado de crédito mostraram

crescimento expressivo nos saldos da carteira de crédito pessoal. Em particular, notou-se

significativo aumento nos saldos em carteira de empréstimo consignado em folha de

pagamento das instituições financeiras. Parcela significativa desse crescimento vem sendo

proporcionada pelo incremento da participação das instituições privadas.

Todavia, a relação Crédito/PIB no Brasil ainda é pequena se comparada à de outros

países emergentes. Uma combinação indesejável de fatores tais como memória inflacionária;

elevados spreads e, conseqüentemente, taxas de juros; concentração no crédito bancário

contribuem para essa situação. Muitos estudos estão sendo realizados para diagnosticar as

possíveis causas e as prováveis soluções, dos quais os mais proeminentes são os voltados para

a identificação dos componentes e dos determinantes do spread bancário.

O Capítulo evidenciou também a relevância do risco de inadimplência, tanto pela

análise da estrutura, quanto pela dos determinantes, no que se refere ao spread bancário no

País. O risco excessivo incorrido ao se fornecer crédito restringe o crescimento da oferta, por

um lado, e, por outro, por encarecer as operações, inibe a demanda.

Logo, os próximos dois Capítulos irão, por meio da análise empírica, aprofundar o

conhecimento sobre o risco de crédito - como as carteiras de crédito dos bancos no Brasil

respondem a mudanças nas principais variáveis macroeconômicas e como estes mesmos

bancos se protegem.

62

3 MENSURAÇÃO DO RISCO DE CRÉDITO E ASPECTOS METODOLÓGICOS


Neste Capítulo, são reportados os detalhes da construção das bases de dados e das

séries de interesse. As modelagens econométricas e a motivação pelo emprego de cada técnica

em questão são debatidas.

O Capítulo é composto por quatro seções – desconsideradas estas notas preliminares.

Especial atenção é dedicada à mensuração do risco de crédito bancário na seção que se segue.

A metodologia para a constituição da amostra, das bases de dados e das séries temporais é

discutida em seção à parte. No que se refere à modelagem econométrica, sucinta apresentação

é realizada na terceira etapa. Por último, a título de conclusão, procede-se à exposição dos

pontos relevantes tratados no Capítulo.

3.2 Medidas de Risco de Crédito

O risco de crédito tem sido fator determinante do alto custo das operações, o que

também explica a dificuldade na obtenção ou mesmo a não-concessão de empréstimos pelos

bancos. As instituições financeiras, quando realizam operações de crédito, querem ter a

certeza de receber de volta os valores emprestados mais os juros pactuados, dado que, como

intermediários financeiros, têm obrigações para com seus depositantes. Como essa certeza

inexiste, mesmo para clientes de primeira linha, os bancos cobram um adicional a título de

risco de crédito, ou seja, um valor associado à probabilidade de não receber o valor

emprestado (BCB, 1999).

De acordo com Belaisch (2003),

There may be several reasons why the depth and efficiency of bank intermediation in Brazil lags that elsewhere. An undeniable explanation is that credit risk has been high during decades of trials in reform and restructuring, and that banks have been able to afford their risk aversion thanks to the availability of high-yielding, risk-free government securities as an alternative investment to private sector lending (p.20, grifo nosso).

Assim, é importante aprofundar o conhecimento das inter-relações entre o risco de

crédito bancário e o ambiente macroeconômico. Contudo, primeiramente, deve-se mensurar o

risco de crédito bancário, o que, por si só, não é questão trivial. Segundo Carvalho (2005b:

15):

63

The most serious problem in dealing with credit risk, however, is conceptual, rather than merely technical. Credit risk refers to the probability of occurrence of default. Default, however, is, by its very nature, an unobservable event, contrary to what one would think at first sight. When can one say that a loan has been defaulted? The easy answer would be when payments are past due. But of course this cannot be right. At any time banks certainly have a number of loans that are non-performing without necessarily considering them in default. Laws and regulations set conventional definitions of default for tax or regulatory purposes determining, for instance, when a bank should make provisions for loan losses, or write off loans for tax purposes (grifo do autor).

Portanto, a problemática da mensuração do risco de crédito não é meramente técnica,

mas também conceitual. Desse modo, antes da modelagem das relações existentes entre o

risco de crédito e os fatores macroeconômicos, deve-se explicitar a forma pela qual o risco é

aqui medido.

3.2.1 Modelos de Risco de Crédito em Nível de Portfólio

Diversas são as possibilidades de mensuração do risco de crédito. Não existe consenso

na literatura sobre a melhor forma para tal. O próprio conceito de risco está ligado ao futuro, à

possibilidade, à incerteza. Dado o objetivo do Trabalho, faz-se indispensável uma medida que

considere o risco de crédito agregado das instituições bancárias. Os principais modelos

adotados pela indústria bancária internacional são CreditMetrics, PortfolioManager,

CreditRisk+ e CreditPortfolioView54.

O CreditMetrics, fundamentado na proposta de Merton (1974)55, foi desenvolvido

pelo banco americano JP Morgan. Esse modelo se baseia na distribuição futura de valores de

um portfólio de crédito, considerando que as mudanças verificadas se relacionam,

fundamentalmente, com as migrações na qualidade de crédito (incluindo a situação de

inadimplência) em horizonte de tempo predeterminado. Assim, associa o risco de perda à

potencial migração da classificação de risco vigente para uma classe de risco inferior, incluída

a classe representativa de inadimplência.

Também baseado na teoria de Merton, o modelo PortfolioManager, elaborado pela

KMV Corporation, utiliza como informação o preço das ações para caracterizar a

probabilidade de inadimplência do tomador, bem como a correlação entre os diversos

segmentos de tomadores no que tange à inadimplência. Para o cálculo do valor da carteira,

54 Para análise individual e de comparação entre estes modelos, ler Gordy (2000); Koyluoglu e Hickman (1998); Crouhy, Galai e Mark (2000) e Nickell, Perraudin e Varotto (2001). 55 O modelo de valoração de ativos proposto por Robert Merton considera que uma empresa é inadimplente quando o valor de seus ativos for inferior ao de suas dívidas. O tamanho da diferença entre ativos e passivos e a volatilidade dos ativos são determinantes essenciais da probabilidade de inadimplência de um tomador.

64

esse Modelo assume que as operações que compõem o portfólio podem ser líquidas ou

ilíquidas no sentido de existir um mercado secundário para estas.

O modelo CreditRisk+ (CR+), desenvolvido pela Credit Suisse Financial Products

(CSFP), incorpora abordagem proveniente das técnicas de ciências atuariais para a tabulação

das distribuições de perdas. Considera apenas a inadimplência e aloca os diferentes tomadores

entre setores, calculando a média e o desvio-padrão da taxa de inadimplência para cada setor.

Assume-se que a inadimplência de um crédito individual segue um processo de Poisson, e o

risco de migração da qualidade de crédito não é explicitamente modelado. Essa modelagem é

capaz de prover soluções à mensuração do risco de crédito a partir do estabelecimento de um

conjunto de hipóteses simplificadoras em relação à segmentação do portfólio por tamanho de

exposição.

Implementado pela firma de consultoria McKinsey and Company, o

CreditPortfolioView56 assume que as probabilidades de inadimplência são funções de

variáveis macroeconômicas tais como taxa de desemprego, taxa de crescimento da economia,

taxas de juros e câmbio, gastos governamentais, poupança agregada e outros fatores que

impactam os ciclos de crédito. O diferencial desse Modelo está exatamente na magnitude que

confere ao vínculo existente entre as probabilidades de inadimplência e o ambiente

econômico.

Devido às características específicas do mercado brasileiro, alguns desses modelos são

inviáveis de aplicação. Segundo Chaia (2003), nenhum dos modelos citados está em condição

de ser implantado em toda a sua extensão no mercado financeiro nacional. Para a correta

implementação dos Modelos, fazem-se indispensáveis os seguintes fatores: mercado

secundário líquido para títulos corporativos; provedores de rating com metodologias de

classificação confiáveis e consistentes com o processo de avaliação de ativos de crédito feitas

pelo mercado e bases de dados históricas de inadimplência por rating e de taxas de

recuperação.

Na mesma linha, Schechtman (2002) argumenta que a necessidade de grande

quantidade de dados para estimar a matriz de probabilidades e a inexistência de mercados

secundários líquidos para empréstimos que viabilizem a marcação a mercado são dificuldades

para a utilização da metodologia CreditMetrics no Brasil. Já a aplicação da abordagem

proposta pela KMV, no caso brasileiro, é comprometida, dentre outros fatores, pela sua

dependência de um mercado acionário bem desenvolvido e líquido para as empresas

56 Este modelo foi originalmente proposto por Wilson (1997a, 1997b e 1998).

65

devedoras. Quanto à implementação no Brasil da metodologia CreditPortfolioView, sua maior

dificuldade também reside na grande quantidade de dados necessária para a apropriada

estruturação dos impactos macroeconômicos no portfólio de crédito.

Logo, o CreditRisk+ torna-se o modelo de mensuração de risco de crédito em nível de

portfólio mais factível no Brasil devido à pequena quantidade de parâmetros de entrada. Não

obstante, conforme o próprio Schechtman (2002:109) assevera, “[...] a sua adequação [CR+] à

realidade brasileira é passível de questionamento devido principalmente às hipóteses

distribucionais subjacentes do modelo”. Outra dificuldade do uso desse Modelo para

mensuração do risco de crédito bancário brasileiro advém da impossibilidade de obtenção dos

dados requeridos relativos ao conjunto de bancos existentes no País57.

3.2.2 Proxies de Risco Utilizadas na Literatura

Os estudos referentes ao spread bancário oferecem algumas variantes para a medição

do risco de crédito. Destarte, considerando as diferenças de cada país na mensuração do

spread e o intento de analisar o risco de crédito bancário para o Brasil, são examinados os

trabalhos voltados ao País.

Os primeiros trabalhos no Brasil (BCB, 1999 e 2000) utilizavam a inadimplência

como proxy do risco de crédito. Portanto, usavam-se os registros na conta de Provisão para

Devedores Duvidosos (PDD) deduzidos das rendas a apropriar (juros e multas), sendo

posteriormente empregados os fluxos de provisão para perdas58.

Todavia, o uso da inadimplência passada para explicação do spread não é apropriado,

pois se utilizam taxas ex-ante para o cálculo do spread. É o risco de crédito (inadimplência

esperada) que está embutido no spread cobrado e não a inadimplência passada (ou mesmo a

desconhecida inadimplência futura). Dado o risco percebido nas operações de crédito pelos

bancos, estes cobram na taxa o que acreditam suprir a perda esperada. O risco de crédito é

evidentemente futuro devido à sua característica expectante, enquanto a inadimplência tem

caráter retrospectivo, ou seja, refere-se ao passado. De acordo com Oreiro et al. (2006:5),

A atividade de intermediação expõe o banco à incerteza quanto à taxa de retorno dos empréstimos. Esta incerteza decorre do fato de que uma parte dos empréstimos não será devolvida em razão da inadimplência voluntária ou não dos tomadores. O porcentual de empréstimos em default, contudo, não é uma variável conhecida ex-ante pelo banco, que pode apenas estimar uma probabilidade de default.

57 Poucos são os bancos no Brasil que disponibilizam as informações necessárias ao cálculo do risco por essa metodologia. 58 Não obstante, outras medidas de inadimplência, como, por exemplo, o montante de empréstimos em atraso a partir de determinado período, eram também utilizadas.

66

Com o intuito de aperfeiçoamento dessa medida, alguns trabalhos, dentre eles o de

Koyama e Nakane (2002a e 2002b) e de Afanasieff, Lhacer e Nakane (2002), utilizam o

spread do C-Bond sobre o rendimento dos títulos do Tesouro Americano de mesma

maturidade como proxy para o risco envolvido nas operações de crédito. De acordo com os

resultados encontrados em Koyama e Nakane (2002b), os Autores argumentam que

No processo de especificação econométrica, a variável risco mostrou-se superior às despesas de inadimplência, o que pode ser creditado ao seu caráter antecipador (forward looking), ou de expectativas com relação ao cenário futuro. As despesas de inadimplência, por sua vez, referem-se à perda de créditos concedidos no passado, tendo, portanto, uma natureza eminentemente backward looking. Como a medida de spread bancário empregada neste trabalho utiliza taxas ex-ante, não é surpreendente que se identifique maior sensibilidade desta a alterações na variável risco (p. 11).

Outra medida utilizada como proxy para o risco nas operações de crédito é a

volatilidade da taxa Selic (Afanasieff, Lhacer e Nakane, 2001, e Oreiro et al., 2006).

Consubstancia-se na idéia de que a volatilidade da taxa de juros cobrada nos empréstimos

realizados no mercado interbancário é reflexo direto da estabilidade econômica do País. Logo,

trata-se mais especificamente do risco de taxas de juros.

Dessa maneira, ambas as proxies (o prêmio de risco medido pelo spread do C-Bond e

o risco resultante da volatilidade da Selic) captam o efeito do risco macroeconômico (não

idiossincrático). Nesse sentido, são medidas de risco global e não apenas de perdas associadas

à atividade de crédito59. Apesar do possível ganho em relação às despesas com inadimplência,

são limitadas como proxies de risco de crédito.

O BCB reconhece as dificuldades existentes na obtenção de uma medida adequada

para o risco de crédito, principalmente no que tange à decomposição do spread. Desde 1999,

a Autoridade Monetária brasileira vem buscando aperfeiçoar essa mensuração. Importante

avanço metodológico foi empregado no Relatório de Economia Bancária e Crédito de 2005:

A partir deste ano [2005], a componente de inadimplência passa a ser definida com base nas regras de provisionamento ditadas pela Resolução 2.682/1999. Isso significa que a inadimplência é calculada com base nas classificações de risco das carteiras de empréstimo dos bancos e suas respectivas provisões mínimas. Consideram-se perdas para fins de cálculo da componente de inadimplência do spread o equivalente a 20% dessas provisões, [...] ganhando em precisão, ao se analisar sua melhor adequação ao risco de crédito percebido pelos bancos no momento das concessões, e, portanto, na precificação dos empréstimos concedidos naquele período (BCB, 2005, p. 18, grifo nosso).

Admite-se, assim, que as provisões obtidas por meio da Resolução 2.682/99 são

representativas do valor esperado a inadimplir por meio das probabilidades associadas a cada

59 A segunda proxy pode ser entendida também como risco de taxa de juros.

67

faixa e, a partir disso, estabelece-se um percentual (arbitrado em 20%) do montante

inadimplente esperado como perda.

Em Bignotto e Rodrigues (2006)60, investiga-se a importância do risco de crédito e do

risco de juros (por meio de proxies) como fatores determinantes do spread brasileiro. Para

mensuração da variável risco de crédito, utiliza-se também a metodologia padrão disposta na

Resolução 2.682/99. A partir da carteira de crédito classificada por classe de risco, pondera-se

o montante de cada classificação pelo nível de provisão exigido61.

3.2.3 Risco de Crédito Calculado

Em consonância com os dois últimos trabalhos, optou-se pelo uso da Resolução

2.682/99 para obtenção de uma medida de risco de crédito padrão para bancos no Brasil. Não

obstante, aplica-se pequena modificação para controlar o efeito de novas contratações e

liquidações - o indicador relativo ao tamanho da exposição. A medida de risco médio é obtida

pela fórmula

i

ii CréditodeCarteira

PLCDCréditodeRisco = (3)

em que:

PCLD (Provisão de Crédito para Liquidação Duvidosa) é o valor apropriado para

cobrir a parte do risco de crédito incorrido pelos bancos relativo à perda esperada, ou seja, é o

montante de provisão mínimo estabelecido pela Resolução 2.682/99 (de AA a G)62 para o

banco ou conglomerado i e;

Carteira de Crédito é o montante de crédito em risco do banco ou do conglomerado i.

Portanto, o risco de crédito é o percentual que se espera inadimplir do total de

empréstimos adimplentes63. Com base no portfólio de crédito do banco por nível de risco,

aplicam-se os percentuais mínimos exigidos (Quadro 1.2) e se estabelece, assim, o montante

esperado a inadimplir. A razão deste pela carteira de crédito fornece o percentual do portfólio

em risco de inadimplência da instituição. O risco é então captado pela migração do crédito

60 Trabalho presente no mesmo relatório. 61 A relação positiva esperada entre risco de crédito e spread é verificada no trabalho. 62 A não-consideração da faixa H (ou risco 2) se deve ao fato de que o percentual de provisão para esta é de 100%. Não constitui mais incerteza quanto à inadimplência, pois os créditos aqui já estão em situação de default pelo modelo. 63 Consideram-se inadimplentes os empréstimos que já necessitam de contraparte de igual valor como provisão.

68

entre as faixas64.

O percentual de provisionamento reflete a expectativa de inadimplência da operação

que, por sua vez, tem como origem a mensuração do risco do tomador. O processo de

provisionamento começa com a mensuração da expectativa de um tomador não liquidar o

crédito específico no prazo esperado, tornando-o, assim, inadimplente. A mensuração da

expectativa é a medida que indica a probabilidade de o evento de inadimplência ocorrer,

sendo, então, convertida em uma classificação denominada rating. Nesse caso, o rating

informa a probabilidade de um tomador não saldar o crédito obtido dentro do prazo esperado,

isto é, a probabilidade de tornar-se inadimplente.

O BCB estabelece as faixas de risco e define o percentual de provisionamento para

cada uma delas. No entanto, cabe à instituição financeira a mensuração do risco do

tomador/operação valendo-se de modelos proprietários ou de mercado para tal. A despeito do

modelo adotado, existem alguns critérios mínimos a serem verificados no processo de

desenvolvimento de modelos - conforme visto na subseção 1.5.2.

Portanto, dentro de alguns limites como, por exemplo, a reclassificação dos créditos

devido ao atraso (Quadro 1.3), a avaliação do risco de crédito pode conter algum grau de

arbitrariedade por conta da metodologia adotada. Isso permite parcial liberdade de ajuste na

composição da provisão por parte dos bancos65. Evidentemente, a avaliação é mais criteriosa

nos créditos de valor elevado. Nos empréstimos de pequeno valor, a avaliação é em geral

padronizada por tipo de operação, sendo o risco de crédito mais elevado em média pela

associação ao histórico de inadimplência do próprio instrumento.

Dado que o requerimento regulamentar de provisão baseado em modelos internos

passa necessariamente por um processo de padronização imposto pelo BCB, de modo a

garantir a comparabilidade dos resultados gerados, essa medida de risco de crédito médio

pode ser adotada para todos os bancos brasileiros que possuam operações de crédito devido a

sua obrigatoriedade de prestação das informações referentes à carteira de crédito ao órgão

64 O risco de inadimplência é o principal elemento na modelagem do risco de crédito e pode ser definido como a probabilidade em relação à incapacidade do tomador de honrar seus compromissos de dívida nas bases contratuais previamente estabelecidas. Destarte, o risco de crédito calculado é o risco de inadimplência (também conhecido como risco de default) e não de perda. O devedor pode tornar-se inadimplente por atrasar o pagamento sem, contudo, haver perda total ou mesmo parcial pelo banco. A perda se configura mais tarde. No entanto, a inadimplência é fator não desejado a priori pela instituição, que espera receber o pagamento nas condições e nos prazos acordados. Esse risco faz parte do cômputo na composição do spread bancário. 65 Entretanto, lembra-se que o montante de provisão de cada instituição financeira é objeto de avaliação não só do BCB, mas também de outros órgãos, por motivos distintos, como, por exemplo, da Comissão de Valores Mobiliários (CVM), no que se refere às instituições abertas, e da Receita Federal.

69

regulador (BCB) mensalmente66. Logo, por ser metodologia padrão estabelecida pelo BCB e

fundamentada no Acordo proposto pelo Comitê de Basiléia, facilita a comparação entre

bancos ou entre grupos de bancos67.

Como o volume de PCLD está positivamente relacionado ao montante de crédito

emprestado, obtém-se uma medida relativa que considera estas duas grandezas. Por um lado,

a despesa aumenta no caso de novas contratações ou piora de risco e, por outro, apresenta

receita (reversão) quando ocorre liquidação ou melhora de risco. Portanto, para controlar o

efeito de novas contratações e liquidações, utiliza-se a razão pelo tamanho da carteira.

Outra característica interessante dessa medida é que, além de métrica de risco de

inadimplência, ela reflete a mudança no portfólio de crédito do banco, isto é, as alterações na

qualidade da carteira, capta o custo regulamentar das operações de crédito da instituição

bancária - dado que esta deve constituir provisão para fazer frente às possíveis perdas – e,

paralelamente, aloca capital para as perdas inesperadas segundo as normas exigidas no Brasil

para o período em análise68. Procedeu-se, assim, à escolha de uma medida que fosse coerente

com o objetivo do estudo, tivesse aderência ao conceito de risco e fosse difundida e

reconhecida pelos bancos no Brasil.

3.3 Metodologia dos Dados

A escolha dos indivíduos da amostra, das bases de dados e da constituição das séries

finais é efetuada de maneira a manter coerência com os objetivos do Trabalho. Procura-se

garantir a qualidade das informações que serão insumos da análise empírica.

3.3.1 Seleção da Amostra

Primeiramente, selecionam-se apenas as instituições financeiras ditas bancárias,

devido à dinâmica e à relevância específica desse setor, além de sua representatividade no

66 No entanto, estas informações são disponibilizadas publicamente, apenas em caráter trimestral, pelas Informações Financeiras Trimestrais - IFT, no sítio do BCB. 67 Uma das controvérsias que permeiam os fóruns de discussão do Novo Acordo de Basiléia é exatamente o trade-off existente entre a padronização e a liberdade de customização do risco, dadas as idiossincrasias de cada instituição e seus tomadores. Se, por um lado, pretende-se avançar com a concessão de maior liberdade para as instituições financeiras desenvolverem seus próprios métodos de avaliação e revisão de risco de crédito, por outro, dificulta-se a possibilidade de comparação entre as instituições dadas as diversas possibilidades de estabelecimento desse risco. 68 Apesar de a mensuração regulamentar do risco de crédito mudar com a adoção do Basiléia II, a metodologia empregada não difere da padronização básica proposta no Novo Acordo. Mesmo pela abordagem intermediária, não se tem clareza quanto às alterações das exigências de requerimentos regulatórios no Brasil (a abordagem avançada ainda é sofisticada para o estágio do Sistema Bancário Nacional). Alguns exercícios empíricos são disponibilizados em Schechtman (2003).

70

SFN. Dada a natureza do estudo, fazem parte da amostra os bancos que constituíam operações

de crédito no período em análise (entre março de 2000 e junho de 2006).

No Brasil, a despeito de o número de bancos com operações de crédito exceder uma

centena, a maior parte da carteira de crédito total está distribuída entre os sete maiores

bancos69. Basicamente, esses bancos têm como função primordial maximizar o lucro, sendo o

fornecimento de crédito uma das opções para a consecução desse objetivo. Existem, no

entanto, algumas diferenças quanto ao tipo de controle sobre a instituição bancária.

Quanto à análise de risco de crédito bancário, Cunningham (1999) identifica quatro

grandes categorias de instituições bancárias: bancos universais (federados); grandes bancos

varejistas; instituições especializadas e bancos regionais e locais. Todavia, salienta que essas

distinções são inadequadas para aplicação em mercados emergentes.

Os bancos do setor privado não sofrem normalmente de problemas severos de

qualidade dos ativos herdados do passado, e o seu perfil de rendimentos é melhor por visar

apenas aos negócios que tenham rentabilidade razoável - contrariamente aos bancos estatais,

que podem ser induzidos a assumir negócios não lucrativos. Aqueles também têm tendência a

possuir ratings mais elevados relativamente à solidez financeira quando comparados aos

bancos estatais, porém seus ratings dos depósitos podem ser comprometidos por menor

capacidade de previsão de apoio por parte das autoridades oficiais numa situação de crise.

A propriedade pública permite, além de maior possibilidade de apoio do Estado,

vantagens como, por exemplo, a obtenção de informações internas sobre a atividade

governamental, o acolhimento de depósitos vultosos provenientes de fundos estatais e as

linhas de crédito especiais. Entretanto, nomeações eminentemente políticas podem

comprometer o desempenho da instituição pública, o que dificilmente ocorre no setor privado,

em face da administração centrada na rentabilidade e na eficiência.

Portanto, conforme Cunningham (1999:6), no que tange ao risco de crédito, a principal

distinção entre os diferentes tipos de bancos nos mercados emergentes tende a ser entre os

bancos estatais e os do setor privado. Em suas palavras, “[...] one can say that the key

distinction between different types of banks in emerging markets tends to be between state

owned banks and private sector banks”.

69 Banco do Brasil, Bradesco, Caixa Econômica Federal, Itaú, Unibanco, ABN Amro Real e HSBC eram responsáveis por mais de 60% do volume total de crédito bancário de março de 2000 a junho de 2006 (dados oriundos da base cedida pelo BCB).

71

Opta-se, assim, por segmentar a análise realizada neste Estudo em bancos públicos e

privados70.

3.3.2 Natureza dos Dados Utilizados

A fonte de dados pode ser segmentada em duas partes. A primeira refere-se às

informações bancárias sobre o crédito e o risco envolvido. A segunda constitui base para as

informações macroeconômicas. A distinção é reportada abaixo.

3.3.2.1 Base de Dados Referente às Informações Bancárias

Para cálculo do risco de crédito segundo a metodologia adotada no Trabalho, faz-se

necessário mencionar informações acerca da carteira de crédito por nível de risco. Essas

informações são prestadas pelos bancos ao BCB mensalmente, mas disponibilizadas ao

público apenas trimestralmente por intermédio do Informações Financeiras Trimestrais (IFT),

sítio do BCB na Internet.

Contudo, em consonância com a periodicidade mensal das demais variáveis

macroeconômicas utilizadas e o maior grau de liberdade para estimativas, opta-se por dados

de crédito mensais. Para tanto, obtém-se no BCB uma base de dados específica contendo

informações sobre as operações de crédito desagregadas por instituição financeira, por faixa

de risco e na periodicidade mensal.

Em conformidade com o objetivo do Trabalho, selecionam-se as instituições bancárias

com atividades creditícias. Bancos liquidados e sob intervenção são desconsiderados com o

intuito de não distorcer a análise efetuada para carteiras de crédito normais. A agregação dos

montantes é realizada com base no tipo de controle de capital da instituição bancária: público

ou privado. Entendem-se por instituições financeiras públicas aquelas em que os Governos

Federal, Estadual ou Municipal detêm participação superior a 50% do capital votante, de

acordo com a Carta-Circular 2.345, de 25 de janeiro de 1993, do BCB. As instituições que

não se enquadram nessa definição foram consideradas de controle privado. Destaca-se que,

dado o processo de desestatização realizado no período em análise, à medida que o controle

de capital se altera, os valores referentes à instituição/mês em questão são remanejados do

controle público para o privado71.

70 Esta subdivisão também é utilizada pelo BCB em alguns dos estudos presentes nos relatórios de economia bancária e crédito. Como será visto pelos resultados encontrados no Trabalho, a divisão por tipo de controle mostrar-se-á coerente. 71 Para tal, são consideradas as informações referentes à privatização dos bancos estaduais, a alienação de bancos federalizados e os processos de intervenção e liquidação extrajudicial. Todos os dados são obtidos no BCB e estão disponibilizados no sítio do Banco.

72

Tabela 3.1 Composição da Amostra de Bancos por Tipo de Controle e Atributo - Brasil

(Dez. de 2000 a jun. de 2006)

BANCOS PÚBLICOS PRIVADOS TOTAL

Mês / Ano Múltiplos Comerciais BB e CEF Total Múltiplos Comerciais Total Dez/00 13 2 2 17 133 21 154 171 Dez/01 12 2 2 16 123 22 145 161 Dez/02 10 2 2 14 115 19 134 148 Dez/03 10 2 2 14 112 19 131 145 Dez/04 10 2 2 14 111 18 129 143 Dez/05 10 2 2 14 115 18 133 147 Jun/06 9 2 2 13 116 17 133 146


A amostra é composta por bancos múltiplos, bancos comerciais, Banco do Brasil (BB)

e Caixa Econômica Federal (CEF), respondendo por 80,24% do montante de crédito em junho

de 200672. Como pode ser visto na Tabela 3.1, o número de bancos públicos reduziu-se

(devido aos processos de privatização) concomitantemente à diminuição do número de bancos

privados (motivado por fusões e aquisições). Observa-se também que a quantidade de bancos

múltiplos é maior em todo o período e por tipo de controle73.

Portanto, a base de dados final é constituída pelas operações de crédito desagregadas

por faixa de risco, instituição financeira e tipo de controle. A periodicidade é mensal e

compreende o período de março de 2000 a junho de 200674. Faz-se uso desse conjunto de

informações para a obtenção das séries de risco de crédito e a medição do volume de crédito

bancário por tipo de controle.

3.3.2.2 Base de Dados Referente às Informações Macroeconômicas

Para constituição das séries referentes aos indicadores macroeconômicos, procura-se

garantir a qualidade, a confiabilidade e a uniformidade aos dados obtidos para as operações de

crédito. Assim, a maior parte das séries é oriunda do BCB, mais especificamente fornecidas

pelo Sistema Gerador de Séries Temporais (SGS). Este Sistema consolida as informações

econômico-financeiras, mantendo a uniformidade entre os documentos produzidos com base

em séries temporais nele armazenadas.

72 A carteira total de crédito do Sistema Financeiro era de R$ 658,9 bilhões, equivalente a 32,4% do PIB do período (BCB, 2006a). 73 O BB se enquadra na categoria de bancos múltiplos. 74 Recorda-se que, por meio da Resolução 2.697/00, entre 31 de março a 30 de julho de 2000, não era obrigatório informar as operações com clientes cuja responsabilidade total fosse de valor igual ou superior a R$ 50.000,00 e inferior a R$ 500.000,00.

73

Para as séries das quais não existe disponibilidade no acervo do SGS, opta-se pelas

fontes originais das informações requeridas. São elas JP Morgan, Fundação Sistema Estadual

de Análise de Dados – Departamento Intersindical de Estatística e Estudos Socioeconômicos

(SEADE-DIEESE), IBGE e Sistema de Informações do Banco Central (SISBACEN).

3.3.2.3 Construção das Séries de Interesse

Duas são as séries de risco calculadas: o risco de crédito dos bancos públicos

(RISK1PUB) e o risco de crédito dos bancos privados (RISK1PRIV). Além das séries de risco

de crédito para os dois segmentos bancários no Brasil, as séries de interesse incluem

indicadores macroeconômicos do mercado monetário e da economia real75. São elas

Taxa de Juros Selic – corresponde à taxa Selic definida como a série 4.189 do BCB

(taxa de juros - Selic acumulada no mês anualizada);

Inflação – corresponde à taxa de inflação medida pela variação mensal do IGP-DI

(série 190 do BCB);

Taxa de Juros Reais Selic – obtida descontando-se a inflação projetada para os

próximos doze meses (IGP-DI) da taxa Selic. A série de expectativas de inflação para os doze

meses seguintes é obtida por meio do boletim Focus Market Readout do BCB. Porém,

somente a partir de novembro de 2001, essas informações estavam disponíveis.

Anteriormente, apenas as expectativas de inflação para o ano fechado eram calculadas. Assim,

com base na ponderação dos meses da expectativa do IGP-DI para o ano fechado, e nos seus

fatores sazonais - estimados pelo método de médias móveis multiplicativas - construiu-se a

série de expectativas de inflação de doze meses subseqüentes, para o período de outubro de

2001 a março de 200376.

Taxa de Compulsório – refere-se ao percentual dos recolhimentos compulsórios

exigidos relativamente aos depósitos realizados. A taxa de recolhimento compulsório foi

calculada pelas séries do BCB 1.883 (bancos criadores de moeda – depósitos à vista), 1.884

(bancos criadores de moeda – depósito a prazo, poupança e outros), 7.542 (recolhimentos

obrigatórios de instituições financeiras - remunerado) e 7.543 (recolhimentos obrigatórios de

75 Além das variáveis efetivamente empregadas nos exercícios econométricos propostos, outras variáveis foram testadas, dentre elas Câmbio – mensurado pelo índice da taxa de câmbio efetiva real com base em uma cesta de moedas (série da Fundação Getúlio Vargas – FGV); Despesas do Governo – representando a despesa mensal do Governo sobre o PIB mensal, sendo calculada pela razão das séries 7.547 (Despesa Total – Governo) e 4.380 (PIB Mensal) ambas do BCB, e Poupança – representada pela série de depósitos em poupança como percentual do PIB fornecida pelo BCB (Boletim/Moeda). 76 Mesmo procedimento adotado em Borges e Silva (2006).

74

instituições financeiras - não-remunerado), além do COSIF 4.3.0.00.00-5 (recursos de aceites

cambiais, letras imobiliárias e hipotecárias, debêntures e similares)77. Mais especificamente,

( )( )5-00.00.0.3.4884.1883.1

543.7542.7+++

=oCompulsórideTaxa (4)

Spread – é a diferença entre a taxa de captação e de aplicação em pontos percentuais

obtida segundo a série 3.955 do BCB (spread médio das operações de crédito com recursos

livres referenciais para taxa de juros pré-fixada - total geral);

Risco País – é o prêmio de risco obtido pelo retorno dos títulos C-Bond em relação aos

retornos dos títulos do Tesouro americano com mesmo prazo de maturidade. A série utilizada

é a EMBI+ Brazil - retirada do Índice de Títulos da Dívida de Mercados Emergentes ou

Emerging Markets Bond Index (EMBI+) - fornecida pelo banco JP Morgan. A unidade de

medida é ponto-base, no qual dez pontos equivalem a um décimo de 1%. Os pontos-base

apontam a diferença entre a taxa de retorno dos títulos do País e a oferecida por títulos

emitidos pelo Tesouro americano. Essa diferença é o spread soberano;

Desemprego – utiliza-se a taxa de desemprego aberto do SEADE-DIEESE para a

região metropolitana de São Paulo obtida da Pesquisa de Emprego e Desemprego (PED), com

a observação de que é a única série de desemprego sem interrupções e mudanças

metodológicas no período da amostra;

Produto – o índice de produção industrial do IBGE (presente na Tabela 2.295) é

utilizado como proxy para o nível de atividade econômica78;

Percentual das Concessões em Relação ao Ativo Bancário – refere-se às concessões

das operações de crédito contempladas na Circular 2.957/1999 e contratadas com taxas de

juros livremente pactuadas entre os mutuários e as instituições financeiras (série 4.000 do

BCB) sobre o ativo bancário dado pela série 1.936 do BCB (Consolidado bancário - Total do

ativo);

Percentual das Concessões à Pessoa Física – é o valor percentual referente às

concessões à carteira de pessoa física em relação ao total de concessões. É a razão entre a

séries 4.002 (Concessões consolidadas das operações de crédito com recursos livres

referenciais para taxa de juros - Total pessoa física) e 4.000 (Concessões consolidadas das

operações de crédito com recursos livres referenciais para taxa de juros - Total geral);

77 Os saldos da conta COSIF (Plano Contábil das Instituições do SFN) são provenientes do balancete 4.010 obtidos via SISBACEN. 78 Em Alencar (2006), realizam-se testes econométricos para mostrar que a produção industrial pode ser usada como proxy para o PIB, concluindo que estas têm a mesma tendência estocástica.

75

Operação de Crédito Real – montante total das operações de crédito bancárias (por

tipo de banco – público ou privado) deflacionado pelo IGP-DI. Os dados são oriundos da base

cedida pelo BCB;

Percentual Pessoa Física – valor percentual da carteira de crédito destinada apenas à

pessoa física. Calculado a partir da razão entre as séries do BCB 2.005 (operações de crédito

totais do sistema financeiro público - a pessoas físicas) e 2.007 (operações de crédito totais do

sistema financeiro público) para as instituições públicas e, a partir da razão entre as séries

2.041 (operações de crédito totais do sistema financeiro privado - a pessoas físicas) e 2.043

(operações de crédito totais do sistema financeiro privado), para as instituições de controle

privado.

As séries estão na periodicidade mensal e compreendem o período de março de 2000 a

junho de 200679. A Tabela 3.2 apresenta as principais estatísticas descritivas das séries,

expressas nas unidades de medida originais.

Tabela 3.2 Estatísticas Descritivas das Variáveis Originais

(Mar. de 2000 a jun. de 2006)

Variável Unidade Obs. Média Mediana Máx. Mín. Desvio Padrão

Coef. de Variação Assimetria Curtose

Normalidade (Probabilidade Jarque-Bera)

Indicadores de Risco

Risco Crédito B.Públicos % 76 3,48 3,43 4,33 2,68 0,42 0,12 -0,14 2,45 5,27*

Risco Crédito B.Privados % 76 2,26 2,25 2,61 1,80 0,18 0,08 0,00 2,57 0,39

Indicadores Monetários

Selic % a.a. 76 18,63 18,28 26,32 15,18 2,87 0,15 1,41 4,42 31,46***

Inflação % a.m. 76 0,83 0,65 5,84 -0,79 1,03 1,24 2,02 9,91 203,03***

Selic Real % a.a. 76 11,04 11,12 16,68 3,72 2,26 0,21 -0,22 4,53 8,01**

Taxa do Compulsório % 76 24,79 27,10 34,45 14,00 6,21 0,25 -0,39 1,77 6,67**

Spread p.p. 76 39,49 38,73 47,83 34,47 3,11 0,08 0,85 3,41 9,60***

Risco País Índice 76 753,72 713,20 2039,18 229,39 408,91 0,54 1,41 4,92 36,72***

Indicadores Reais

Taxa de Desemprego % 76 11,52 11,45 13,60 9,50 0,99 0,09 0,22 2,39 1,80

Produto Índice 76 103,34 102,21 120,39 86,69 8,74 0,08 0,14 2,10 2,85

Per.Conc.Ativo Bancário % 73 6,61 6,62 7,48 5,25 0,44 0,07 -0,51 3,58 4,16

Perc.Conc.PF Bancos % 73 33,64 33,67 35,85 30,16 1,17 0,03 -0,46 3,26 2,78

Op.Cred.Real B.Públicos R$ Bilhões 76 147,28 128,56 243,52 110,96 37,53 0,25 1,32 3,38 22,44***

Op.Cred.Real B.Privados R$ Bilhões 76 286,90 281,56 363,29 233,07 33,17 0,12 0,35 2,17 3,74

Perc.PF B.Públicos % 76 13,69 14,50 16,38 8,10 2,10 0,15 -1,10 3,20 15,37***

Perc.PF B.Privados % 76 31,38 30,08 41,56 22,41 5,17 0,16 0,67 2,43 6,67**

Notas: As séries Per.Conc.Ativo Bancário e Perc.Conc.PF Bancos são referentes ao período de jun. de 2000 a jun. de 2006. (*) Rejeita-se ao grau de 10% de significância estatística; (**) Rejeita-se ao grau de 5% de significância estatística e; (***) Rejeita-se ao grau de 1% de significância estatística.

79 As informações acerca das concessões de crédito foram disponibilizadas apenas a partir de junho de 2006. Assim, as séries Percentual das Concessões em Relação ao Ativo Bancário e Percentual das Concessões à Pessoa Física referem-se ao período de junho de 2000 a junho de 2006.

76

Como pode ser observado, o risco de crédito dos bancos públicos apresenta média,

mediana, máximo, mínimo e medidas de variabilidade superiores aos da amostra de bancos

privados. Segundo os testes de igualdade entre diferentes amostras para a média, a mediana e

a variabilidade, todas são significativamente diferentes (vide Tabela A.1 no Apêndice).

Quanto à série referente aos bancos privados (diferentemente da série dos bancos públicos),

não se rejeita a hipótese de normalidade (a 90% de confiança). Pela análise descritiva, têm-se

os primeiros indícios de que realmente existem diferenças no tratamento do risco de crédito

entre os tipos de bancos. Paralelamente, pode-se verificar que o montante médio de crédito

dos bancos privados no período é praticamente o dobro (razão de 1,95) do montante dos

bancos públicos.

Destaca-se também que as séries de maior variabilidade são a inflação e o risco país

(coeficiente de variação de 1,24 e 0, 54, respectivamente). As outras séries podem ser

consideradas homogêneas (coeficiente de variação entre 0,03 e 0,25). Não obstante, algumas

modificações nas séries originais são efetuadas. Primeiro, para todas as séries de quantidades,

testa-se a existência de sazonalidade (Tabela A.2). Entende-se como sazonalidade o conjunto

de flutuações intra-anuais que se repetem regularmente todos os anos. Ocorrem devido aos

fatores climáticos, aos feriados, às datas especiais, dentre outros motivos.

A eliminação da sazonalidade ocorre por meio da técnica de procedimento iterativo de

médias móveis X12-ARIMA, tipo multiplicativo, do US Census Bureau (2007). Este é

escolhido devido à sua grande aceitação pelos principais órgãos responsáveis pela divulgação

de estatísticas econômicas no Brasil (por exemplo, IBGE e BCB). Prefere-se retirar a

sazonalidade das séries originais em vez de obtê-las dessazonalizadas. Isso garante a

homogeneidade no procedimento de dessazonalização80. As séries dessazonalizadas são Risco

de Crédito, Operação de Crédito Real, Percentual Pessoa Física (todas para os dois tipos de

bancos), Desemprego, Produto, Percentual das Concessões em Relação ao Ativo Bancário e

Percentual das Concessões à Pessoa Física.

Segundo, como é de praxe em trabalhos desta natureza, segue-se a especificação mais

tradicional da literatura, sendo todas as séries expressas em logaritmo natural. A aplicação do

logaritmo suaviza o comportamento da série, demonstra as elasticidades das variáveis

80 A OCDE recomenda limitar o tamanho das séries históricas para a geração de dados dessazonalizados, pois dados muito antigos podem distorcer os resultados devido à possível mudança estrutural do cenário subjacente. Isso é mais evidente no Brasil, onde as séries sofrem mudanças significativas em curto lapso de tempo. O tamanho ideal convencionado é entre 7 e 10 anos.

77

diretamente quando utilizadas nas equações e simplifica alguns procedimentos algébricos

presentes nas metodologias econométricas a serem empregadas nas próximas seções81.

Desse modo, as variáveis em seu formato final são as seguintes: LRISK1PUB_SA,

logaritmo do risco de crédito dos bancos públicos dessazonalizado; LRISK1PRIV_SA,

logaritmo do risco de crédito dos bancos privados dessazonalizado; LSELIC, logaritmo de

(um mais) a taxa Selic expressa mensalmente; LIGPDI, logaritmo de (um mais) a taxa de

variação mensal do IGP-DI; LSELICR, logaritmo de (um mais) a taxa Selic real expressa

mensalmente; LTCOMP, logaritmo da taxa mensal do compulsório; LSPREAD, logaritmo do

spread médio bancário mensal; LEMBI, logaritmo do prêmio de risco medido pelo EMBI+

Brazil; LDESEMPA_SA, logaritmo da série original da taxa de desemprego aberto

dessazonalizada; LPROD_SA, logaritmo do índice de produção industrial dessazonalizado;

LPERCONCAT_SA, logaritmo da série das concessões de crédito em relação ao ativo

bancário dessazonalizada; LPERCONCPFT_SA, logaritmo da série dessazonalizada das

concessões de crédito para pessoa física em relação ao total concedido;

LOPCREDPUBR_SA, logaritmo da série de operações de crédito dos bancos públicos

deflacionada e dessazonalizada; LOPCREDPRIVR_SA, logaritmo da série de operações de

crédito dos bancos privados deflacionada e dessazonalizada; LPERCPFPUB_SA, logaritmo

dos percentuais dessazonalizados de pessoa física da carteira de crédito dos bancos públicos, e

LPERCPFPRIV_SA, logaritmo da série de percentuais de pessoa física dos bancos privados

dessazonalizada.

O Gráfico 3.1 reporta a trajetória das séries de interesse em nível em seus valores

originais e ajustados. O ajuste refere-se à aplicação do logaritmo e à correção da sazonalidade

(quando necessária).

81 Para as séries de juros, inflação e juros reais, é somado um ao valor das taxas originais antes da aplicação do logaritmo neperiano. Obtém-se assim o fator de juros, o fator de inflação e o fator de juros reais, respectivamente.

78

Gráfico 3.1 As Séries em Nível – Originais e Ajustadas

3.4 Arcabouço Econométrico

Todos os métodos econométricos utilizados no Trabalho são aplicados para a amostra

de bancos públicos e privados separadamente. A significância estatística da variável dummy

(encontrada nos modelos estimados) por tipo de controle ratifica a divisão da amostra. No

.024

.028

.032

.036

.040

.044

2001 2002 2003 2004 2005 2006

RIS

K1PU

B

.016

.018

.020

.022

.024

.026

.028

2001 2002 2003 2004 2005 2006

RIS

K1PR

IV

1.14

1.16

1.18

1.20

1.22

1.24

1.26

1.28

2001 2002 2003 2004 2005 2006

SELI

C

-3.7

-3.6

-3.5

-3.4

-3.3

-3.2

-3.1

LRISK1PU

B_SA

-4.1

-4.0

-3.9

-3.8

-3.7

-3.6

LRISK1PR

IV_SA

.14

.16

.18

.20

.22

.24

LSELIC

0.99

1.00

1.01

1.02

1.03

1.04

1.05

1.06

2001 2002 2003 2004 2005 2006

IGPD

I

1.02

1.04

1.06

1.08

1.10

1.12

1.14

1.16

1.18

2001 2002 2003 2004 2005 2006

SELI

CR

.12

.16

.20

.24

.28

.32

.36

2001 2002 2003 2004 2005 2006

TCO

MP

- .01

.00

.01

.02

.03

.04

.05

.06

LIGPD

I

.02

.04

.06

.08

.10

.12

.14

.16

LSELICR

-2.0

-1.8

-1.6

-1.4

-1.2

-1.0

LTCO

MP

34

36

38

40

42

44

46

48

2001 2002 2003 2004 2005 2006

SPR

EAD

0

400

800

1200

1600

2000

2400

2001 2002 2003 2004 2005 2006

EMBI

.09

.10

.11

.12

.13

.14

2001 2002 2003 2004 2005 2006

DES

EMPA

3.52

3.56

3.60

3.64

3.68

3.72

3.76

3.80

3.84

3.88

LSPREAD

5.2

5.6

6.0

6.4

6.8

7.2

7.6

8.0

LEMBI

-2.30

-2.25

-2.20

-2.15

-2.10

-2.05

-2.00

LDESEM

PA_SA

4.50

4.55

4.60

4.65

4.70

4.75

4.80

LPRO

D_SA

85

90

95

100

105

110

115

120

125

2001 2002 2003 2004 2005 2006

PRO

D

.08

.09

.10

.11

.12

.13

.14

.15

.16

.17

2001 2002 2003 2004 2005 2006

PER

CPF

PUB

.20

.24

.28

.32

.36

.40

.44

2001 2002 2003 2004 2005 2006

PER

CPF

PRIV

-2.5

-2.4

-2.3

-2.2

-2.1

-2.0

-1.9

-1.8

LPERC

PFPUB_SA

-1.6

-1.5

-1.4

-1.3

-1.2

-1.1

-1.0

-0.9

-0.8

LPERC

PFPRIV_SA

Original Ajustada

.052

.056

.060

.064

.068

.072

.076

PER

CO

NC

AT

-2.90

-2.85

-2.80

-2.75

-2.70

-2.65

-2.60

2000 2001 2002 2003 2004 2005

LPERC

ON

CAT_SA

.30

.31

.32

.33

.34

.35

.36

PER

CO

NC

PFT

-1.16

-1.14

-1.12

-1.10

-1.08

-1.06

-1.04

-1.02

2000 2001 2002 2003 2004 2005

LPERC

ON

CPFT_SA

25.4

25.5

25.6

25.7

25.8

25.9

26.0

26.1

26.2

26.3

LOPC

RED

PUBR

_SA

26.1

26.2

26.3

26.4

26.5

26.6

26.7

LOPC

RED

PRIVR

_SA

1.00E+11

1.20E+11

1.40E+11

1.60E+11

1.80E+11

2.00E+11

2.20E+11

2.40E+11

2.60E+11

2001 2002 2003 2004 2005 2006

OPC

RED

PUBR

2.20E+11

2.40E+11

2.60E+11

2.80E+11

3.00E+11

3.20E+11

3.40E+11

3.60E+11

3.80E+11

2001 2002 2003 2004 2005 2006

OPC

RED

PRIV

R

79

entanto, para facilitar a comparação entre os dois tipos de controle, prefere-se apresentar os

resultados calculados para as duas amostras separadamente.

A metodologia utilizada neste Trabalho consubstancia os métodos presentes em Chu

(2001), Ewing (2003), Engle e Granger (1987) e na série de artigos de Johansen (1988 e

1991) e Johansen e Juselius (1990). A diferença básica entre os dois primeiros métodos

refere-se aos procedimentos de obtenção das interações entre as variáveis. Enquanto um é

estruturado por meio de uma equação (CHU, 2001), o segundo trabalha com um modelo de

equações múltiplas (EWING, 2003). Para a análise de longo prazo, incorporada em ambos os

modelos, empregam-se também as considerações expostas em Engle e Granger (1987),

Johansen (1988 e 1991) e Johansen e Juselius (1990).

Para mais do que apenas análises individuais dos resultados de cada modelagem, pode-

se utilizá-las simultaneamente ou compará-las, objetivando entendimento mais aprofundado

acerca dos efeitos macroeconômicos sobre o risco de inadimplência.

Para empreender a investigação proposta no Trabalho, três análises são efetuadas. No

entanto, antes das análises em si, o primeiro passo refere-se ao exame da estacionariedade nas

séries de interesse para, no caso da presença de processos integrados de mesma ordem,

verificar a possibilidade de cointegração – a primeira análise. Esses passos iniciais definem

qual a metodologia a ser empregada nas duas análises seguintes. Se detectada a presença de

cointegração entre as séries envolvidas, utiliza-se o modelo com o mecanismo de correção de

erros para a modelagem com uma equação e o vetor de correção de erros para o caso de

equações múltiplas.

Para os modelos de uma equação, estima-se a regressão por mínimos quadrados

ordinários, ou no original Ordinary Least Squares (OLS). Caso haja cointegração entre as

variáveis, existe a possibilidade de análise de curto prazo ajustada ao longo prazo; para isso,

estima-se o modelo de longo prazo e aplica-se o termo de correção de erros. Este modelo final

é conhecido como mecanismo de correção de erros, ou Error Correction Models (ECM). O

propósito dessa primeira análise é determinar as variáveis que aparentam maior associação

com o risco de crédito bancário no curto prazo (e se possível no longo). As regressões

estimadas permitirão determinar aquelas variáveis que, depois de controlados os efeitos das

outras, se relacionam com risco incorrido pelos bancos no fornecimento de crédito. Por via

dessa análise, investigam-se as principais variáveis macroeconômicas que explicam a

mudança na qualidade do portfólio de crédito bancário.

Para os modelos de equações múltiplas, adota-se o vetor auto-regressivo, ou Vector

AutoRegression (VAR) e, em caso de cointegração, o modelo altera-se para o vetor de

80

correção de erros, ou Vector Error Correction (VEC). O propósito deste instrumento é

identificar o impacto no risco de crédito bancário em caso de choques econômicos simulados

e a forma pela qual cada fator macroeconômico participa na explicação da variação observada

no risco.

Entretanto, supõe-se que os bancos não são meros coadjuvantes no processo de

composição do risco de seus portfólios. Estes interferem, na medida do possível, no risco

incorrido em suas carteiras de crédito. Assim sendo, a terceira e última análise procura

evidenciar as interações das instituições bancárias com a economia por meio da abordagem de

cointegração.

No âmbito geral, para todos os modelos são efetuados testes de encompassing,

observando sempre o princípio da parcimônia (Box-Jenkins approach) e, conseqüentemente, a

preservação de graus de liberdade para as estimativas. As análises realizadas demandam

ferramental específico relacionado nas subseções a seguir: estacionariedade e processos

integrados; cointegração; modelo de correção de erros e vetor de correção de erros.

3.4.1 Estacionariedade e Processos Integrados

A utilização da modelagem econométrica padrão envolvendo séries temporais não

estacionárias pode conduzir ao problema que se convencionou chamar de espuriedade. No

caso de regressão tradicional, um alto valor de R2, sem a existência de uma relação

significativa entre as variáveis, pode ser considerado um exemplo. Isso ocorre devido ao fato

de que a presença de uma tendência, decrescente ou crescente, em ambas as séries leva a um

alto valor do R2, mas, não necessariamente, à presença de uma relação verdadeira entre as

séries (GREENE, 1993). Tal ocorre, porquanto as estatísticas t usuais não têm distribuição

padrão, impossibilitando o uso das tabelas convencionais.

Uma série é considerada estacionária82 se sua média é finita e constante ao longo do

tempo (5); sua variância é também finita e constante ao longo do tempo (6) e as

autocorrelações entre dois valores do processo, em momentos distintos no tempo, dependem

somente do lag temporal entre eles (7). Formalmente,

( ) μ=txE (5)

22 ])[( σμ =−txE (6)

82 Trata-se aqui especificamente da estacionariedade fraca ou de covariância. Essa exigência garante o sucesso das clássicas técnicas de inferência. Mais detalhes podem ser encontrados em Vandaele (1983).

81

ktktt xxE

−− =−−

ρσ

μμ2

)])([( (7)

A identificação da estacionariedade pode ser feita pela observação gráfica das

autocorrelações (correlograma). Grande parte das séries econômicas apresenta tendência

temporal. Entretanto, duas são as possibilidades: tendência determinística e tendência

estocástica. Para o primeiro caso, a inclusão de uma variável que represente a evolução do

tempo resolve o problema. No segundo caso, geralmente se aplica a diferenciação das

variáveis, ou seja, retira-se equilíbrio de longo prazo, porque, quando a ordem de integração

de uma série é maior do que zero, tem-se um caso de tendência estacionária.

Segundo Engle e Granger (1987), uma série sem componente determinístico (com uma

representação ARMA estacionária invertível), depois de diferenciada d vezes, é dita integrada

de ordem d, ou I(d). Uma alternativa para identificar a ordem de integração é verificar o

número de raízes unitárias na série em questão. Portanto, a presença de raiz unitária imputa a

não-estacionariedade na série.

Existem diversos testes para detectar a presença de raízes unitárias. Neste Trabalho,

aplicam-se os seguintes testes: Dickey-Fuller Aumentado (ADF, teste t), Phillips-Perron (PP,

Z teste) e teste de raiz unitária Dickey-Fuller modificado quanto à tendência (DF-GLS, teste

ERS), proposto por Elliot, Rothenberg e Stock (1996). O teste ADF é um teste padrão de raiz

unitária e serve como primeira análise. O teste não-paramétrico PP é ajustado para

possibilidade de quebras estruturais. O teste DF-GLS é menos afetado pela dimensão das

séries e tem maior potência estatística que o ADF, no caso em que as médias e a tendência são

desconhecidas.

Segundo Maddala (2003), na teoria clássica de teste de hipóteses, a hipótese nula e a

alternativa não estão no mesmo patamar. A hipótese nula é rejeitada apenas quando existe

evidência irrefutável contra ela. Os testes de estacionariedade consideram a hipótese nula

como (tendencialmente) estacionária, ao passo que, nos tradicionais testes de raiz unitária, a

estacionariedade é representada pela hipótese alternativa. Assim, utiliza-se o teste de

estacionariedade KPSS de Kwiatkowski, Phillips, Schmidt e Shin (1994) para efetuar a

análise confirmatória dos resultados encontrados pelos testes de raiz unitária.

3.4.2 Cointegração

A presença de raiz unitária nas séries em estudo pode sugerir a sua diferenciação antes

da modelagem visando resolver o problema de espuriedade nos resultados. No entanto, essa

prática implica perda de informação relevante caso as séries em questão sejam cointegradas.

82

A cointegração possibilita evitar o problema de espuriedade e apresenta solução para longo

prazo pela combinação linear entre as variáveis em nível.

Quando se tem entre duas séries não estacionárias uma combinação linear83

estacionária, pode-se dizer que estas séries são cointegradas84. É geralmente interpretada

como relação de equilíbrio de longo prazo.

Dois são os processos mais usados para se testar a hipótese de cointegração: o

procedimento em etapas de Engle e Granger (1987) e o estimador de máxima verossimilhança

de Johansen (1988, 1991 e 1995)85.

Segundo Engle e Granger (1987), tomando-se duas séries de tempo yt e xt, ambas

integradas de ordem d, qualquer combinação linear dessas séries é I(d). Assim, os resíduos

obtidos da regressão de yt contra xt serão I(d). Porém, caso exista um vetor β1, tal que o termo

de erro da regressão (εt = yt − β1 xt) é de menor ordem de integração, I(d−h), em que h > 0,

define-se yt e xt como integradas de ordem (d, h). Por exemplo, caso ambas as séries sejam

I(1) e o εt ~ I(0), tem-se cointegração de ordem (1,1). Neste caso, yt e xt possuem

componentes que se anulam para produzir εt. O termo β1 é chamado parâmetro de

cointegração e (1, - β1) o vetor de cointegração. Portanto, para encontrar a relação de

equilíbrio de longo prazo entre yt e xt, requer-se a estimação do modelo86:

ttt xy εβ += 0 (8)

O método OLS oferece estimativa consistente dessa relação, pois é capaz de estimar os

parâmetros de forma a minimizar a variância dos erros. Deve-se atentar que, rejeitada a

hipótese de raiz unitária, a estimativa ∧

β 1 por OLS é o estimador consistente de β1.

De forma sucinta, estima-se a regressão com variáveis em nível (equação de longo

prazo) e testa-se a existência de raiz unitária sobre os resíduos da regressão, que, em caso

negativo, pode-se considerar cointegração entre as variáveis.

O teste empregado é o ADF. No entanto, não é aconselhável o uso dos valores

presentes nas tabelas tradicionais para teste de hipótese. Essas tabelas não são preparadas para

valores estimados. Assim, utiliza-se a tabela ajustada para valores estimados e para o tamanho

da amostra proposta em MacKinnon (1990).

83 Existe a possibilidade de relações não lineares entre as variáveis, porém ainda não se tem metodologia para captar tal relação (ENDERS, 1995). 84 A cointegração pode ser estendida para um número maior de variáveis. 85 Outro teste conhecido, porém, atualmente em desuso é o baseado na estatística de Durbin-Watson (DW). 86 Ou sem a supressão da constante: ttt xy εβμ ++= 0

83

Entretanto, a metodologia proposta em Engle e Granger (1987) possui algumas

limitações. Como o teste, por exemplo, é realizado em duas etapas, um erro cometido na

primeira é transportado para a segunda causando viés nos resultados. Ou ainda, no caso de

mais de duas variáveis envolvidas, pode existir mais de uma relação de cointegração. Para um

número de vetores cointegrantes superior a um, a metodologia Engle-Granger é ineficiente

por ser capaz de obter apenas uma combinação linear.

A abordagem presente em Johansen (1988 e 1991) e Johansen e Juselius (1990) é uma

alternativa para esses casos por superar tais limitações87. O procedimento de Johansen, como

ficou conhecido, é um método de máxima verossimilhança, mais geral, no qual se utiliza um

sistema de equações dinâmico, ou especificamente um VAR. A abordagem sistêmica de

Johansen é capaz de identificar não somente a presença de cointegração, mas também, se

confirmada, o número de vetores cointegrantes existentes e a especificação destes vetores.

Para se testar a hipótese de cointegração e, paralelamente, caso haja, o número de

vetores, utiliza-se a estatística do traço (λtraço) e a estatística do máximo autovalor (λmáximo).

Os testes efetuados são, respectivamente,

1,...,4,3,2,1)1ln(1

−=−−= ∑+=

∧

npTp

riitraço λλ (9)

e

1,...,4,3,2,1)1(ln 1 −=−−= +

∧

npT rmáximo λλ (10)

As duas estatísticas, por meio de testes de razão de verossimilhança, identificam o

posto da matriz Π, que, por sua vez, indica o número de relações cointegrantes88. O posto

pode variar de 0 a n. A estatística do traço testa a rejeição de que o posto, ou rank (r), é igual a

n (posto pleno), ou seja, r = n. A hipótese nula é que r ≤ p, em que p = 1, 2, 3, 4,..., n-1. A

segunda estatística testa a significância do maior autovalor. Compara a hipótese (nula) de que

r vetores são significativos estatisticamente com a hipótese alternativa de significância para r

+ 1.

No caso de posto nulo, não existe qualquer relação de longo prazo, apesar de o sistema

não ser estacionário (resolve-se pela diferenciação). O posto sendo pleno (r = n), tem-se um

sistema estacionário em nível. O último caso é quando o posto da matriz é menor que n, por

87 Em Johansen (1995), o procedimento é ajustado para se trabalhar com variáveis I(2). 88 Π contém a matriz de vetores cointegrantes (β) e a matriz de ponderações associada (α), isto é, Π=αβ’. Dessa forma, possui informações dos coeficientes de longo prazo e o ajustamento ao equilíbrio. Para informações detalhadas, ler Johansen e Juselius (1990).

84

exemplo, r, indicando assim o número de vetores que cointegram e tornam o sistema

estacionário.

Em síntese, o conceito de cointegração pode ser entendido como a ligação entre

processos integrados e o conceito de equilíbrio de estado estacionário - ou de longo prazo.

Portanto, caso as séries sejam integradas, verifica-se a possibilidade de elas serem

cointegradas.

3.4.3 Modelo de Correção de Erros

Como visto, a presença de séries I(1) implica estatísticas de teste com distribuições

não convencionais. Caso as séries sejam I(1), mas não cointegradas, a análise econométrica

deve se resumir à aplicação das diferenças e à estimação sem consideração do equilíbrio de

longo prazo. Dada a existência de variáveis cointegradas, pode-se utilizar o modelo de

correção de erros (ECM). Esse modelo faz a ligação entre aspectos relacionados com a

dinâmica de curto prazo com os de longo prazo, isto é, permite combinar as vantagens de se

modelar tanto nas diferenças quanto em nível.

O modelo ECM pode ser derivado a partir de um modelo auto-regressivo de

defasagens distribuídas, ou Autoregressive Distributed Lag (ADL) 89. Em síntese, dado um Y

função de X e as variáveis defasadas de ambas como variáveis explicativas de Y, sendo y e x

os respectivos logaritmos naturais de Y e X, o modelo ADL pode ser expresso por90

ttttt xxymy εββα ++++= −− 11011 (11)

em que a série de resíduos ε é um ruído. Substituindo yt-1 em ambos os lados da equação,

ttttttt xxyymyy εββα +++−+=− −−−− 1101111 (12)

ttttt xxymy εββα +++−+=Δ −− 11011 )1( (13)

Para expressar a variável x como diferença, adiciona-se e subtrai-se β0 xt-1 no lado

direito da equação (13):

ttttttt xxxxymy εββββα +++−+−+=Δ −−−− 101110011 )1( (14)

ttttt xyxmy εββαβ +++−+Δ+=Δ −− 110110 )()1( (15)

ou ainda,

89 Apesar da possibilidade de mais de uma especificação para construção do ECM, é apresentada brevemente uma das formas de parametrização adotada no Trabalho, baseada no ADL. 90 Para demonstração, faz-se uso do modelo simplificado, conhecido como ADL (1,1) uma vez que a variável dependente e a única variável independente têm somente uma defasagem. Contudo, a demonstração pode ser estendida para mais variáveis e/ou defasagens. A despeito da aparência simples, o modelo ADL (1,1) representa defasagem infinita. Para uma prova, basta substituir repetidamente a variável dependente no membro direito de (11). Para demonstração, ver Hill, Griffiths e Judge (2003).

85

ttttt xyxmy εββαβ +++−−Δ+=Δ −− 110110 )()1( (16)

assumindo que o coeficiente de yt-1 em (16) é igual a menos o coeficiente de xt-1,

)()1( 101 ββα +−=−−

portanto,

1101 =++ ββα

Dessa forma, deve-se satisfazer a condição de estabilidade para se obter o ECM, isto é,

a soma dos coeficientes do ADL tem que ser igual a um.

ttttt xyxmy εθβ +−−Δ+=Δ −− )( 110 (17)

em que,

)()1( 101 ββαθ −=−−= (18)

O ECM, portanto, é um modelo de curto prazo que incorpora informações do

equilíbrio de longo prazo pelo termo de correção de erros, )( 11 −− −− tt xyθ . O coeficiente θ

mensura a distância de Y e X em relação ao equilíbrio de longo prazo e, desse modo, informa

a velocidade de ajustamento das variáveis aos ocasionais desequilíbrios. O sinal negativo é

esperado por garantir que qualquer desequilíbrio seja compensado por meio de um

movimento contrário na variável explicada.

Como pode ser visto, as variáveis yt e xt estão diferenciadas e, portanto, são

estacionárias (originalmente possuem uma raiz unitária). Para que a equação esteja

balanceada, no sentido de estarem no mesmo nível de integração, é imperativo que o termo de

correção de erros seja I(0). Logo, a cointegração entre as variáveis, no sentido proposto em

Engle e Granger (1987), impõe a existência de um ECM, e a recíproca é verdadeira.

3.4.4 Vetor de Correção de Erros

A tradicional abordagem macroeconômica até o começo dos anos 80 se fundamentava

em modelos estruturais caracterizados por qualificar, ex-ante, as variáveis em endógenas ou

exógenas. No caso de equações simultâneas, tem-se ainda a imposição de restrições quanto

aos parâmetros para obter a identificação. Essas imposições, consideradas arbitrárias, são

bastante criticadas. Sims (1980), criador da metodologia VAR, argumenta que todas as

variáveis devem ser consideradas endógenas ao modelo. A modelagem proposta por ele

formula que todas as variáveis são endógenas e dependem das defasagens próprias e das

defasagens das demais variáveis incluídas no sistema.

Conforme Johnston e DiNardo (1997), uma variável escalar pode ser modelada em

termos de seus próprios valores defasados (p), o conhecido processo AR(p),

86

tptpttt yyyy εαααμ +++++= −−− ...2211 (19)

Considerando um vetor com k variáveis diferentes, yt=[y1t y2t ... ykt]’ e modelando em

função dos valores passados, tem-se o vetor auto-regressivo, ou VAR. Em termos matriciais,

tptpttt yAyAyAy εμ +++++= −−− ...2211 (20)

em que,

Ai são as matrizes de coeficientes de dimensão k X k; μ é o vetor de constantes do tipo k X 1 e,

εt um ruído branco, ou seja,

0)( =tE ε para todo t ⎩⎨⎧

≠=Ω

=ts

tsE st 0

)( 'εε

Assume-se que a matriz de covariância (Ω) é definida positiva e, assim, os ε’s não

estão correlacionados em série, mas podem estar contemporaneamente correlacionados.

O caso simplificado, no qual se tem duas variáveis e uma defasagem (k=2 e p=1,

respectivamente), pode ser sumariado formalmente como segue:

ttt

t

t

t

t

tt Ay

yy

yy

y εμεε

αααα

μμ

++=⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡+⎥

⎦

⎤⎢⎣

⎡=⎥

⎦

⎤⎢⎣

⎡= −

−

−1

2

1

1,2

1,1

2221

1211

2

1

2

1 (21)

ou

tttt

tttt

yyyyyy

,21,2221,12122

,11,2211,11111

εααμεααμ

+++=+++=

−−

−− (22)

Então, cada variável pode ser expressa conforme uma combinação linear dos seus

valores defasados e dos valores defasados de todas as outras variáveis do sistema91. Pode-se

expandir o modelo, adicionando tendência temporal determinística e outras variáveis

exógenas92.

Uma alteração em ε1t afeta imediatamente, em um para um, a variável y1t. Em t + 1,

essa mudança em y1t tem efeito sobre y1,t+1 por meio da primeira equação, e afeta também

y2t+1 pela segunda equação. Esses efeitos são transmitidos em t + 2 e assim sucessivamente.

Portanto, uma inovação do VAR estabelece uma reação em cadeia ao longo do tempo em

todas as variáveis do modelo. As funções conhecidas como impulso-resposta buscam medir

essas reações.

91 As equações podem ser estimadas por meio do método OLS, devendo ser interpretadas da maneira usual. É importante notar que todas as variáveis do VAR têm a mesma ordem de defasagens em todas as equações e, como são incluídas diferentes defasagens das mesmas variáveis, cada coeficiente estimado pode não ser estatisticamente significativo, provavelmente devido à presença de multicolineariedade. Todavia, coletivamente, os parâmetros podem ser significativos considerando-se o valor da estatística F . 92 Entretanto, no uso desta prática, incorre-se no problema de classificação das variáveis a priori.

87

Neste Trabalho, as funções de impulso são estimadas não apenas pelo método de

decomposição de Cholesky, mas também pela inovadora metodologia desenvolvida em Koop,

Pesaran e Potter (1996) e em Pesaran e Shin (1998), chamada de impulso-resposta

generalizado, ou, no original, Generalized Impulse Responses (GIR).

O método convencional de Cholesky é criticado porque os resultados da análise da

resposta ao impulso são sujeitos à suposição de ortogonalidade e podem diferir

substancialmente dependendo da ordenação das variáveis no VAR/VEC. A característica

fundamental do GIR é que as respostas são invariantes a qualquer reordenação das variáveis

no modelo. Assim, a GIR fornece resultados mais robustos que o método ortogonal.

Outra característica importante é que, devido à não-imposição da ortogonalidade, a

GIR permite a interpretação significativa da resposta inicial ao impacto de cada uma das

variáveis aos choques em cada uma das outras variáveis. Em estudos no mercado financeiro,

em que a informação é freqüentemente assimilada de forma rápida, a habilidade em capturar

as respostas imediatas nas variáveis endógenas a choques se torna vital (EWING, 2003).

A decomposição da variância, outro instrumento de análise subjacente aos modelos

VAR, permite descrever a decomposição da variância do erro de previsão das variáveis

identificando o grau de participação de cada variável incluída no modelo. Para tal análise,

emprega-se também a metodologia de Cholesky93.

Assim, a análise da composição da variância pelas variáveis de interesse, bem como a

resposta de determinada variável diante da ocorrência de choques sobre as variáveis incluídas

no modelo separadamente, possibilitam conjecturar acerca dos possíveis impactos das

variáveis selecionadas sobre o risco de crédito bancário, a duração do efeito desses impactos e

a participação de cada fator econômico na variância do risco bancário.

Segundo Enders (1995), ao se estimar um VAR em diferenças para séries

cointegradas, incorre-se em erro de má especificação, da mesma forma que se estimarem os

dados em nível ocasiona problema de espuriedade na regressão. Portanto, no caso de as

variáveis de interesse serem cointegradas, uma modificação se faz necessária: a inclusão do

vetor de correção de erros.

Para a estimação VAR com a inclusão do vetor de correção de erros, utiliza-se o

procedimento de máxima verossimilhança de Johansen (1988 e 1991), dado que este

determina a característica cointegrante, ou seja, o número de relações cointegrantes. Após

93 A respeito da fatorização de Cholesky, tanto para as funções impulso-resposta quanto para a decomposição da variância, remeter a Greene (1993) ou Johnston e DiNardo (1997).

88

esse primeiro passo, estima-se a matriz de vetores cointegrantes (β) e a matriz de ponderações

associada (α), isto é, a fatorização de Π = α β`. Finalmente, o sistema VAR é estimado

incorporando as relações cointegrantes verificadas94.

A modelagem pelo sistema de equações simultâneas é apropriada para lidar com

relações interligadas e com impactos dinâmicos provocados por distúrbios aleatórios. Assim,

o modelo VAR/VEC é interessante para este Estudo, pois considera as variáveis e as suas

defasagens e, no caso específico do VEC, concilia as tendências de curto e longo prazo das

variáveis do modelo. Além disso, esse enfoque oferece flexibilidade suficiente para obter boa

representação estatística dos dados, sem a necessidade de introduzir, a priori, variáveis ad-

hoc, caso fosse a solução para identificar uma ou mais equações no modelo de equações

simultâneas.


Este Capítulo dedicou-se à discussão da metodologia empregada na análise empírica

presente no próximo. Discutiu-se a respeito das bases de dados utilizadas e das respectivas

fontes de acesso; da seleção da amostra; da definição das variáveis e, finalmente, dos modelos

econométricos empregados para se analisar o risco de crédito bancário e as suas implicações

para o País.

Devido à complexidade dos procedimentos econométricos, apresentou-se breve

descrição introdutória com o intuito de familiarizar-se com as técnicas empregadas no Estudo.

Obviamente, debate detalhado acerca deles não foi pretendido. Para interessados, sugeriram-

se algumas referências essenciais.

O próximo Capítulo irá congregar a contribuição empírica do Trabalho. Por meio de

diversas análises das inter-relações entre a conjuntura econômica e o risco incorrido no

portfólio de crédito dos bancos no Brasil, algumas conclusões importantes se tornarão

possíveis.

94 Para discussão aprofundada sobre o modelo VEC, ver Johnston e DiNardo (1997) e Heij et al. (2004).

89

4 DINÂMICA MACROECONÔMICA E RISCO DE CRÉDITO: EVIDÊNCIAS PARA O CASO BRASILEIRO


A despeito do empenho na gestão e no acompanhamento do risco de crédito, certas

vezes esse risco atinge níveis elevados, podendo prejudicar os bancos, o sistema financeiro e,

por conseguinte, toda a economia. A obtenção e a conseqüente manutenção do risco de

crédito em patamares reduzidos são desejáveis para o adequado desempenho da economia de

um país.

As causas do nível de risco de inadimplência bancária podem ser divididas em dois

grupos: fatores macroeconômicos ou conjunturais e fatores microeconômicos ou

idiossincráticos. Enquanto o primeiro grupo está ligado ao estado geral da economia afetando

os principais parâmetros econômicos empregados na análise de crédito, o segundo grupo se

relaciona com o comportamento individual de cada banco e de seus tomadores de recursos em

si (CHU, 2001).

A parte inicial deste Capítulo estuda especificamente o primeiro grupo - como o

ambiente macroeconômico afeta o risco de crédito bancário das mais variadas formas. A parte

seguinte centra-se no relacionamento entre os fatores microeconômicos e o risco de crédito,

especificamente o modo pelo qual o risco idiossincrático pode ser condicionado pelas

instituições bancárias a fim de mitigar o risco sistemático. Assim, investigam-se as inter-

relações existentes entre a dinâmica macroeconômica, os aspectos microeconômicos

controlados pelos bancos e o risco de crédito bancário.

Algumas questões pertinentes procuram ser respondidas, dentre elas se destacam as

seguintes: como os fatores conjunturais no Brasil se relacionam com o risco de crédito

bancário no curto e no longo prazo? Qual o impacto e a durabilidade temporal dele sobre o

risco da carteira de crédito causado por um choque macroeconômico? De que forma bancos

interagem com a economia a fim de gerir o risco incorrido nas operações de crédito? Quais as

diferenças em relação aos efeitos sobre o portfólio de crédito, quando se considera o tipo de

controle do banco?

Com o propósito de tentar responder a esses questionamentos, o Capítulo é

subdividido em cinco seções – excluídas estas notas introdutórias e a seção conclusiva. Os

efeitos macroeconômicos sobre o risco de crédito são discutidos brevemente na primeira

90

seção. A segunda é dedicada à investigação da estacionariedade das séries de interesse. Essas

primeiras seções têm caráter preliminar. As duas seções seguintes abordam as inter-relações

entre os fatores macroeconômicos e o risco de crédito bancário no Brasil, enquanto a terceira

foca a relação estrutural - no longo e no curto prazo - entre o risco de crédito e o ambiente

macroeconômico; a quarta examina os efeitos dinâmicos de choques econômicos no risco de

crédito bancário. A quinta seção, por meio da análise de cointegração, verifica as diversas

relações entre os aspectos microeconômicos tangentes ao risco de crédito e a dinâmica

macroeconômica e observa a forma pela qual as instituições bancárias interagem com a

conjuntura econômica para se proteger ou se beneficiar.

4.2 Relevância da Dinâmica Macroeconômica para o Risco de Crédito

Os fatores conjunturais são demasiadamente importantes na análise do risco de

crédito. Conforme Pesaran et al. (2006:1248), “[...] financial institutions are ultimately

exposed to macroeconomic fluctuations in the global economy. Their portfolios are typically

sufficiently large that idiosyncratic risk is diversified away, leaving exposure to systematic

risk”.

Essa proeminência do cenário conjuntural intensifica-se quando se trata de mercados

não desenvolvidos ou emergentes. Em mercados desenvolvidos, a redução da qualidade do

crédito normalmente ocorre de forma gradual como parte do ciclo econômico95, dando tempo

aos bancos para aumentarem os níveis de provisões constituídas ao longo de um período

determinado. Em mercados emergentes, a qualidade do crédito pode deteriorar-se

subitamente. Segundo Cunningham (1999:9),

Banking risk can be broadly divided into general risks, which apply to all banks in the system and derive to a large extent from a country’s economic strength, and specific risks, which are the product of the bank itself. In developed markets, it is hard to imagine that difficulties experienced by a bank can be solely attributable to general risks, even though such risks certainly do have an impact on the bank’s performance - in most cases bank failure is the result of mismanagement, risky strategies, rogue traders, etc. In emerging markets, general risks loom larger. Not only can general risks be more severe but also it may be difficult for any bank to avoid the consequences of a severe economic shock (such a massive currency devaluation) or a deep economic recession.

95 Conforme Carvalho (2003), duas são as concepções de ciclos econômicos presentes na literatura teórica ou empírica. Por um lado, o ciclo é concebido como forma necessária e permanente de operação da economia de mercado, isto é, intrínseco à economia capitalista. A economia está sempre em alguma fase do ciclo, que será superada pela fase seguinte, expansões geram contrações e estas criam novas expansões. Por outro, concebe-se o ciclo como flutuações da economia que resultam dos processos de ajuste dessa economia a choques.

91

Isso ocorre devido à menor estabilidade nas esferas econômica e política presentes nos

mercados emergentes e à escala de qualquer mudança geralmente ser muito maior. No Brasil

há vários exemplos. O processo de privatização dos bancos estatais, a abertura para bancos

estrangeiros e as elevações ríspidas da taxa básica da economia pelo Governo Federal - como

parte de sua agenda econômica mais ampla - são alguns exemplos presentes nas últimas

décadas. Esses tipos de mudanças bruscas afetam o ambiente monetário e dificultam a

operacionalização das carteiras de crédito por parte dos bancos inseridos em mercados

emergentes. Um possível reflexo é a constituição de um spread elevado como forma de

salvaguardar a solidez financeira bancária. A maior possibilidade de inversões drásticas na

economia induz os bancos a uma postura de alavancagem conservadora e de altos

rendimentos para fazer frente aos excessivos riscos incorridos.

Os movimentos macroeconômicos afetam os entes do mercado tais como firmas e

indivíduos. A integração entre o risco de crédito e o de mercado tende a amplificar o efeito

mútuo. Jarrow e Turnbull (2000) argumentam que o risco de mercado e o de default são

inerentemente relacionados. Em suas palavras (p. 272),

If the market value of the firm’s assets unexpectedly changes - generating market risk - this affects the probability of default - generating credit risk. Conversely, if the probability of default unexpectedly changes - generating credit risk - this affects the market value of the firm - generating market risk.

Assim, eventos que afetam o valor de mercado das firmas ou a probabilidade de

inadimplência, influenciam o risco de crédito. Em nível agregado, o estágio do ciclo de

negócios (economia em crescimento, recessão ou depressão) influi na probabilidade de

inadimplência. Então, Jarrow e Turnbull (2000) concluem que fatores macroeconômicos têm

poder explanatório na predição do número de defaults e, a partir dessa proposição, modelam a

probabilidade de default ao estado da economia. Da mesma forma, o trabalho de Ewing

(2003) procura identificar e examinar a extensão na qual inovações em algumas variáveis

macroeconômicas chave são transmitidas para o prêmio de risco de inadimplência. Para tanto,

utiliza-se de um modelo de equações simultâneas, mais especificamente um VAR, procurando

observar a magnitude e a persistência dos choques.

Indícios que justifiquem estudo mais profundo do relacionamento ambiente

macroeconômico-inadimplência também são encontrados para o caso brasileiro. Em seu

trabalho sobre o gerenciamento do risco de crédito no Brasil, Marques (2002:90) conclui que

Uma última sugestão se refere à pesquisa da natureza dos processos de inadimplência. Para os dados coletados observou-se uma distribuição da incidência do fenômeno inadimplência ao longo do tempo, sendo maior a sua ocorrência nos

92

períodos de oscilações bruscas nos agregados macroeconômicos. Este fato por si só pode indicar a viabilidade de pesquisas de caráter econométrico buscando relacionar o comportamento dos agregados macroeconômicos e a qualidade das carteiras de crédito detidas pelas instituições financeiras.

Diante desse cenário, este Capítulo procura diagnosticar como o ambiente econômico

influi no risco de inadimplência das carteiras de créditos dos bancos. Entretanto, deve-se

salientar que as oscilações sistêmicas - que afetam o risco do portfólio de crédito - não são

absorvidas pelos bancos passivamente. A postura destes, pelo contrário, é ativa, ou seja, os

bancos respondem aos efeitos advindos do ambiente macroeconômico buscando sempre

oportunidades de ganho ou proteção. Assim, pretende-se entender todo o processo interativo

entre a dinâmica macroeconômica e os bancos no que concerne ao risco de crédito.

4.3 Testes de Raiz Unitária e Estacionariedade

Antes da modelagem econométrica e das análises propriamente, as séries de interesse

são submetidas a testes para verificação da existência de estacionariedade. Examina-se como

o processo estocástico gerador das séries se comporta ao longo do tempo, isto é, investiga-se a

ordem de integração das séries. A justificativa é que, dessa forma, possíveis problemas de

espuriedade nos resultados a serem obtidos pelos modelos seriam evitados. Dada a

importância da presença ou não da estacionariedade para as análises que se seguem, inclusive

à possibilidade de cointegração, especial atenção é apropriada. Aplica-se assim -

concomitantemente à análise visual das séries - os testes de raiz unitária: Dickey-Fuller

Aumentado (ADF, teste t), Phillips-Perron (PP, Z teste) e Dickey-Fuller ajustado a tendência

(DF-GLS), além do teste de estacionariedade KPSS96. Em situações inconclusivas, opta-se

ainda pela análise gráfica por meio dos correlogramas.

A definição da inclusão ou não da constante e/ou da tendência, além do número de

defasagens para cada série, é definido de acordo com o critério de Schwarz (SC) e a

significância estatística dos parâmetros estimados, partindo sempre da dinâmica geral para a

particular97.

96 Seguindo as sugestões de Maddala (2003), adota-se o nível de significância de 10% e, em caso de contradição nos resultados, dar-se-á preferência aos testes de raiz unitária. 97 Os resultados das estatísticas de teste de cada modelo são expostos no apêndice, tanto em nível quanto na 1ª diferença (vide Tabela A.3).

93

Tabela 4.1 Resultados dos Testes de Raiz Unitária e Estacionariedade

Nível 1° Diferença Séries ADF PP DF-GLS KPSS

Séries ADF PP DF-GLS KPSS

LRISK1PUB_SA Raíz Unitária Raíz Unitária Raíz Unitária Estacionária D(LRISK1PUB_SA) Estacionária Estacionária Estacionária Estacionária

LRISK1PRIV_SA Estacionária Raíz Unitária Raíz Unitária Estacionária D(LRISK1PRIV_SA) Estacionária Estacionária Estacionária Estacionária

LSELIC Estacionária Raíz Unitária Raíz Unitária Estacionária D(LSELIC) Estacionária Estacionária Raíz Unitária Estacionária

LIGPDI Estacionária Estacionária Estacionária Estacionária D(LIGPDI) - - - -

LSELICR Raíz Unitária Raíz Unitária Estacionária Estacionária D(LSELICR) Estacionária Estacionária Estacionária Estacionária

LTCOMP Raíz Unitária Raíz Unitária Raíz Unitária Raíz Unitária D(LTCOMP) Estacionária Estacionária Estacionária Estacionária

LSPREAD Raíz Unitária Raíz Unitária Raíz Unitária Estacionária D(LSPREAD) Estacionária Estacionária Estacionária Estacionária

LEMBI Raíz Unitária Raíz Unitária Raíz Unitária Raíz Unitária D(LEMBI) Estacionária Estacionária Estacionária Estacionária

LDESEMPA_SA Raíz Unitária Raíz Unitária Raíz Unitária Estacionária D(LDESEMPA_SA) Estacionária Estacionária Estacionária Estacionária

LPROD_SA Raíz Unitária Estacionária Estacionária Raíz Unitária D(LPROD_SA) Estacionária Estacionária Estacionária Estacionária

LPERCONCAT_SA Raíz Unitária Estacionária Raíz Unitária Raíz Unitária D(LPERCONCAT_SA) Estacionária Estacionária Estacionária Estacionária

LPERCONCPFT_SA Raíz Unitária Raíz Unitária Estacionária Raíz Unitária D(LPERCONCPFT_SA ) Estacionária Estacionária Estacionária Estacionária

LOPCREDPUBR_SA Raíz Unitária Raíz Unitária Raíz Unitária Raíz Unitária D(LOPCREDPUBR_SA) Estacionária Estacionária Estacionária Estacionária

LOPCREDPRIVR_SA Raíz Unitária Raíz Unitária Raíz Unitária Raíz Unitária D(LOPCREDPRIVR_SA) Estacionária Estacionária Estacionária Estacionária

LPERCPFPUB_SA Estacionária Estacionária Raíz Unitária Raíz Unitária D(LPERCPFPUB_SA) Estacionária Estacionária Estacionária Raíz Unitária

LPERCPFPRIV_SA Estacionária Estacionária Raíz Unitária Raíz Unitária D(LPERCPFPRIV_SA) Estacionária Estacionária Estacionária Estacionária Nota: O nível de significancia adotado é de 10%.

Conforme a Tabela 4.1, as séries LTCOMP, LEMBI, LOPCREDPUBR_SA e

LOPCREDPRIVR_SA são classificadas como processo integrado de ordem um, ou I(1),

enquanto a série LIGP-DI é classificada como I(0) pelos quatro testes aplicados (com 90% de

confiança). Embora o teste de estacionariedade KPSS não confirme os resultados dos testes

ADF, PP e DF-GLS, para as séries em nível LRISK1PUB_SA, LSPREAD e

LDESEMPA_SA, dá-se preferência aos resultados dos testes de raiz unitária. As séries

LPERCONCAT_SA e LPERCONCPFT_SA também são consideradas processos integrados

de ordem um pela maioria dos testes.

As demais séries não apresentam resultados conclusivos; portanto, faz-se útil a análise

gráfica por correlogramas. Os correlogramas das séries LRISK1PRIV_SA, LSELIC,

LSELICR, LPROD_SA, LPERCPFPUB_SA e LPERCPFPRIV_SA (Gráfico A.1) indicam

que os valores atuais dependem fortemente dos valores passados, sugerindo a existência de

raiz unitária (queda lenta do coeficiente de autocorrelação amostral) para essas séries. Quanto

às séries diferenciadas, os resultados aconselham estacionariedade. Destarte, decide-se pela

não-estacionariedade das séries em nível, ou seja, são consideradas processos I(1).

A partir dos resultados obtidos nos testes de verificação da ordem de integração,

estimam-se os modelos. Dois métodos distintos são empregados: a modelagem estrutural de

uma equação com eventual inclusão do mecanismo de correção de erros (seção 0) e a

modelagem por equações múltiplas, considerando a possibilidade da existência de vetores

cointegrantes (seção 0).

94

4.4 Risco de Crédito Bancário no Longo e no Curto Prazo

Nesta seção procura-se verificar como os fatores macroeconômicos afetam o risco de

crédito das instituições bancárias por tipo de controle. Pode-se identificar como movimentos

conjunturais afetam o risco de crédito bancário e, conseqüentemente, se os movimentos

esperados pela teoria econômica se verificam para o País no intervalo temporal em estudo.

Em consonância com a vasta literatura empírica que enuncia as séries econômicas

como processos integrados de primeira ordem em sua maioria, detectou-se na seção anterior

que a maior parte das séries são I(1). Portanto, o passo seguinte é testar a existência de

cointegração entre as variáveis envolvidas em cada análise específica. No caso da presença de

relações de cointegração, são utilizados a análise estática e os modelos auto-regressivos de

defasagens distribuídas para derivação do modelo de correção de erros subjacente.

A regressão estática faz parte do procedimento em dois passos de Engle e Granger

(1987) para se testar a cointegração. Com as variáveis cointegradas, pode-se dessa regressão

obter os parâmetros de longo prazo e o termo de correção de erros para a regressão de curto

prazo pelo ruído obtido. Na prática, a hipótese de que o resíduo da equação de longo prazo

estática seja ruído branco é pouco provável, uma vez que a falta de dinâmica induz a

correlação nos erros, além da correlação espúria entre as variáveis poder causar correlação

nos erros invalidando a inferência usual. Por isso, escolheu-se estimar, também, a regressão

de longo prazo dinâmica, por ADL98.

Usa-se o método do geral para o específico sugerido por Hendry (1980), o chamado

Hendry Approach, baseado em um processo de redução sucessiva do modelo econométrico,.

A omissão de variáveis relevantes é mais séria que a inclusão de variáveis irrelevantes, pois

no primeiro caso os coeficientes são enviesados e a variância da perturbação é sobreestimada,

resultando em processos de inferência convencionais inválidos; no segundo caso, os

coeficientes não são enviesados, a variância da perturbação é corretamente estimada e os

processos de inferência são válidos (Johnston e DiNardo, 1997). Assim, a estratégia adotada é

iniciar com um número extenso de possíveis variáveis e lags temporais. Então, verifica-se,

por critérios de seleção, se reduções nos parâmetros são válidas. Cada especificação do

modelo é sujeita a um conjunto de testes de autocorrelação, heteroscedasticidade, estabilidade

dos parâmetros e normalidade dos resíduos.

98 Estimar a relação ADL e em seguida calcular os parâmetros da relação de cointegração pode conduzir a estimativas menos enviesadas. Entretanto, necessita-se de alguma informação sobre a relação ADL, o que não ocorre em Engle-Granger (Johnston e DiNardo, 1997).

95

Para investigar os efeitos quantitativos de curto prazo sobre o risco de crédito bancário

de alterações em variáveis-chave dos mercados real e monetário, estima-se

econometricamente uma equação estrutural para o risco, cuja forma básica é a seguinte:

)23(

___1_1

100

001

−−=

−=

−=

−=

−=

+++

+++=

∑∑

∑∑∑

tit

n

iiit

n

ii

it

n

iiit

n

iiit

n

iit

ECMDLTCOMPDLSELIC

SADLPRODSADLDESEMPASADLRISKCSADLRISK

φεδ

χβα

em que:

C – é uma constante;

DLRISK1_SA – é a primeira diferença do logaritmo do risco de crédito

dessazonalizado, sendo que, quando se tratar dos bancos públicos, a variável será expressa

como DLRISK1PUB_SA e, quando se referir aos bancos privados, a variável será chamada

de DLRISK1PRIV_SA;

DLDESEMPA_SA – é a primeira diferença do logaritmo da taxa de desemprego

aberto dessazonalizada;

DLPROD_SA – é a primeira diferença do logaritmo do produto industrial

dessazonalizado;

DLSELIC – é a primeira diferença do logaritmo da taxa de juros Selic99;

DLTCOMP – é a primeira diferença do logaritmo da taxa de compulsório;

ECM – é variável que se refere ao mecanismo de correção de erros. Este termo

procura capturar a distância existente entre o risco de crédito bancário no período corrente e o

seu valor de equilíbrio de longo prazo, dado pela combinação linear das variáveis explicativas

do modelo. É expresso por

)24(___1

5

4321

CTLTCOMPLSELICSALPRODSALDESEMPASALRISKECM

t

tttttt

++−−−−=

γγγγγ

em que:

T – é uma variável de tendência determinística;

C – é o termo constante.

A especificação em primeiras diferenças (D) deve-se à existência de processo

integrado de ordem um que caracteriza as séries envolvidas100. Todavia, existe um termo em

nível na equação (23), o mecanismo de correção de erros. Para que a equação esteja

balanceada no sentido de todos os termos terem a mesma ordem de integração, o ECM deve

99 Opta-se pelo uso da taxa de juros em detrimento da inflação e da taxa de juros real. No entanto, a primeira variável é combinação das outras duas, conforme em Chu (2001). 100 Além disso, observa-se, pelos testes efetuados, que as séries de diferenças das variáveis são I(0).

96

ser necessariamente estacionário, seja pela obtenção via resíduo I(0) da equação em nível,

seja, equivalentemente, pela cointegração dos termos existentes no lado direito da equação

(24).

A equação (23) permite avaliar o relacionamento de curto prazo entre as variáveis sem

desconsiderar a relação entre o período corrente e o equilíbrio de longo prazo. Embasado pela

teoria, os sinais esperados são os seguintes:

LRISK1_SA(t-i) em que i > 1 – positivo, pois o efeito da variável dependente defasada

tem relação direta com seu valor no período vigente;

LDESEMPA_SA – positivo, dado que se espera que o aumento do desemprego eleve

o risco de inadimplência dos devedores;

LPROD_SA – negativo, pois o nível de atividade econômica alavanca a economia e

reduz o risco de não-pagamento dos créditos;

LSELIC – a elevação desta variável contribui para deprimir o produto com efeito

negativo sobre o risco de inadimplência e aumenta o custo básico dos empréstimos,

dificultando o pagamento por parte dos tomadores; portanto, o sinal esperado é positivo;

LTCOMP – incerto, pois esta variável mensura o aperto de liquidez do canal de

crédito. O nível do compulsório impacta diretamente a magnitude do multiplicador bancário.

Por um lado, o aumento da taxa de compulsório causa redução na liquidez que equivale a

restringir os recursos disponíveis ao crédito, que, por sua vez, pode causar seleção mais

rigorosa no momento da concessão. Por outro, esse aperto monetário pode ocasionar elevação

da taxa futura de inadimplência e, conseqüentemente, do risco de crédito;

ECM – negativo, por se tratar do termo que ajusta o risco de crédito à sua trajetória de

equilíbrio no longo prazo.

Então, como explicado, os modelos foram estimados para duas amostras

separadamente: instituições bancárias públicas e bancárias privadas.

4.4.1 Modelo de Correção de Erros – Bancos Públicos

A primeira exigência para que se possa estimar o modelo de correção de erros e,

conseqüentemente, as equações de longo e curto prazo é que as variáveis envolvidas tenham a

mesma ordem de integração e, mais que isso, sejam cointegradas101. Sabe-se a priori, pela

seção 0, que as variáveis LRISK1PUB_SA, LDESEMPA_SA, LPROD_SA, LSELIC e

LTCOMP são I(1).

101 Esta idéia deriva dos estudos de Engle e Granger (1987) e, mais tarde, Johansen (1988 e 1991). Contudo, Pesaran e Shin (1995) apontam para a possibilidade de relações cointegrantes entre variáveis I(0) e I(1).

97

De acordo com a metodologia de Engle e Granger, caso a série de resíduos obtida pela

estimação da regressão estática do risco de crédito dos bancos públicos seja I(0), fica

evidenciada a relação de cointegração entre as variáveis do modelo102. O termo residual pode

então ser a estimativa do mecanismo de correção de erros.

Como era de se esperar, os testes sobre a regressão estática estimada não são

satisfatórios devido à falta de dinâmica que causa correlação alta nos erros invalidando a

inferência usual. Desse modo, a série de resíduos encontrada não pode ser considerada

estacionária103. Ao almejar controlar os efeitos causados pelos problemas ocorridos na

economia em 2001, insere-se uma variável dummy (D2001) de março e julho do mesmo ano.

Todavia, apesar da melhora quanto aos testes sobre a regressão, o resíduo continua

apresentando raiz unitária. Os resultados das estimações e todos os testes efetuados

encontram-se no apêndice (Tabela A.5 e Tabela A.6).

Para superar as limitações e os problemas causados pela falta de dinâmica, estima-se a

equação de longo prazo via modelagem ADL. A parametrização do modelo é feita do geral

para o específico por meio de redução seqüencial das variáveis e lags redundantes, observando

as estatísticas de testes e os critérios de seleção. O modelo ADL resultante é apresentado na

Tabela A.7104. A regressão apresenta significância global em nível de 1% (estatística F) e um

R2 ajustado de 89, 01%.

De acordo com os testes efetuados (em nível de confiança estatística de 99%), rejeita-

se o pressuposto de normalidade dos resíduos105, mas não se rejeita a hipótese de

autocorrelação nula nos resíduos (teste Breusch-Godfrey) nem de resíduos homoscedásticos

em favor de resíduos ARCH. O teste de White para heteroscedasticidade também sugere

homoscedasticidade. O teste RESET de Ramsey não apresenta evidências suficientes para o

erro de especificação, enquanto os de Chow não sugerem a presença de quebra estrutural. A

condição de estabilidade para a solução de longo prazo é admitida pelo teste de Wald. O teste

102 Os testes convencionais de raiz unitária não podem ser utilizados, uma vez que o resíduo é uma variável estimada. Assim, os valores críticos para testar a não-existência de raiz unitária, no caso específico de obtenção da relação de cointegração, foram obtidos pela tabela disposta em MacKinnon (1990). 103 No entanto, pelo procedimento de Johansen, não é possível rejeitar a hipótese de cointegração dessas variáveis (Tabela A.4). 104 Na Tabela A.7 são também expostos os resultados para o modelo com a inclusão da dummy D2001. Esta resolve o problema de não-normalidade dos resíduos. Os resultados iguais até a segunda casa decimal são suprimidos. 105 No entanto, com a inclusão da D2001, a normalidade não é rejeitada.

98

de confidence ellipse não identifica a presença de correlação entre os coeficientes

estimados106.

Então, testa-se a série de resíduos quando a rejeição da presença de raiz unitária, por

meio da tabela de MacKinnon (1990), é ajustada para valores estimados e para o tamanho da

amostra.

Tabela 4.2 Teste de Raiz Unitária Modificado para o ADL de Longo Prazo – Bancos Públicos

Hipótese Nula: Resíduo ADL de L. Prazo tem Raiz Unitária Termos Exógenos: Constante Número de Defasagens: 2 Dickey-Fuller Aumentado Estatística t -7,1842 Valores Críticos*: Nível de 1% -5,6184 Nível de 5% -4,9481 Nível de 10% -4,6122 Notas: Especificação baseada no critério de Schwarz e na significância dos parâmetros. (*) MacKinnon (1990).

A hipótese nula de que o resíduo da relação ADL de longo prazo tem raiz unitária é

rejeitada para qualquer dos níveis de significância expostos (Tabela 4.2). Portanto, a série de

resíduos gerada por esta relação é I(0).

Assim, com base no modelo ADL estimado, se obtêm os coeficientes das variáveis de

interesse na equação de longo prazo para LRISK1PUB_SA (Tabela 4.3)107.

Tabela 4.3 Estimação do Vetor de Longo Prazo – Risco de Crédito Bancos Públicos

Variáveis Coeficiente Teste de Wald LDESEMPA_SA 1,6758 9,5378 *** LPROD_SA -3,4925 14,0753 *** LSELIC 0,3345 0,1017 LTCOMP -0,7710 11,2348 *** Notas: Os resultados são idênticos para a estatística F e o Qui-Quadrado quanto ao teste de Wald. Os graus de liberdade são, respectivamente, 1 e (1, 57). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

106 O formato e o tamanho das elipses indicam o grau de correlação entres as estimativas dos coeficientes. Dado que o teste é efetuado ao par - em gráficos de duas dimensões - e o número de coeficientes e equações empregadas na pesquisa é gerada uma quantidade demasiadamente grande de gráficos. Dessa forma, são reportados apenas os resultados, sendo suprimidos os gráficos individuais. 107 As variáveis explicativas têm os mesmo sinais disponibilizados pela relação de cointegração estimada por máxima verossimilhança (teste de Johansen): LDESEMPA_SA (1,5361), LPROD_SA (-5,6289), LSELIC (2,4709) e, LTCOMP(-1,0414). São coerentes também com os encontrados na regressão estática (Tabela A.5).

99

O segundo estágio do mecanismo de correção de erros consiste na estimação dinâmica

de curto prazo, na qual as variáveis aparecem em forma de diferenças, com as restrições em

nível sendo incorporadas por meio do termo de correção do erro.

Os coeficientes estimados por OLS podem sofrer viés no caso de endogeneidade entre

as variáveis em questão. Diante disso, para evitar que a exogeneidade das variáveis

independentes seja apenas assumida na prática, testa-se a endogeneidade pela metodologia de

Hausman (1978), que é rejeitada no nível de 1% (Tabela A.8)108.

Na Tabela 4.4 são reportados o modelo de curto prazo estimado e as estatísticas de

diagnóstico109.

A regressão apresenta significância global no nível de 1% e um R2 ajustado de 41,

01%. Os resultados referentes à equação de correção de erros parecem bastante razoáveis. Os

testes de Breusch-Godfrey, White e Ramsey apontam a inexistência de autocorrelação,

heteroscedasticidade e erro na especificação. O teste ARCH não mostra indícios de

heteroscedasticidade condicional auto-regressiva. Os testes de Chow para verificação da

estabilidade dos parâmetros são analisados conjuntamente com os testes de CUSUM e dos

estimadores recursivos (Gráficos A.2 e A.3, respectivamente) e apontam, no geral,

estabilidade. Pelo teste de confidence ellipse, pode-se acreditar na independência entre as

estimativas dos coeficientes. Assim, pode-se considerar que o modelo sobrevive a uma bateria

de testes, sendo fraco apenas no teste de Jarque-Bera, que propõe não-normalidade nos

resíduos. No entanto, a refutação da hipótese de normalidade não inviabiliza o modelo, dado

que os estimadores ainda são eficientes dentro da classe de estimadores lineares.

Quanto à análise do modelo em si, alguns pontos devem ser destacados. O coeficiente

do termo de correção de erros é negativo (como era de se esperar) e significativo a 1%. Dessa

maneira, 92,41% do desvio, no período anterior, do equilíbrio de longo prazo é corrigido no

presente período via alteração no risco. Ademais, a significância estatística é evidência a mais

em favor da cointegração das variáveis em estudo. A própria variável dependente defasada

apresenta sinal esperado positivo e, também, significativo a 1%. As variáveis reais,

DLDESEMPA_SA (significativo a 5%) e DLPROD_SA (significativo conjuntamente a 1%),

caminham em direção aos valores de longo prazo, apresentando os sinais esperados: positivo

e negativo, respectivamente. As variáveis monetárias, DLSELIC e DLTCOMP, mostram

108 Algumas variáveis apresentam ainda exogeneidade forte sugestionada pelos testes de precedência temporal de Granger (Tabelas A.9 e A.10). Conforme Greene (1993) se adicionalmente a exogeneidade fraca se observar, a não-causalidade no sentido de Granger tem uma situação de exogeneidade forte. 109 Na Tabela A.11 é apresentado o modelo com a inclusão da dummy para 2001.

100

comportamento cíclico no curto prazo e, embora os coeficientes totais tenham os mesmos

sinais obtidos no longo prazo - positivo e negativo, respectivamente -, o teste de Wald não

rejeita a possibilidade de o efeito ser nulo.

Tabela 4.4 Estimação do Modelo de Curto Prazo – Risco de Crédito Bancos Públicos

Variável Dependente: DLRISK1PUB_SA Método: MQO Observações: 73

Variável Coeficiente Erro Padrão Estatística t C 0,0058 0,0045 1,2766 DLRISK1PUB_SA(-1) 0,5624 0,1635 3,4391 *** DLDESEMPA_SA 0,4904 0,2162 2,2685 ** DLPROD_SA(-1) -0,4561 0,1825 -2,4997 ** DLPROD_SA(-2) -0,3554 0,1829 -1,9428 * DLSELIC 3,1276 1,0009 3,1247 *** DLSELIC(-2) -2,8170 1,0010 -2,8142 *** DLTCOMP(-1) 0,2393 0,0914 2,6177 *** DLTCOMP(-2) -0,3516 0,1027 -3,4226 *** ECM (-1) -0,9241 0,1667 -5,5446 *** R-quadrado 0,4839 Critério de Schwarz -3,3447 R-quadrado Ajustado 0,4101 Estatística F 6,5624 *** GL Estatística de Teste Valor Teste de Wald: DLPROD_SA (1, 63) / 1 Est. F/Qui-quadrado 6,6701 *** DLSELIC (1, 63) / 1 Est. F/Qui-quadrado 0,1332 DLTCOMP (1, 63) / 1 Est. F/Qui-quadrado 21,0102 Jarque-Bera: J-B statistic 40,2443 *** Teste Breusch-Godfrey de Correlação Serial: Estatística F 1,8406 R-quadrado Obs. 4,1547 Teste ARCH : Estatística F 1,6981 R-quadrado Obs. 9,7258 Teste White de Heteroscedasticidade: Estatística F 1,1282 R-quadrado Obs. 19,9504 Teste RESET de Ramsey: Estatística F 0,8547 Proporção Log Prob. 0,9995 Teste de Chow: 2003:05 Estatística F 1,3440 Proporção Log Prob. 16,4980 * Teste de Previsão de Chow: 2001:06 to 2006:06 Estatística F 0,4561 Proporção Log Prob. 197,2536 *** Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso os resultados não sejam conflitantes, é apresentado o teste para autocorrelação até a sexta ordem. Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13. Caso os resultados não sejam conflitantes, é apresentado o teste com lag 6. No teste de especificação Ramsey RESET, adicionou-se a variável dependente ao quadrado na regressão (second power). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

101

4.4.2 Modelo de Correção de Erros – Bancos Privados

Ao se seguir a mesma metodologia empregada para os bancos públicos, analisa-se

agora o risco de crédito dos bancos privados. Como no caso anterior, todas as variáveis

envolvidas são I(1) (em nível e I(0) diferençadas) e cointegradas segundo a abordagem de

Johansen (Tabela A.12).

A regressão estática não apresenta bons resultados nos testes de diagnóstico, e seu

resíduo não é rejeitado quanto à possibilidade de ser raiz unitária (Tabelas A.13 e A.14,

respectivamente). Desse modo, estima-se a equação em defasagens auto-regressivas

distribuídas. A melhor especificação é estabelecida do geral para o específico, partindo de um

modelo superparametrizado. A cada redução se testa a significância de cada variável, de cada

período de defasagem e a significância global paralelamente à verificação do critério de

informação de Schwarz e de Akaike110.

O modelo final está exposto na Tabela A.15, tem significância global no nível de 1% e

a não-condição de estabilidade é rejeitada por Wald. Pelos testes de diagnóstico efetuados, não

existe evidência de má especificação, de correlação entre as estimativas de coeficientes, de

heteroscedasticidade, de resíduos ARCH, de resíduos auto-correlacionados, ou de não-

normalidade nos resíduos. Quanto à presença de raiz unitária na série de resíduos resultante da

relação de longo prazo, esta é rejeitada em favor da estacionariedade dos resíduos (Tabela 4.5)

para os valores críticos obtidos da tabela modificada de MacKinnon (1990).

Tabela 4.5 Teste de Raiz Unitária Modificado para o ADL de Longo Prazo – Bancos Privados

Hipótese Nula: Resíduo ADL de L. Prazo tem Raiz Unitária Termos Exógenos: Constante Número de Defasagens: 0 Dickey-Fuller Aumentado Estatística t -6,8027 Valores Críticos*: Nível de 1% -5,6078 Nível de 5% -4,9414 Nível de 10% -4,6070 Nota: Especificação baseada no critério de Schwarz e na significância dos parâmetros. (*) MacKinnon (1990).

A partir do modelo ADL, obtêm-se os coeficientes para a relação de longo prazo para

LRISK1PRIV_SA (Tabela 4.6)111.

110 Destaca-se que, apesar de estar em desuso o valor do R2 , se moveu sempre na mesma direção dos critérios de Schwarz e Akaike. 111 As variáveis têm os mesmo sinais disponibilizados pelo procedimento de Johansen: LDESEMPA_SA (0,9170), LPROD_SA (-6,7414), LSELIC (2,9378), e LTCOMP (-0,2035).

102

Tabela 4.6 Estimação do Vetor de Longo Prazo – Risco de Crédito Bancos Privados

Variáveis Coeficiente Teste de Wald LDESEMPA_SA 0,3694 2,1375 ** LPROD_SA -1,2610 3,4974 ** LSELIC 1,3557 2,9442 * LTCOMP -0,1458 3,1057 **

Notas: Os resultados são idênticos para a estatística F e o Qui-Quadrado quanto ao teste de Wald. Os graus de liberdade são, respectivamente, 1 e (1, 57). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

Então, uma vez estimados os vetores de longo prazo, efetua-se a estimação do

mecanismo de correção de erros para a modelagem das dinâmicas de curto prazo. A Tabela

4.7 reporta a equação com o mecanismo de correção de erros112.

A regressão tem um grau de ajuste de 45,92% (R2 ajustado) e significância estatística

global a 1%. O modelo apresenta ótima especificação em relação aos testes de diagnóstico,

como pode ser visto na Tabela 4.7. A estatística de Jarque-Bera não rejeita a normalidade na

distribuição dos resíduos; o teste Breusch-Godfrey para correlação serial não rejeita a hipótese

de não-correlação; o teste ARCH não rejeita a hipótese nula de variância constante; o teste de

White para heteroscedasticidade também não rejeita a hipótese de variância constante e o teste

RESET de Ramsey não evidencia erro de especificação. Também não há indícios, pelo teste

de confidence ellipse, de correlação entre os coeficientes estimados.

Dado que os testes de Chow são inconclusivos quanto à invariabilidade dos

parâmetros, a robustez do modelo é testada por métodos recursivos. A trajetória do CUSUM,

dentro das bandas especificadas a 5% de significância, indica que houve estabilidade (Gráfico

A.4). Os gráficos dos estimadores recursivos dos parâmetros também indicam que eles são

constantes ao longo da amostra (Gráfico A.5).

O termo de correção de erros apresenta sinal negativo e significativo (5%). O

coeficiente desse mecanismo de correção aponta para um ajustamento de 49,42% do

desequilíbrio em relação à solução de longo prazo a cada mês. Isso significa que o

desequilíbrio é corrigido com relativa rapidez, de modo que todo o ajuste ocorre dentro de um

trimestre.

112 Pela metodologia de Hausman, não se verifica a endogeneidade no nível de 1% de significância (Tabela A.16). A existência de exogeneidade forte pode ser verificada pelos resultados dos testes de Granger (Tabelas A.9 e A.10).

103

Tabela 4.7 Estimação do Modelo de Curto Prazo – Risco de Crédito Bancos Privados

Variável Dependente: DLRISK1PRIV_SA Método: MQO Observações: 69

Variável Coeficiente Erro Padrão Estatística t C 0,0005 0,0022 0,2359 DLRISK1PRIV_SA(-1) 0,6016 0,1698 3,5421 *** DLRISK1PRIV_SA(-6) 0,2522 0,0767 3,2890 *** DLDESEMPA_SA(-1) 0,2115 0,1110 1,9054 * DLDESEMPA_SA(-2) -0,6657 0,1298 -5,1293 *** DLDESEMPA_SA(-3) 0,2175 0,1090 1,9950 ** DLPROD_SA(-1) -0,1987 0,0879 -2,2606 ** DLPROD_SA(-2) -0,1733 0,0873 -1,9837 ** DLPROD_SA(-5) -0,2366 0,0850 -2,7837 *** DLTCOMP(-1) 0,1191 0,0447 2,6618 *** ECM (-1) -0,4942 0,1926 -2,5667 ** R-quadrado 0,5388 Critério de Schwarz -4,7994 R-quadrado Ajustado 0,4592 Estatística F 6,7748 *** GL Estatística de Teste Valor Teste de Wald: DLRISK1PRIV_SA (1, 58) / 1 Est. F/Qui-quadrado 22,5618 *** DLDESEMPA_SA (1, 58) / 1 Est. F/Qui-quadrado 2,0460 DLPROD_SA (1, 58) / 1 Est. F/Qui-quadrado 12,6853 *** Jarque-Bera: J-B statistic 2,9799 Teste Breusch-Godfrey de Correlação Serial: Estatística F 1,2967 R-quadrado Obs. 8,9802 Teste ARCH : Estatística F 1,8397 R-quadrado Obs. 10,3732 Teste White de Heteroscedasticidade: Estatística F 0,6525 R-quadrado Obs. 14,7498 Teste RESET de Ramsey: Estatística F 0,3388 Proporção Log Prob. 0,4008 Teste de Chow: 2003:05 Estatística F 1,5491 Proporção Log Prob. 45,9618 *** Teste de Previsão de Chow: 2001:06 to 2006:06 Estatística F 3,1070 ** Proporção Log Prob. 21,1402 *** Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso os resultados não sejam conflitantes, é apresentado o teste para autocorrelação até a sexta ordem. Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13. Caso os resultados não sejam conflitantes, é apresentado o teste com lag 6. No teste de especificação Ramsey RESET, adicionou-se a variável dependente ao quadrado na regressão (second power). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

A variável dependente defasada apresenta sinal esperado positivo e também

significativo a 1%, corroborando a suspeita de cointegração. A elasticidade do desemprego no

104

curto prazo evidencia comportamento cíclico, sendo seu efeito total negativo. Isso poderia ser

ocasionado, por exemplo, por ganhos de produtividade advindos da redução de empregados

que melhoram a situação das firmas e, conseqüentemente, reduzem o risco de crédito destas.

Todavia, no curto prazo, pelo teste de Wald, não se rejeita a possibilidade de o efeito ser zero.

Mesmo no longo prazo, o desemprego, apesar de significativo estatisticamente (5%), não

parece afetar de forma substancial (coeficiente de 0,37) o risco de crédito do portfólio dos

bancos privados se comparado ao produto e à Selic.

Quanto à elasticidade-produto, esta é significativa (1%) e negativa no curto prazo,

caminhando em direção ao efeito de longo prazo, ou seja, incremento na atividade industrial

proporciona reduções no risco de crédito também para os bancos privados. A Selic não se

mostrou significativa até 10%, nem em termos individuais, nem conjuntamente. O aperto

monetário mensurado pelo compulsório indica efeito positivo no risco para os bancos

privados no curto prazo.

4.4.3 Modelo de Correção de Erros – Comparativo entre os Tipos de Bancos

Em termos globais, verifica-se que o crescimento do produto é relevante para ambos

os tipos de bancos, tanto no longo quanto no curto prazo. O desemprego, por sua vez, afeta

de forma considerável apenas a carteira dos bancos públicos, o que provavelmente ocorre

devido ao tipo de composição das carteiras de pessoa física destes bancos. Os resultados

sugerem que os tomadores de crédito nestes bancos são mais sucetíveis à oferta de emprego

em média que os pertencentes à carteira privada113.

Já a carteira de crédito dos bancos privados é mais sensível (positivamente) à Selic no

longo prazo. O aperto monetário também no longo prazo reduz o risco de crédito para ambos

os tipos de bancos; entretanto, no curto prazo, os efeitos são diferentes. Enquanto os privados

sofrem efeito positivo, os públicos sofrem efeito total negativo.

A despeito de o modelo de correção de erros incorporar desequilíbrios de períodos

passados e considerar relações de longo prazo entre as variáveis, esse procedimento apresenta

algumas limitações. Primeiro, as chances de existência de mais de um vetor de cointegração

podem restringir os resultados. De acordo com Azevedo e Portugal (1998), quando se trabalha

com mais de uma variável explicativa, torna-se possível a existência de mais de um vetor de

cointegração. Nesse caso, o procedimento de Johansen é o mais indicado para a obtenção

desses vetores, por se tratar de um processo de máxima verossimilhança. O vetor encontrado

113 A despeito de o percentual de volume de crédito para o segmento PF em relação à carteira total ser superior nos bancos privados (conforme Tabela 3.2).

105

pelo método de Engle e Granger é uma combinação linear de diferentes vetores de

cointegração.

Segundo, apesar da assunção de exogeneidade fraca sugerida pela metodologia de

Hausman, ainda assim existe a possibilidade de algum tipo de endogeneidade entre as

variáveis envolvidas. Terceiro, o spread pode ser considerado antecipador da inadimplência

bancária futura114. Nesse contexto, uma elevação conjuntural do spread indica expectativas de

aumento das incertezas econômicas e, conseqüentemente, do risco de default. O spread

também ocasiona risco de crédito, na medida em que pode encarecer o custo e dificultar o

pagamento nas condições pactuadas pelos tomadores no futuro. Logo, entre o risco de crédito

e o spread existe endogeneidade, ou mesmo causalidade bilateral115.

Assim sendo, faz-se adequado um complemento à análise por meio de outra técnica

capaz de suplantar as limitações identificadas. Para tanto, emprega-se um sistema de equações

múltiplas, o VAR cointegrado, ou VEC. A presença de causalidade reversa e endogeneidade

pode ser incorporada em modelos do tipo VAR/VEC, por serem estes estruturas

econométricas mais flexíveis. Simultaneamente, para especificação das relações de

cointegracão, emprega-se o procedimento de Johansen, superior ao teste de Engle-Granger –

de baixa potência e mais susetível à rejeição de relações de cointegração em casos em que

elas existem (LIGTHART, 2000).

4.5 Impacto e Variância de Choques sobre Risco de Crédito Bancário

Para exame mais minucioso acerca do risco de crédito bancário no Brasil a partir de

2000, adota-se uma abordagem de equações simultâneas ou, especificamente, do modelo de

auto-regressão vetorial (VAR). Essa abordagem alternativa permite verificar as inter-relações

entre as variáveis, fazendo uso de duas análises empíricas: as funções impulso-resposta e a

decomposição da variância.

A primeira análise permite observar a resposta de uma variável específica em face da

ocorrência de choque ou inovação; a segunda possibilita decompor a participação de cada

uma das variáveis no entendimento das alterações nas outras (LÜTKEPOHL, 2005).

Conforme sugere Chu (2001), o spread pode ter caráter antecipador sobre a

inadimplência, por consistir em um previsor de risco. Logo, além do uso de equações

114 Ver CHU (2001). 115 Isto é sugerido pelo teste de precedência temporal de Granger reportado na Tabela A.9.

106

múltiplas, esta seção também incorpora o spread (LSPREAD) na análise, dada a possibilidade

de existência de endogeneidade não inviabilizar o modelo. Isso ocorre porque a metodologia

VAR/VEC permite a análise da interação dinâmica entre as variáveis sem ter que assumir, a

princípio, a endogeneidade de uma ou mais variáveis.

Quanto à ordem de integração das séries de interesse, todas são I(1), inclusive a

LSPREAD, conforme visto na Tabela 4.1. Dada a inclusão da variável spread, fazem-se

necessários novos testes para a identificação da existência ou não de vetores cointegrantes.

Caso estes existam, a aplicação do VAR, sem a consideração dos mesmos vetores, irá

acarretar estimações tendenciosas e problemas de espuriedade decorrentes da má

especificação.

A simples diferenciação das variáveis (cointegradas) para resolução do problema de

não-estacionariedade das séries ocasiona perda relevante de informação econômica de longo

prazo. Portanto, no caso da rejeição da inexistência de vetor cointegrante, acrescenta-se esta

informação a respeito da trajetória de longo prazo das séries ao VAR, gerando um VEC de

maior robustez. Outro argumento a favor do uso do VEC, em casos assim, é que as interações

dinâmicas entre as variáveis tendem a mudar a cada fluxo em que são inseridas no sistema116.

Como na metodologia anterior, a análise será dividida em bancos públicos e privados.

4.5.1 Modelo de Correção de Erro Vetorial – Bancos Públicos

Dada a ordem de integração unitária para as variáveis envolvidas, testa-se a existência

de um ou mais vetores de cointegração pelo método sistêmico de Johansen. O primeiro passo

implica a definição do número de defasagens. A escolha é feita com base nos critérios de

razão de máxima verossimilhança modificados (LR), erro de predição final (FPE), Akaike

(AIC), Schwarz (SC) e Hannan-Quinn (HQ)117.

Tabela 4.8 Critérios de seleção de defasagem – Bancos Públicos

Defasagens LR FPE AIC SC HQ 0 NA 0,0000 -17,7766 -17,5869 -17,7011 1 711,2406 0,0000 -27,7188 -26,3907 -27,1901 2 153,2748* 0,0000* -29,3166* -26,8503* -28,3348* 3 46,5838 0,0000 -29,1956 -25,5909 -27,7605 4 43,1407 0,0000 -29,1135 -24,3704 -27,2253

Notas: As variáveis utilizadas foram Risco de Crédito (B.Públicos), Desemprego, Produto, Selic, Compulsório e Spread. A amostra corresponde ao períodos de 3/2000 a 6/2006. Para o LR a cada teste seqüencial utilizou-se 5%. (*) Indica a defasagem selecionada pelo critério.

116 Uma abordagem didática pode ser encontrada em Maddala (2001) e Greene (1993). 117 Para maior aprofundamento, ver Lütkepohl (2005).

107

De acordo com todos os testes (Tabela 4.8)118, o ideal seriam duas defasagens no VAR

e, portanto, uma defasagem para o teste de Johansen. O resíduos destes modelos não são

autocorrelacionados. Conforme sugestão de Hall119 (apud Marques, 1992), considera-se

aquele modelo que proporcione os menores valores para as estatísticas do traço e do máximo

valor próprio. Nesse caso, os resultados convergiram.

A inclusão dos componentes determinísticos (constante e tendência) na relação

cointegrante120 e a omissão da tendência no vetor auto-regressivo são escolhidas com base nos

critérios de Schwarz e Akaike e na análise gráfica das variáveis envolvidas (Gráfico 3.1)121.

Essa especificação não diverge da empregada na cointegração presente na equação estrutural

desenvolvida para os bancos públicos.

Para determinar o número de vetores de cointegração, utilizam-se as estatísticas do

traço e do máximo autovalor, que indicam, respectivamente, três e duas relações cointegrantes

(Tabela A.17). Apesar de o número de relações ter variado conforme o teste, o fato importante

é a impossibilidade de se rejeitar a existência de relações de cointegração, ou seja, é adequado

usar um modelo VEC para o caso em questão122.

A sugestão de Enders (2003), de priorizar o resultado da estatística de máximo

autovalor, é ratificada tanto pelo critério de Schwarz e pelos testes de diagnóstico (ambos

sobre o VEC subjacente), quanto pelo princípio da parcimônia. Todos indicam o uso de dois

vetores de cointegração.

A existência de vetores cointegrantes impõe a transformação do modelo VAR no

modelo de correção de erro vetorial (VEC) para análise das inter-relações dinâmicas. Assim,

os resultados do VEC estimados encontram-se no apêndice (Tabela A.18). Os gráficos das

relações de cointegração e dos resíduos de cada equação também são apresentados no

apêndice (Gráficos A.6 e A.7)123.

118 Para todas as definições do número de lags deste Trabalho, foram testados também até oito defasagens. Entretanto, as quatro últimas defasagens não se mostraram superiores pelos critérios adotados em nenhum caso. 119 HALL, S. G. The Effect of Varying Length VAR Models on the Maximum Likelihood Estimates of Cointegrating Vectors. Scottish Journal of Political Economy, v. 38, n.4, Nov. 1991, p. 317-23. 120 Conforme Hendry e Juselius (2001:95), “[...] when two (or more) variables share the same stochastic and deterministic trends, it is possible to find a linear combination that cancels both the trends. The resulting cointegration relation is not trending, even if the variables by themselves are. In the cointegrated VAR model, this case can be accounted for by including a trend in the cointegration space. In other cases, a linear combination of variables removes the stochastic trend(s), but not the deterministic trend, so we again need to allow for a linear trend in the cointegration space”. 121 Para maiores informações a respeito do procedimento adotado, ler Hendry e Juselius (2000 e 2001). 122 De acordo com Harris (1995), a divergência na indicação do número de vetores cointegrantes por esses dois testes é conseqüência comum às pequenas amostras. 123 Cabe a ressalva que, no caso de dois vetores de cointegração, perde-se o significado da apresentação da relação de longo prazo. A estimação é do subespaço de cointegração e, no caso de dois vetores, estes podem ser modificados por meio de uma transformação linear (Gonzaga e Corseuil, 2001).

108

A validade da especificação depende da não-correlação serial, da normalidade e da

homoscedasticidade nos resíduos. Para tanto, foram realizados diversos testes. Pela análise

visual (Gráfico A.7) supõem-se ruídos brancos. Pelo teste de Portmanteau e pelo teste do

multiplicador de Lagrange - LM (Tabela A.19), não se rejeita a autocorrelação nula. Quanto

ao teste de White para a heteroscedasticidade (Tabela A.20), estima-se com e sem a inclusão

de termos cruzados. Por ambas as especificações, não existem razões suficientes para rejeitar

a hipótese nula de resíduos homoscedásticos124. Para o diagnóstico da normalidade, efetuam-

se os testes de Lutkepohl e de Doornik-Hansen (Tabela A.21). Estes não evidenciam presença

de não-normalidade multivariada nos resíduos.

É desejável ainda a estacionariedade do sistema de equações múltiplas. Por meio dos

autovalores da matriz de longo-prazo, pode-se verificar a estacionariedade dos componentes

de um VAR. Para um p-dimensional VAR com d lag(s), existem p.d autovalores, em que p é

o número de variáveis endógenas. Caso todos os autovalores estejam dentro do círculo

unitário, pode-se considerar a estabilidade nos parâmetros. No caso do VEC, é imposto que p-

r autovalor(es) esteja(m) sobre o círculo unitário, em que r é o número de relações

cointegrantes125. Neste caso específico, têm-se seis variáveis endógenas e dois vetores de

cointegração; portanto, quatro raízes unitárias. Os demais autovalores estão dentro do círculo

unitário (Gráfico A.8).

É sabido que, na metodologia VAR/VEC, a ordenação das variáveis influi nos

resultados advindos das análises impulso-resposta e da decomposição da variância126. Diante

disso, para evitar a arbitrariedade na ordenação, aplica-se previamente o teste de

Granger/Wald (Granger Causality/Block Exogeneity Wald Tests). Esse procedimento calcula

a significância conjunta de cada variável endógena defasada para cada equação do modelo. A

partir da estatística qui-quadrado, ordenam-se as variáveis das mais exógenas para as mais

endógenas (dos menores para os maiores valores da estatística)127. Os resultados estão

presentes na Tabela 4.9.

124 Os resultados são mencionados com um grau de confiança de 95% (e não se alteram a 99%). 125 Ver Lüttkepohl (2005). 126 No caso específico em que a matriz de covariância dos resíduos é uma matriz diagonal (ou similar a uma), o ordenamento não importa. 127 Para mais detalhes, ver Enders (2003) ou Charemza e Deadman (1997).

109

Tabela 4.9 Critério de Ordenação das Variáveis – Bancos Públicos

Variável Dependente

Desemprego Produto SELIC Compulsório R. Créd. (Púb.) Spread Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob.

Desemprego - - 1,87 0,17 0,00 1,00 1,95 0,16 1,85 0,17 1,07 0,30Produto 4,68 0,03 - - 0,13 0,72 0,09 0,76 3,96 0,05 2,54 0,11SELIC 0,13 0,72 0,00 0,96 - - 0,00 0,98 7,99 0,00 15,45 0,00Compulsório 0,72 0,40 1,73 0,19 3,52 0,06 - - 14,69 0,00 14,84 0,00R.Créd.(Púb.) 0,37 0,54 3,19 0,07 0,42 0,52 0,21 0,65 - - 4,73 0,03Spread 0,15 0,70 2,03 0,15 2,81 0,09 4,70 0,03 9,78 0,00 - - Total 5,35 0,37 6,64 0,25 6,77 0,24 9,87 0,08 33,25 0,00 35,95 0,00Nota: Os valores para o probabilidade foram calculados pelo Eviews 5.

A ordenação proposta é Desemprego, Produto Industrial, Selic, Compulsório, Risco de

Crédito (Público) e Spread. Conseqüentemente, como se conjeturava no modelo anterior, a

variável de interesse no estudo – risco de crédito – é afetada contemporaneamente por quase

todas as variáveis testadas, exceto pelo spread. Assim, além de consistente estatisticamente,

essa ordenação tem sentido teórico.

Uma vez estimado o modelo VEC, realizados os testes de robustez e ordenadas as

variáveis, parte-se para a análise das funções impulso-resposta e da decomposição da

variância128. Devido à freqüência mensal dos dados, apresentam-se as análises para o período

de doze meses após a ocorrência do choque. A estabilidade dos efeitos depois de um ano

sanciona esta janela de análise.

Conforme Enders (2003), as funções de resposta ao impulso mostram os efeitos de

longo prazo das séries temporais quando há determinado choque exógeno em alguma das

variáveis do modelo. Portanto, as funções impulso-resposta apontam a reação do risco de

crédito bancário quando há alguma inovação exógena nas variáveis incorporadas no modelo.

As funções são obtidas pela tradicional decomposição de Cholesky. Para comparação

da ordenação previamente definida, calculam-se também as funções de impulso-resposta pela

metodologia proposta em Pesaran e Shin (1998). Estes Autores constróem um grupo de

inovações ortogonais que não dependem da ordenação. Essas funções especiais são

conhecidas como impulsos generalizados (GIR). O método não impõe a priori restrições

quanto à importância relativa de cada variável sobre o processo de transmissão. O

comparativo entre as duas metodologias possibilita a ratificação ou a retificação da ordenação

prévia.

128 Ambas as ferramentas são estimadas apenas para o risco de crédito bancário (público e privado) que representa a variável de interesse na análise empírica.

110

Dessa forma, o relacionamento entre o risco de crédito bancário e cada um dos fatores

macroeconômicos é examinado pelo cômputo das funções de impulso-resposta (via

decomposição de Cholesky e GIR), derivadas da estimação de seis equações do modelo VEC.

Uma inovação em qualquer das variáveis deve ser interpretada como inesperado choque

econômico (medido pelo impulso de um desvio-padrão). Logo, as funções traçam o efeito no

risco ocasionado por um choque contemporâneo em cada uma das variáveis endógenas. Pelos

gráficos a seguir (Gráficos 4.1 ao 4.6), é possível comparar a magnitude das respostas do risco

de inadimplência às alterações em si próprio e nas demais variáveis.

Gráfico 4.1 Resposta do Risco ao Impulso (um DP) na mesma Variável – Bancos Públicos

.030

.032

.034

.036

.038

.040

.042

.044

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

Gráfico 4.2 Resposta do Risco ao Impulso (um DP) no Desemprego – Bancos Públicos

-.002

.000

.002

.004

.006

.008

.010

.012

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

111

Gráfico 4.3 Resposta do Risco ao Impulso (um DP) no Produto – Bancos Públicos

-.020

-.016

-.012

-.008

-.004

.000

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

Gráfico 4.4 Resposta do Risco ao Impulso (um DP) na Selic – Bancos Públicos

.00

.01

.02

.03

.04

1 2 3 4 5 6 7 8 9 10 11 12

GIR CholeskyMeses

Gráfico 4.5 Resposta do Risco ao Impulso (um DP) no Compulsório – Bancos Públicos

-.008

-.004

.000

.004

.008

.012

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

112

Gráfico 4.6 Resposta do Risco ao Impulso (um DP) no Spread – Bancos Públicos

-.016

-.012

-.008

-.004

.000

1 2 3 4 5 6 7 8 9 10 11 12

GIR CholeskyMeses

De modo geral, não foram verificadas grandes diferenças nos resultados obtidos pelas

duas metodologias129. A despeito de a resposta no risco de crédito ser mais sensível pelo

método generalizado, o formato das funções impulso-resposta é semelhante para cada

variável, demonstrando boa aderência da ordenação escolhida na metodologia de Cholesky.

Nota-se, também, que, em todos os casos, os impulsos causaram efeitos duradouros, sendo

estes estáveis apenas após um ano.

O choque na volatilidade do risco gera reação positiva e crescente risco de crédito a

partir do segundo mês após o choque. O mesmo ocorre pelo impulso no desemprego, sendo o

efeito positivo, no entanto, decrescente após o quinto mês. Um choque no produto causa

significativa redução no risco - como já era esperado pela teoria. Por sua vez, inovações nas

variáveis monetárias - Selic ou compulsório - elevam o risco de crédito, sendo o efeito maior

no caso da taxa de juros básica da economia.

O choque no compulsório no primeiro mês reduz o risco, mas passa a elevá-lo nos

meses seguintes a taxas crescentes e decrescentes sucessivas. Esse comportamento cíclico se

assemelha ao obtido pela equação estrutural do modelo de correção de erros. O impulso nos

demais fatores macroeconômicos gera sinais de respostas que também vão ao encontro dos

resultados oriundos do ECM. No geral, a Selic e o produto industrial se destacam quanto à

intensidade de seus respectivos choques sobre o risco.

Uma observação importante é a redução no risco de crédito dos bancos públicos

quando de choque no spread bancário. O efeito antecipador do spread sobre a expectativa de

inadimplência não é verificado nos bancos públicos. Isso sugere que possa existir

129 Um impulso na própria variável em que se obtém a resposta (Risco) gera funções idênticas (Gráfico 4.1).

113

descolamento nas expectativas de inadimplência presentes na constituição do spread e o risco

medido nos bancos públicos. Outra explicação seria que a maior volatilidade no spread gera

atitudes defensivas por parte dos bancos públicos no que tange à concessão de empréstimos e,

conseqüentemente, reprime o nível de risco.

Todavia, pela análise dos intervalos de confiança (grau de 99%) das funções de

impulso-resposta por Cholesky (Gráfico A.9), apenas o Produto, a Selic e o próprio Risco de

Crédito geram efeitos siginificativos. No caso do Compulsório, a resposta é significativa

apenas no segundo mês após o choque.

Enquanto a função impulso-resposta traça o efeito de choque em uma variável

endógena sobre as outras variáveis, a decomposição da variância separa a variação em uma

variável entre os componentes do choque. Providencia, assim, informação sobre a importância

relativa de cada inovação que afeta as variáveis do modelo. Em síntese, o objetivo da técnica

é explicitar a participação de cada variável do modelo na variância dos resíduos das demais

variáveis incluídas (Enders, 2003).

De acordo com a Tabela 4.10, que expressa a decomposição da variância para doze

meses após o choque, a maior parte do comportamento do risco de crédito dos bancos

públicos deve-se à Selic (55,11%), ao próprio risco (31,88%) e ao produto industrial (8,20%).

As demais variáveis apresentam efeitos semelhantes: desemprego (1,96%), spread (1,90%) e

compulsório (0,94%).

Tabela 4.10 Decomposição de Variância (%) para o Risco de Crédito dos Bancos Públicos

Período Desemprego Produto Selic Compulsório Risco de Crédito (Púb.)

Spread

1 0,1411 0,4426 9,7189 9,3293 80,3681 0,0000 2 0,1026 7,3781 21,6912 5,3444 65,4020 0,0816 3 1,4858 10,5464 30,1135 3,4801 53,5084 0,8658 4 2,5614 10,4831 36,0258 2,9005 46,5003 1,5289 5 3,0105 10,3059 40,1925 2,5219 41,9646 2,0046 6 3,0112 10,0986 43,4748 2,1625 39,1149 2,1381 7 2,8322 9,8057 46,2520 1,8333 37,1357 2,1410 8 2,6262 9,4700 48,6235 1,5666 35,6127 2,1009 9 2,4331 9,1162 50,6441 1,3561 34,3972 2,0532

10 2,2590 8,7801 52,3673 1,1887 33,4021 2,0028 11 2,1027 8,4733 53,8418 1,0539 32,5769 1,9514 12 1,9631 8,1972 55,1129 0,9443 31,8821 1,9005

Nota: Ordenação das variáveis: desemprego, produto, Selic, compulsório, risco de crédito bancos públicos e spread.

Então, os resultados encontrados na função impulso-resposta e na decomposição da

variância mostram como principais determinantes macroeconômicos do risco de crédito dos

114

bancos públicos no Brasil a taxa Selic e o produto. Enquanto um choque positivo na primeira

impulsiona o risco de crédito, na segunda o reprime.

4.5.2 Modelo de Correção de Erro Vetorial – Bancos Privados

Todas as variáveis envolvidas são I(1), conforme a seção 0. Destarte, por meio do teste

de Johansen, procura-se identificar a existência de vetores cointegrantes e, em caso de

confirmação, o número sugerido. Antes, porém, é necessária a escolha do número de

defasagens a ser utilizada. A escolha é determinada pelo conjunto de critérios presentes na

Tabela 4.11.

Tabela 4.11 Critérios de seleção de defasagem – Bancos Privados

Defasagens LR FPE AIC SC HQ 0 NA 0,0000 -19,5425 -19,3528 -19,4670 1 692,6825 0,0000 -29,1992 -27,8711 -28,6704 2 135,0087 0,0000 -30,5430* -28,0210* -29,5055* 3 55,94585* 0,0000* -30,4874 -26,9383 -29,1080 4 43,3167 0,0000 -30,4646 -25,7216 -28,5764

Notas: As variáveis utilizadas foram Risco de Crédito (B.Privados), Desemprego, Produto, Selic, Compulsório e Spread. A amostra corresponde ao períodos de 3/2000 a 6/2006. Para o LR a cada teste seqüencial utilizou-se 5%. (*) Indica a defasagem selecionada pelo critério.

Apesar de não haver unanimidade entre os critérios de seleção do lag, o escolhido é o

menor (duas defasagens no modelo de auto-regressão vetorial e uma para o teste de

cointegração), dado que este foi indicado pela maioria dos critérios na determinação das

defasagens (AIC, SC e HQ); pela metodologia de Hall (1991); pelos critérios SC e AIC do

modelo subjacente e pelo princípio da parcimônia conjunto à análise dos resíduos.

A opção pelo uso da constante e da tendência na relação cointegrante e da constante no

VAR é fundamentada nos critérios de Schwarz e Akaike pela análise gráfica das variáveis

envolvidas (Gráfico 3.1). A especificação dos componentes determinísticos empregada na

cointegração converge com a utilizada no modelo de correção de erros para bancos privados.

Essa definição sugere, com 5% de significância estatística, a existência de um vetor de

cointegração conforme os testes do traço e do máximo autovalor (Tabela A.22).

Diante disso, decide-se por analisar as interações dinâmicas entre essas variáveis no

contexto de um modelo VEC. Os coeficientes do VEC estimado, o gráfico da relação de

cointegração e os gráficos dos resíduos das equações do modelo estão disponíveis no apêndice

(Tabela A.23, Gráficos A.10 e A.11, respectivamente).

A robustez do modelo é examinada por meio de um conjunto de testes. Quanto à

autocorrelação, os testes de Portmanteau e do multiplicador de Lagrange não apresentam

115

indícios significativos (grau de 99% confiança) de existência (Tabela A.24). A análise visual

dos resíduos (Gráfico A.11) corrobora essa evidência. Pelos testes de White (Tabela A.25),

com e sem adição dos termos cruzados, não existem motivos para se rejeitar a hipótese de

resíduos homoscedásticos. Com 1% de significância, a normalidade nos resíduos é rejeitada

pelo teste de Lutkepohl, porém não rejeitada pelo teste de Doornik-Hansen (Tabela A.26). As

seis variáveis endógenas e o vetor cointegrante impõem cinco autovalores sobre o círculo

unitário. Todavia, os demais autovalores possuem valores em módulo menores que um

(Gráfico A.12). Portanto, os resultados validam a especificação do modelo especificado,

podendo assim seguir para as análises específicas das funções impulso-resposta e da

decomposição da variância.

Tabela 4.12 Critério de Ordenação das Variáveis – Bancos Privados

Variável Dependente Compulsório Desemprego SELIC Produto Spread R. Créd. (Priv.) Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob. Qui-quad. Prob.

Compulsório - - 3,50 0,06 5,24 0,02 1,00 0,32 7,44 0,01 0,04 0,84Desemprego 1,92 0,17 - - 0,24 0,63 2,20 0,14 2,62 0,11 16,04 0,00SELIC 0,07 0,80 0,23 0,63 - - 2,79 0,10 13,59 0,00 9,38 0,00Produto 0,99 0,32 3,95 0,05 1,06 0,30 - - 0,11 0,74 10,21 0,00Spread 7,19 0,01 0,13 0,72 1,70 0,19 5,17 0,02 - - 6,58 0,01R.Créd.(Priv.) 0,34 0,56 4,61 0,03 5,81 0,02 0,00 0,99 0,13 0,71 - - Total 12,40 0,03 12,96 0,02 13,90 0,02 15,73 0,01 23,16 0,00 29,59 0,00Nota: Os valores para o probabilidade foram calculados pelo Eviews 5.

Para definir um ordenamento estatisticamente consistente, emprega-se o teste de

endogeneidade das variáveis (Granger Causality/Block Exogeneity Wald Tests), útil no

sentido de ordenar as variáveis por grau de exogeneidade (Tabela 4.12).

A ordenação é a seguinte: Compulsório, Desemprego, Selic, Produto Industrial,

Spread e Risco de Crédito Bancos Privados. A variável de interesse, o risco, é, por

conseguinte, a mais endógena. Em consonância com o modelo de uma equação presente na

seção 0, o risco de crédito dos bancos privados é influenciado por todas as demais séries

(inclusive o spread), respondendo aos choques no mesmo período. Além disso, a ordem

sugerida, embora não determinada a priori pelo conhecimento teórico, apresenta coerência

com ele. O nível de compulsório é a variável mais exógena, dado seu controle parcial pelo

BCB; o spread bancário é afetado pelos fatores macroeconômicos selecionados - como é

sugerido por diversos estudos realizados no Brasil; o produto sofre efeito do lado monetário e

do desemprego e o patamar de risco de crédito dos bancos privados é influenciado pela

conjuntura econômica.

116

Pelos mesmos motivos apresentados para as análises de impulso e de variância sobre

os bancos públicos, utilizam-se doze meses para as instituições privadas. Logo, são

apresentadas, abaixo, as simulações de choques das variáveis envolvidas no modelo sobre o

risco de crédito dos bancos privados. O objetivo é identificar o comportamento do risco de

crédito médio diante dos impulsos e, simultaneamente, a persistência dos efeitos. As respostas

do risco de crédito bancário aos choques de cada variável que consta no modelo são

apresentadas a seguir (Gráfico 4.7 ao 4.12).

Gráfico 4.7 Resposta do Risco ao Impulso (um DP) na mesma Variável – Bancos Privados

.008

.010

.012

.014

.016

.018

.020

.022

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

Gráfico 4.8 Resposta do Risco ao Impulso (um DP) no Desemprego – Bancos Privados

-.004

-.002

.000

.002

.004

.006

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

117

Gráfico 4.9 Resposta do Risco ao Impulso (um DP) no Produto – Bancos Privados

-.016

-.012

-.008

-.004

.000

.004

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

Gráfico 4.10 Resposta do Risco ao Impulso (um DP) na Selic – Bancos Privados

-.004

.000

.004

.008

.012

.016

.020

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

Gráfico 4.11 Resposta do Risco ao Impulso (um DP) no Compulsório – Bancos Privados

-.004

.000

.004

.008

.012

.016

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

118

Gráfico 4.12 Resposta do Risco Bancos Privados ao Impulso (um DP) no Spread – Bancos Privados

-.004

-.002

.000

.002

.004

.006

.008

.010

1 2 3 4 5 6 7 8 9 10 11 12

GIR Cholesky

Meses

A ordenação utilizada para Cholesky gera funções similares à da GIR130, o que, por

sua vez, minimiza os possíveis efeitos de composição presentes nos choques ortogonais. Em

âmbito geral, as respostas se estabilizam sete meses após a inovação simulada.

O risco de crédito reage positivamente após o choque em sua volatilidade, entretanto

esse efeito se reduz com o passar do tempo, retornando a um estágio estacionário. O impulso

simulado no desemprego ocasiona elevação do risco nos três primeiros meses, mas inverte seu

efeito nos meses seguintes. No entanto, esse efeito é muito próximo de zero. Esses resultados

se assemelham aos efetuados pelo modelo de correção de erros para os bancos privados, em

que o comportamento foi cíclico e com indícios de ser nulo pelo teste de Wald.

A resposta no risco advinda do choque no produto também é coerente com o ECM, ou

seja, reduz-se o risco significativamente tanto no curto quanto no longo prazo. Os choques

produzidos por qualquer das variáveis monetárias causam elevações permanentes no risco de

crédito dos bancos privados; todavia, em termos de magnitude, os efeitos gerados pela Selic e

pelo compulsório, quando comparado ao do spread, sobressaem. A mesma intensidade

somente é observada, no sentido contrário, pelo efeito do choque no produto. No caso dos

bancos privados, os resultados corroboram os propostos pela teoria.

Os fatores macroeconômicos que ocasionam respostas significativas – a 99% de

confiança – são produto, Selic e compulsório (Gráfico A.13).

A segunda etapa da análise dos bancos privados por equações múltiplas concentra-se

na análise de decomposição da variância dos erros de previsão, que é útil por mostrar a

evolução do comportamento dinâmico das variáveis em consideração n períodos à frente.

130 No caso de choque no próprio risco, as funções se sobrepõem no Gráfico 4.7.

119

A análise de decomposição da variância (Tabela 4.13) indica que as variáveis mais

importantes para a explicação da variância do risco de crédito bancário doze meses após o

choque são, além dela mesma (36,97%), o compulsório (26,65%), o produto (18,26%) e a

Selic (13,05%). O percentual referente ao spread se mantém em cerca de quatro ao longo do

período de um ano. A parte da variância explicada pelo desemprego, a partir do segundo mês,

reduz-se, atingindo 0,68% doze meses após o choque.

Tabela 4.13 Decomposição de Variância (%) para o Risco de Crédito dos Bancos Privados

Período Compulsório Desemprego Selic Produto Spread Risco de Crédito (Priv.)

1 0,0831 0,7486 2,0357 0,0229 1,2492 95,8604 2 0,9770 3,7237 1,0666 3,0644 1,3220 89,8463 3 6,2696 2,7697 0,6548 13,7877 2,2969 74,2213 4 12,5459 1,9011 0,6901 19,4514 4,1960 61,2156 5 16,8451 1,5189 1,5332 21,4607 5,1712 53,4708 6 19,6806 1,3032 3,0602 21,5748 5,3766 49,0046 7 21,5914 1,1358 4,9089 21,0935 5,2488 46,0216 8 23,0183 1,0003 6,7847 20,4666 5,0464 43,6837 9 24,1751 0,8914 8,5564 19,8563 4,8501 41,6707

10 25,1459 0,8044 10,1895 19,2870 4,6789 39,8943 11 25,9634 0,7344 11,6866 18,7558 4,5265 38,3333 12 26,6489 0,6770 13,0539 18,2606 4,3879 36,9716

Nota: Ordenação das variáveis: compulsório, desemprego, Selic, produto, spread e risco de crédito bancos privados.

Pelo exame conjunto das respostas aos impulsos e da decomposição da variância,

conclui-se que as variáveis macroeconômicas mais importantes como determinantes do risco

de crédito nos bancos privados no Brasil são a taxa de compulsório, a taxa Selic e o produto.

4.5.3 Modelo de Correção de Erro Vetorial – Comparativo entre os Tipos de Bancos

Por via das análises efetuadas pelo VAR com correção de erros, observa-se que o

produto e a Selic são fatores determinantes para o risco de crédito bancário no Brasil,

independente do tipo de banco. O aperto monetário, medido pelo compulsório, afeta

positivamente o nível de risco dos bancos nacionais, mas com intensidade maior na carteira de

crédito dos bancos privados. Os Gráficos 4.13 e 4.14 sintetizam visualmente os resultados

obtidos pela função impulso-resposta e pela análise da decomposição da variância para

bancos públicos e privados, respectivamente.

Como pode se notar pelas funções impulso-resposta presentes no Gráfico 4.13, dentre

os fatores macroeconômicos, os impactos mais expressivos sobre o risco de crédito dos

120

bancos públicos (positivo e negativo, respectivamente) são causados pelos choques na Selic e

no Produto. Destacam-se também na explicação da variância, desconsiderando o efeito do

próprio risco. Por um lado, o efeito no risco oriundo da inovação no produto confirma o que já

havia sido exposto no modelo de correção de erros. Por outro, a Selic, apesar de afetar o risco

positivamente nos dois modelos (ECM e VEC), não se mostra significativa no ECM (exceto

no longo prazo).

Gráfico 4.13 Impacto e Variância – Risco de Crédito dos Bancos Públicos

0

10

20

30

40

50

60

70

80

90

1 2 3 4 5 6 7 8 9 10 11 12-.02

-.01

.00

.01

.02

.03

.04

.05

1 2 3 4 5 6 7 8 9 10 11 12

Risco de CréditoDesempregoProduto

SELICCompulsórioSpread

Meses

Decomposição da VariânciaFunção Impulso Resposta Generalizada

Todavia, além da inclusão do spread, algumas observações se fazem relevantes no que

se refere à diferença entre os dois modelos. No modelo VEC, verificam-se as funções de

resposta sobre o risco de crédito bancário a impulsos não antecipados nos fatores

macroeconômicos. Adicionalmente, neste último modelo, o efeito dinâmico entre as variáveis

é captado. Provavelmente, a Selic ocasiona impactos sobre as outras variáveis do modelo, e o

efeito interligado entre estas afeta o risco em última instância. Essa conjunção pode justificar

a importância desta variável no modelo VEC.

Para os bancos privados (Gráfico 4.14), os fatores macroeconômicos que se destacam

são o Compulsório, o Produto e a Selic. O spread, a despeito de em menor intensidade que

essas três variáveis, relaciona-se positivamente com risco, como se previa, devido ao fator

antecipador. Quanto ao desemprego, em consonância com o ECM estimado anteriormente,

este demonstrou efeito cíclico e de pouca relevância sobre o risco de crédito dos bancos

privados. O produto e o compulsório também apresentam resultados que vão ao encontro do

modelo de correção de erros. A diferença entre os resultados referentes à Selic pelas duas

Gustavo

Rectangle

121

metodologias aplicadas na análise dos bancos privados pode ser explicada pelos mesmos

motivos expostos para os bancos públicos.

Gráfico 4.14 Impacto e Variância – Risco de Crédito dos Bancos Privados

0

20

40

60

80

100

1 2 3 4 5 6 7 8 9 10 11 12-.02

-.01

.00

.01

.02

.03

1 2 3 4 5 6 7 8 9 10 11 12

Risco de CréditoDesempregoProduto

SELICCompulsórioSpread

Meses

Decomposição da VariânciaFunção Impulso Resposta Generalizada

Assim, pelos resultados das análises de função impulso-resposta e de decomposição da

variância, sugere-se que a taxa de juros básica e o nível de atividade econômica são os

principais determinantes macroeconômicos do risco de crédito bancário no Brasil.

Em termos globais, ao se compararem os resultados obtidos pelo ECM e pelo VEC,

também se verifica a importância do crescimento do produto e da redução da taxa de juros

para a melhoria da qualidade da carteira de crédito dos bancos e, por sua vez, do risco de

crédito. Se, pelo lado real, os efeitos causados sobre o risco de crédito bancário por alterações

no produto destacam-se em relação ao desemprego, pelo lado monetário, a Selic sobressai

frente às outras variáveis devido ao forte vínculo da taxa básica da economia com os demais

fatores macroeconômicos.

Percebe-se, ainda, que os bancos públicos são mais sensíveis às oscilações

macroeconômicas em comparação aos bancos privados. O impacto de mudanças dos fatores

no cenário conjuntural são maiores para as instituições bancárias do Setor Público.

A próxima seção estuda o processo de interação entre os bancos e a dinâmica

macroeconômica. Essa interatividade pode ser uma das causas do efeito distinto sobre o risco

de crédito entre os dois tipos de bancos.

122

4.6 Risco Macro e Micro – Análise por meio da Cointegração

Os fatores conjunturais afetam o risco em que os bancos incorrem ao operar uma

carteira de crédito. No entanto, esse risco não apenas é imposto pelo cenário econômico, mas

também pelas características intrínsecas dos tomadores de recursos envolvidos e da própria

instituição bancária. Essa combinação dos fatores microeconômicos é o risco idiossincrático.

As instituições financeiras, diante do grau de incerteza do cenário econômico, alteram

a postura quanto à seleção e à oferta das operações de crédito para prevenirem-se de eventuais

mudanças no nível de inadimplência.

Aqui está o cerne da questão. Bancos são inerentemente pró-cíclicos, isto é, são mais

seletivos nas operações de crédito em períodos de maiores incertezas econômicas e vice-

versa. O controle parcial sobre o perfil da carteira de crédito possibilita às instituições

bancárias manterem o nível de risco dentro de um intervalo preestabelecido por elas. Esse

controle ocorre pelo risco idiossincrático de sua carteira - pela capacidade de escolha dos

tomadores e pelo perfil de risco destes; permite-se, assim, aos bancos contrabalancear os

efeitos provindos do ambiente macroeconômico131. Momentos de recessão ou depressão

econômica estimulam a postura defensiva dos bancos na oferta de crédito e elevam o nível de

qualidade exigido para tomada de empréstimos. Já em momentos de crescimento econômico e

redução das incertezas macroeconômicas, os bancos aumentam suas concessões de crédito e

reduzem as exigências e os obstáculos à tomada de empréstimos132.

Sob a ótica da administração do ativo segundo a liquidez, pode-se argumentar que os

bancos, ao acompanhar o ciclo da economia, direcionam suas aplicações considerando

rentabilidade, mas também prazos e liquidez. Em momentos de queda da atividade,

instituições bancárias declinam a oferta de crédito e/ou migram seus recursos para outros tipos

de ativos, elevando a posição média de seus ativos em relação à liquidez e reduzindo o grau

de alavancagem. Em momentos de crescimento econômico, privilegia-se a rentabilidade em

relação à liquidez. De acordo com Paula e Alves Jr. (2003:159),

[...] é de se esperar que os bancos, na fase de crescimento, aumentem sua exposição ao risco, se tornando desejosos de sancionar o declínio nas margens de segurança das firmas, da mesma forma que, na crise, eles tendem a aumentar sua preferência pela liquidez, independentemente dos retornos esperados dos projetos de investimento.

131 O controle sobre o perfil da carteira é ampliado em situações em que a oferta de crédito é menor que a demanda deste recurso e a concorrência não é perfeita, como ocorre no Brasil. 132 O ciclo de crédito segue de perto o ciclo econômico. Para ver essa associação, inclusive para a América Latina, remeter a Ocampo (2002).

123

Essa concepção é extraída de Minsky (1986). Os mesmos autores (PAULA; ALVES

JR., 2003) inferem que bancos têm papel relevante na explicação do comportamento do ciclo

econômico, seja por acomodar a demanda de crédito na fase expansionista, impulsionando a

atividade econômica, seja por contrair as operações de crédito na fase contracionista do ciclo,

ampliando a crise pela restrição de recursos à rolagem das dívidas das empresas que se

encontram com a capacidade de geração de receitas deteriorada.

A característica pró-cíclica é uma das principais críticas ao Basiléia II. Alguns estudos

mostram que o Novo Acordo irá reforçar essa propriedade, ou seja, a capacidade de

amplificar o ciclo econômico e também a escala de uma crise (Griffith-Jones e Spratt, 2001;

Ocampo, 2002). Em momentos de otimismo e euforia, quando a tolerância ao risco é maior,

os bancos irão impulsionar ainda mais a economia e adotarão postura inversa nos momentos

em que a economia estiver contraída, ou seja, exatamente no período em que deveriam

estimular o ambiente econômico.

Esse efeito tende a ser mais forte nos mercados emergentes, onde a amplificação do

aspecto pró-cíclico dos empréstimos - especialmente em relação ao grau de especulação sobre

países em desenvolvimento - aumenta, então, a vulnerabilidade durante crises financeiras133.

Entretanto, a ampliação do efeito pró-cíclico do crédito bancário ocorreu também após o

advento do acordo original da Basiléia. A adoção dos requerimentos de capital, por exemplo,

desencorajou ainda mais os bancos a emprestarem em tempos de maior incerteza sobre os

caminhos da economia devido à elevação de custo.

Dessa maneira, o risco de crédito, além de seu componente conjuntural ditado pelo

ambiente macroeconômico, está associado aos aspectos idiossincráticos dos tomadores de

recursos em si. A instituição bancária, apesar de ser capaz de influenciar, não tem controle

sobre as variáveis macroeconômicas. Todavia, é capaz de modificar o perfil de sua carteira de

crédito, visando incorrer em maior ou menor grau de risco.

Por conseguinte, os bancos - a despeito de serem afetados pelo risco macroeconômico

- conseguem interferir no risco microeconômico da sua carteira. Esse controle parcial sobre o

risco idiossincrático, no âmbito do portfólio, pode ser utilizado para compensar alterações do

risco conjuntural134. Aumentos no risco macroeconômico induziriam contrapartidas via risco

microeconômico, buscando a manutenção do risco total em um patamar desejado e

133 O BIS reconhece o potencial de o Acordo amplificar o ciclo de negócios, porém acredita que os benefícios compensam os custos (GRIFFITH-JONES E SPRATT, 2001). 134 Apesar da impossibilidade de os bancos alterarem o risco idiossincrático de cada cliente/operação específica, estas instituições podem modificar o risco idiossincrático em nível de portfólio, isto é, o risco microeconômico envolvido na carteira total de crédito.

124

preestabelecido pela administração do banco. A instituição bancária age, assim, de forma a

gerir eficientemente o risco/retorno das operações de crédito.

Portanto, pretende-se investigar essa suspeita no Brasil no período em estudo. O risco

de crédito medido ao longo do Trabalho, segundo a metodologia adotada, refere-se ao risco de

crédito total, isto é, inclui o risco macro e o microeconômico. É o risco de inadimplência da

carteira, levando em consideração as características dos tomadores e do ambiente econômico

em que estes se inserem. Como visto no Capítulo 1, os modelos internos dos bancos para

determinação da probabilidade de inadimplência devem, por regulamentação, levar esses

fatores em consideração.

A despeito da consciência teórica sobre a separação do risco em macro e micro, sua

ruptura analítica é complicada. Conseguir uma medida padronizada para o risco

idiossincrático da carteira de crédito bancária apartada do risco macroeconômico não é

simples, não obstante os avanços estatísticos e matemáticos acerca do risco. Portanto,

empregam-se medidas que demonstrem os movimentos na carteira de crédito induzidas pelos

bancos com o intuito de modificarem o risco idiossincrático total.

Contudo, existe, como agravante, a dificuldade em se obterem informações acerca das

carteiras de crédito por tipo de controle no Brasil. As informações mais detalhadas (como

visto no Capítulo 2) referem-se às operações de crédito com recursos livres referenciais para a

taxa de juros. No entanto, neste nível de informação, não existe a segmentação por tipo de

banco. Por isso, opta-se por analisar primeiramente a relação de cointegração entre o risco

micro e macro para toda amostra de bancos e, depois, com outro conjunto de proxies, analisar

por tipo de banco. Se a captura do risco idiossincrático não é possível, diversos indicadores

que mensurem a postura do banco, no que concerne às mudanças do risco idiossincrático, são

empregados como proxies.

As oscilações do risco microeconômico por parte das instituições bancárias no Brasil

são medidas pelas séries de concessão de crédito: LPERCONCAT_SA e

LPERCONCPFT_SA. Também duas são as proxies - tomadas separadamente - empregadas

para capturar os movimentos na carteira de crédito dos bancos públicos e privados com o

intuito de alterar o risco microeconômico: o montante das operações de crédito real

(LOPCREDPUBR_SA e LOPCREDPRIVR_SA) e o percentual da carteira referente à pessoa

física (LPERCPFPUB_SA e LPERCPFPRIV_SA).

Á luz de trabalhos empíricos presentes na literatura (por exemplo, KOYAMA;

NAKANE, 2002a e 2002b, e AFANASIEFF; LHACER; NAKANE, 2002), utiliza-se o risco

país (LEMBI) como proxy do risco macroeconômico. Logo, essa série de risco é contrastada

125

ao par com cada uma das proxies de alterações do risco idiossincrático.

Sabe-se que alterações no portfólio de crédito de uma instituição bancária são

demoradas dadas as próprias características intrínsecas dos empréstimos. No processo de

liquidação de operações já existentes e de contratação de novas, provenientes de políticas

definidas pela administração, existe defasagem temporal. Por conseguinte, mudanças na

constituição da carteira de crédito são, a princípio, de médio e longo prazo. Assim, para

verificar a relação das duas variáveis no longo prazo, emprega-se a análise de cointegração.

Desse modo, verifica-se a cointegração entre as séries pelo modelo proposto em

Johansen (1988 e 1991), que faz uso de um VAR. Sabe-se, a priori, que as séries envolvidas

são processos integrados de primeira ordem; portanto, existe a possibilidade de cointegração.

Caso as séries cointegrem, pode-se dizer que existe uma relação de longo prazo entre elas e os

coeficientes do vetor de cointegração são elasticidades de longo prazo da reação dos bancos a

mudanças no risco macroeconômico.

4.6.1 Relação Risco Macro e Micro – Conglomerado Bancário

Quanto à análise conjunta das instituições bancárias presentes no País, verifica-se a

cointegração entre o risco macroeconômico e as concessões de crédito relativas ao ativo

bancário e entre o risco macro e o percentual de concessões às pessoas físicas.

4.6.1.1 Relação entre o Risco País e a Concessão de Crédito por Ativo Bancário

Bancos, como qualquer outro agente, cuja atividade seja especulativa e demande

algum grau de proteção, compõem seu portfólio buscando conciliar lucratividade com sua

escala de preferência pela liquidez, que expressa a precaução quanto à incerteza nos

resultados. Dessa forma, a composição do ativo bancário depende da disposição de absorver

riscos associados a eventos futuros incertos, mais especificamente ao estado de suas

expectativas. Quando a avaliação futura do banco acerca do retorno dos empréstimos, da

manutenção do valor dos colaterais exigidos e do comportamento das taxas de juros de

mercado for desfavorável, ele poderá preferir ativos mais líquidos a empréstimos,

normalmente, de prazo mais longo. Essas decisões se relacionam à administração do balanço

bancário (PAULA, 1999).

A série de concessões das operações de crédito é contratada com taxas de juros

livremente pactuadas entre os mutuários e as instituições financeiras135. Não inclui as

135 As séries de concessão de crédito e volume por tipo de pessoa referem-se às operações do SFN. Todavia, a representatividade do sistema bancário (99,07% do ativo total, sendo que somente os cinqüenta maiores bancos respondem por 83,90%) garante a qualidade da proxy. Dados de junho de 2006 (disponíveis no site do BCB).

126

operações de crédito rural, de repasses do BNDES ou quaisquer outras lastreadas em recursos

compulsórios ou governamentais. Esta série ponderada pela série referente aos valores de

ativo bancário é, portanto, o percentual de concessões de crédito relativas ao ativo. O aumento

da concessão apenas em função da elevação do ativo e vice-versa é controlado. Desse modo,

contra oscilações no cenário macroeconômico, os bancos podem conceder um valor maior ou

menor de crédito. Logo, parte dos recursos bancários pode ser aplicada em outros ativos com

perfil de risco diferenciado, em detrimento da concessão de crédito.

Portanto, as proxies empregadas nesta subseção para os riscos micro e

macroeconômico são, respectivamente, LPERCONCAT_SA e LEMBI. De acordo com a

Tabela A.27, as séries apresentam correlação linear negativa de –0,39. Pelo teste de

precedência temporal de Granger - com duas e doze defasagens (Tabela A.28) -, existem

suspeitas de que o risco macroeconômico precede ao risco micro.

Para a estimação dos vetores de cointegração pela abordagem de Johansen, faz-se uso

de um VAR. No que tange ao número de defasagens do VAR, adota-se a opção escolhida pela

maioria dos critérios LR, FPE, AIC, SC e HQ (Tabela 4.14), que, por sua vez, vai ao encontro

do princípio da parcimônia.

Tabela 4.14 Critérios de seleção de defasagem –Concessão de Crédito por Ativo Bancário

Defasagens LR FPE AIC SC HQ 0 NA 0,0014 -0,8784 -0,8115 -0,8520 1 198,3727 0,0001 -3,9549 -3,7542 -3,8757 2 23,8857* 0,0000 -4,2299 -3,8954* -4,0978* 3 7,3187 0,0000* -4,2330* -3,7647 -4,0482 4 0,4530 0,0001 -4,1180 -3,5159 -3,8804

Notas: As variáveis utilizadas foram Percentual de Concessões por Ativo e Risco País. A amostra corresponde ao período de 6/2000 a 6/2006. Para o LR a cada teste seqüencial, utilizou-se 5%. (*) Indica de defasagem selecionada pelo critério.

A possível inclusão de termos determinísticos no VAR e na equação de cointegração é

determinada pelos critérios de Schwarz e Akaike (Tabela A.29) e pela análise gráfica das

variáveis (Gráfico 3.1). No caso específico, opta-se pela não-assunção de tendência linear nos

dados e pela inclusão da constante apenas na relação de cointegração. Esta configuração

indica (a 5% de significância estatística) existência de relação de cointegração tanto pela

estatística do traço como pela do máximo autovalor (Tabela 4.15).

127

Tabela 4.15 Estatísticas do Traço e do Máximo Autovalor - Concessão de Crédito por Ativo

Bancário Hipótese Nula: Nº. de Vetores Cointegrantes

Autovalor Estatística de Teste Valor Crítico 5%

Traço Nenhum* 0,2357 20,8746 20,2618 No Máximo 1 0,0249 1,7877 9,1645 Máximo Autovalor Nenhum* 0,2357 19,0869 15,8921 No Máximo 1 0,0249 1,7877 9,1645 Notas: Amostra ajustada de 8/2000-6/2006. (*) Denota rejeição da hipótese no nível 5%.

Após a escolha da especificação mais adequada para o VAR pelos critérios adotados e

a sua posterior aprovação pelos testes de robustez (Tabelas A.30, A.31, A.32 e A.33), aplica-

se o modelo de Johansen para estimação do vetor cointegrante (Tabela 4.16).

Tabela 4.16 Coeficientes Normalizados - Concessão de Crédito por Ativo Bancário

LPERCONCAT_SA LEMBI C 1,0000 0,0396 2,9729

(0,0217) (0,142) Nota: Desvio padrão entre parênteses.

A relação de longo prazo entre as concessões por ativo e o risco macro pode ser

descrita conforme abaixo:

LEMBISALPERCONCAT 04,098,2_ −= (25)

O sinal da estimativa para o risco macroeconômico é negativo, logo se apresenta o

primeiro indício da hipótese assumida.

4.6.1.2 Relação entre o Risco País e a Concessão de Crédito à PF

Para Carvalho (1999:135), “[...] a bank’s decision problem is how to distribute the

resources they create or collect among these different items that offer specific combinations of

expected monetary returns and liquidity premia, instead of just choosing between reserves

and loans or of passively supplying whatever amount of credit is demanded”.

A idéia de administração do ativo segundo risco de iliquidez presente em Keynes

(1982 [1936]) pode ser extrapolada ao risco de crédito. Dado que o valor total ofertado é

definido principalmente pelo montante de reservas, a constituição da carteira de crédito,

segundo os diferentes tipos de tomadores e seus respectivos riscos idiossincráticos, torna-se

essencial no gerenciamento de risco do ativo bancário, ou seja, a decisão primordial reside

128

não em quanto emprestar, mas para quem.

Desse modo, alterações do risco microeconômico podem ser realizadas pelo banco por

variação no perfil dos empréstimos. Ceteris paribus, mudanças na composição da carteira de

crédito podem promover reduções ou elevações do risco microeconômico e,

conseqüentemente, alterações no risco total.

A série de concessões das operações de crédito destinadas à PF - contratadas com

taxas de juros livremente pactuadas entre os mutuários e as instituições financeiras -

compreende cheque especial, crédito pessoal, aquisição de bens-veículos e outros bens,

financiamento imobiliário, cartão de crédito, dentre outras. A série em questão refere-se ao

percentual de concessões à PF em relação às concessões totais.

Sabe-se, a priori, que o risco de inadimplência incorrido na carteira PF é

substancialmente maior que o da carteira de crédito PJ (Gráfico 2.6). Portanto, mudanças na

composição percentual da carteira, por tipo de tomador, alteram o perfil de risco

idiossincrático do portfólio. Espera-se que elevações no risco macroeconômico induzam a

redução do risco microeconômico, ou seja, diminuição do percentual de empréstimos à PF,

sendo a recíproca verdadeira136.

As duas proxies utilizadas são LPERCONCPFT_SA, para o risco micro, e LEMBI,

para o risco macro. Entre elas existe alta correlação linear negativa (–0,79), conforme Tabela

A.27. Pelo teste de Granger (Tabela A.28), as mudanças no risco macroeconômico precedem

as alterações no risco micro medidas por LPERCONCPFT_SA.

A verificação da existência de cointegração e a eventual estimação do(s) vetor(es) se

faz por meio de um VAR. A análise conjunta dos critérios LR, FPE, AIC, SC e HQ, presentes

na Tabela 4.17, indica o uso de duas defasagens. Pela análise visual das séries (Gráfico 3.1),

que sugere não haver tendência determinística nos dados e, paralelamente, pelo critério de

Schwarz (Tabela A.34), decide-se pela inclusão da constante na relação de cointegração137.

136 A alteração no risco micro ocorre também pela própria mudança na concentração por tipo de tomador. 137 Os testes efetuados para diagnóstico da robustez do modelo estão disponibilizados nas Tabelas A.35, A.36, A. 37 e A.38.

129

Tabela 4.17 Critérios de seleção de defasagem – Concessão de Crédito à PF


Notas: As variáveis utilizadas foram Percentual das Concessões para Carteira PF e Risco País. A amostra corresponde ao período de 6/2000 a 6/2006. Para o LR a cada teste seqüencial, utilizou-se 5%. (*) Indica de defasagem selecionada pelo critério.

Quanto ao número de vetores de cointegração, ambas as estatísticas, do traço e do

máximo autovalor, indicam (a 5% de significância) um vetor cointegrante (Tabela 4.18).

Tabela 4.18 Estatísticas do Traço e do Máximo Autovalor - Concessão de Crédito à PF

Hipótese Nula: Nº. de Vetores Cointegrantes



Os coeficientes normalizados da relação cointegrante são apresentados naTabela 4.19.

Tabela 4.19 Coeficientes Normalizados - Concessão de Crédito à PF

LPERCONCPFT_SA LEMBI C 1,0000 0,0452 0,7967

(0,0094) (0,06166) Nota: Desvio-padrão entre parênteses.

A equação de cointegração para a relação de longo prazo pode ser descrita conforme

abaixo:

LEMBISATLPERCONCPF 05,080,0_ −= (26)

A reação contrária via alterações na composição da carteira de crédito é confirmada

pela significância do coeficiente estimado. O valor do coeficiente é semelhante ao encontrado

na estimação via proxy LPERCONCAT_SA.

130

4.6.2 Relação Risco Macro e Micro – por Tipo de Banco

Como pôde ser observado, os fatores conjunturais influenciam o perfil de risco das

carteiras de crédito dos bancos. Essa influência apresenta, ainda, algumas especificidades

quanto ao tipo de controle dos bancos em questão. Os bancos privados são afetados de forma

distinta se comparados aos bancos com controle estatal.

No que concerne ao controle parcial do risco idiossincrático, não estar sob a tutela do

Estado permite maior flexibilidade aos bancos privados quanto ao ajuste da composição de

risco da carteira. A maior liberdade na escolha dos ativos e dos clientes com o intuito apenas

de maximizar o lucro da instituição favorece as estratégias de risco/retorno nos bancos

privados. Portanto, a análise da relação entre as duas escalas de risco é também efetuada por

tipo de instituição bancária.

Todavia, a utilização das mesmas séries para captar as mudanças do risco

microeconômico não é possível. As séries de concessões de crédito não estão disponíveis

neste nível de granulidade. Logo, para superar essa limitação, empregam-se as séries de

operações de crédito e operações de crédito à pessoa física, ambas por tipo de banco138.

4.6.2.1 Relação entre o Risco País e as Operações de Crédito por Tipo de Banco

Apesar de não se estar trabalhando com as concessões de crédito, o montante de

crédito de uma instituição bancária é definido, em grande medida, por estas. O valor total em

operações creditícias é gerenciado pelo banco de forma a garantir o retorno esperado dado ao

risco e proteger-se de eventuais alterações de cenário. As séries empregadas

(LOPCREDPUBR_SA e LOPCREDPRIVR_SA) refletem o saldo de crédito total que os

bancos (público e privado, respectivamente) optam por manter sob sua tutela. Portanto, o

cenário econômico determina o limite de crédito global da instituição bancária, ou da mesma

maneira, a exposição ao risco máxima.

As próprias concessões dependem, em última instância, do volume de crédito já

disponibilizado. A série de crédito diferençada reflete o fluxo das operações de crédito. Pode-

se, portanto, considerar a série como concessão líquida, ou seja, as concessões no período

descontadas das liquidações efetuadas. Então, alterações no volume (real) de crédito em

exposição são outra forma de os bancos reagirem aos efeitos advindos do cenário

macroeconômico.

138 A despeito de a série de crédito à PF ser disponibilizada apenas para todo o SFN, a representatividade do sistema bancário nas operações de crédito validam a proxy.

131

4.6.2.1.1 Relação das Operações de Crédito para os Bancos Públicos

As séries utilizadas são LOPCREDPUBR_SA, para o risco micro, e LEMBI, para o

risco macro. A correlação é de –0,20 (Tabela A.27), e não existem fortes evidências acerca da

precedência temporal (Tabela A.28). Define-se a ordem do VAR conforme a Tabela 4.20

abaixo:

Tabela 4.20 Critérios de seleção de defasagem – Operações de Crédito Bancos Públicos

Defasagens LR FPE AIC SC HQ 0 NA 0,0116 1,2162 1,2795 1,2414 1 407,1596 0,0000 -4,5735 -4,3838 -4,4980 2 23,8821* 0,0000* -4,8188* -4,5026* -4,6930* 3 6,4398 0,0000 -4,8068 -4,3641 -4,6306 4 4,4512 0,0000 -4,7664 -4,1972 -4,5398

Notas: As variáveis utilizadas foram Operações de Crédito Real dos Bancos Públicos e Risco-País. A amostra corresponde ao período de 3/2000 a 6/2006. Para o LR a cada teste seqüencial, utilizou-se 5%. (*) Indica de defasagem selecionada pelo critério.

A escolha da inclusão do intercepto apenas na relação de cointegração se deve ao

critério de Schwarz (Tabela A.39) e ao comportamento das séries em questão (Gráfico 3.1)139.

A estatística do traço e do máximo autovalor não evidenciam a presença de cointegração

(Tabela 4.21)140.

Tabela 4.21 Estatísticas do Traço e do Máximo Autovalor - Operações de Crédito Bancos Públicos



Traço Nenhum 0,0913 9,3798 20,2618 No Máximo 1 0,0306 2,2966 9,1645 Máximo Autovalor Nenhum 0,0913 7,0832 15,8921 No Máximo 1 0,0306 2,2966 9,1645 Notas: Amostra ajustada de 8/2000-6/2006. (*) Denota rejeição da hipótese no nível 5%.

Por conseguinte, pelo procedimento de Johansen, não se pode verificar a relação de

longo prazo para o Setor Bancário Público.

139 As estatísticas de diagnóstico são apresentadas nas Tabelas A.40, A.41, A.42 e A.43. 140 A idéia é ratificada pela não-existência de cointegração por nenhuma das configurações possíveis (Tabela A.39).

132

4.6.2.1.2 Relação das Operações de Crédito para os Bancos Privados

A diferença em relação ao subitem anterior é a série logaritimizada das operações de

crédito real dos bancos privados dessazonalizada, ou LOPCREDPRIVR_SA. A correlação

linear entre esta e o risco macro medido pelo LEMBI é de –0,29 (Tabela A.27). A relação

granger causal demonstra efeito bilateral, que depende do número de defasagens utilizadas

(Tabela A.28).

Na Tabela 4.22 abaixo, são apresentadas as estatísticas que permitem determinar o

número de lags a incorporar no VAR. Opta-se pela sugestão do SC e do HQ e se perdem,

assim, menos graus de liberdade.

Tabela 4.22 Critérios de seleção de defasagem – Operações de Crédito Bancos Privados

Defasagens LR FPE AIC SC HQ 0 NA 0,0030 -0,1208 -0,0555 -0,0949 1 447,4153 0,0000 -6,8864 -6,6906 -6,8088 2 23,9143 0,0000 -7,1484 -6,8220* -7,0190* 3 9,7145 0,0000* -7,1900* -6,7330 -7,0089 4 3,9290 0,0000 -7,1389 -6,5514 -6,9061

Notas: As variáveis utilizadas foram Operações de Crédito Real dos Bancos Privados e Risco-País. A amostra corresponde ao período de 3/2000 a 6/2006. Para o LR a cada teste seqüencial utilizou-se 5%. (*) Indica de defasagem selecionada pelo critério.

Os resultados dos testes (Tabela A.44) sugerem que o melhor modelo deve incluir

constante na relação cointegrante e no VAR e tendência apenas no vetor de cointegração.

Diversos testes são efetuados para garantir a robustez do modelo (Tabelas A.45, A.46, A.47 e

A.48). Com essa especificação, realizam-se os testes do traço e do máximo autovalor (Tabela

4.23), sendo que ambos acusam a presença de cointegração.

Tabela 4.23 Estatísticas do Traço e do Máximo Autovalor - Operações de Crédito Bancos Privados




Desse modo, pelo procedimento de Johansen, calculam-se os coeficientes

normalizados para a equação de cointegração (Tabela 4.24).

133

Tabela 4.24 Coeficientes Normalizados - Operações de Crédito Bancos Privados

LOPCREDPRIVR_SA LEMBI TREND 1,0000 3,0590 0,0424

(0,5809) (0,0115) Nota: Desvio-padrão entre parênteses.

Portanto, a equação pode ser expressa da seguinte maneira:

TRENDLEMBISAVRLOPCREDPRI 04,006,3_ −−= (27)

Logo, a análise dos bancos privados corrobora a relação de longo prazo existente entre

o risco micro e o risco macro.

4.6.2.2 Relação entre o Risco País e o Percentual de Crédito à PF por Tipo de Banco

Em momentos de euforia econômica, as instituições bancárias tendem a privilegiar a

rentabilidade à segurança, sujeitando-se a ativos com maior percepção de risco, porém mais

rentáveis. Em casos de piora macroeconômica, um possível mecanismo de proteção é o

direcionamento das aplicações em ativos de crédito com menor lucratividade, mas, em

contrapartida, menor grau de risco.

Aumentos na concentração do volume de crédito da carteira de pessoa física

ocasionam, a priori, elevações no risco (idiossincrático) de inadimplência, principalmente

pelo perfil destes clientes – que possuem histórico alto de não-pagamento141. De acordo com a

suspeita, os bancos deveriam realizar movimentos contrários na exposição de crédito à

carteira de PF para fazer frente às mudanças no risco conjuntural.

4.6.2.2.1 Relação do Percentual de Crédito à PF para os Bancos Públicos

A correlação entre o percentual de crédito à PF (LPERCPFPUB_SA) em bancos

públicos e o risco macroeconômico é de –0,30 (Tabela A.27). O método de Granger para

mensurar a relação causal entre variáveis não apresenta evidências quanto à direção da

causalidade no caso específico, sendo bastante sensível ao número de defasagens (Tabela

A.28).

As estatísticas abaixo (Tabela 4.25) determinam o número de defasagens utilizadas no

VAR.

141 Se, por um lado, os recursos são pulverizados em um número maior de tomadores, por outro, há os efeitos negativos de concentração em um tipo de carteira, menores colaterais por cliente/operação e maior custo operacional por operação, por exemplo.

134

Tabela 4.25 Critérios de seleção de defasagem – Percentual de Crédito à PF dos Bancos Públicos


Notas: As variáveis utilizadas foram Percentual da Carteira de PF dos Bancos Públicos e Risco-País. A amostra corresponde ao período de 3/2000 a 6/2006. Para o LR a cada teste seqüencial utilizou-se 5%. (*) Indica de defasagem selecionada pelo critério.

Ambos os critérios de informação utilizados (AIC e SC) indicam apenas a inclusão da

constante na relação de cointegração (Tabela A.49). A análise visual das séries (Gráfico 3.1)

valida a escolha142.


Públicos Hipótese Nula: Nº. de Vetores Cointegrantes


Traço Nenhum 0,1857 17,1790 20,2618 No Máximo 1 0,0264 1,9776 9,1645 Máximo Autovalor Nenhum 0,1857 15,2014 15,8921 No Máximo 1 0,0264 1,9776 9,1645 Notas: Amostra ajustada de 8/2000-6/2006. (*) Denota rejeição da hipótese no nível 5%.

Ambas as estatísticas de teste (traço e máximo autovalor) presentes na Tabela 4.26

reafirmam a inexistência de relação cointegrante para os bancos públicos.

4.6.2.2.2 Relação do Percentual de Crédito à PF para os Bancos Privados

A correlação negativa entre o risco macroeconômico e o percentual da carteira de

crédito à PF é alta (-0,74). Há, também, evidências de que oscilações no risco conjuntural

causam no sentido de Granger (ou precedem temporalmente) alterações na composição da

carteira por tipo de tomador.

A análise conjunta dos critérios LR, FPE, AIC, SC e HQ estabelece o número de lags

do modelo de forma unânime, ao passo que, na escolha dos termos determinísticos, AIC e SC

apresentam resultados conflituosos. O SC indica apenas a inclusão da constante na relação de

cointegração, enquanto o AIC propõe intercepto também no VAR (Tabela A.54). No entanto,

142 As estatísticas de teste estão nas Tabelas A.50, A.51, A.52 e A.53.

135

a análise visual das séries (Gráfico 3.1) sugere presença de tendência linear e, por

conseguinte, opta-se pela decisão do critério de Akaike143.

Tabela 4.27 Critérios de seleção de defasagem – Percentual de Crédito à PF dos Bancos Privados


Notas: As variáveis utilizadas foram Percentual da Carteira de PF dos Bancos Públicos e Risco-País. A amostra corresponde ao período de 3/2000 a 6/2006. Para o LR a cada teste seqüencial utilizou-se 5%. (*) Indica de defasagem selecionada pelo critério.


Privados Hipótese Nula: Nº. de Vetores Cointegrantes



Os testes do traço e do máximo autovalor evidenciam a presença de cointegração entre

os dois níveis de risco (Tabela 4.28) 144. Assim, pode-se, pela abordagem de Johansen, estimar

os coeficientes da relação de longo prazo (Tabela 4.29).

Tabela 4.29 Coeficientes Normalizados - Percentual de Crédito à PF dos Bancos Privados

LPERCPFPRIV_SA LEMBI 1,0000 0,3154

(0,0399) Nota: Desvio-padrão entre parênteses.

A equação de cointegração para a relação de longo prazo é descrita conforme abaixo:

LEMBISAVLPERCPFPRI 32,0_ −= (28)

143 As estatísticas de teste estão nas Tabelas A.55, A.56, A.57 e A.58. 144 Esta relação cointegrante é reforçada por sua existência independentemente da especificação escolhida (Tabela A.54).

136

Novamente, a relação é significativa e negativa para os bancos privados ao contrário

do que ocorre nas instituições bancárias públicas. Adicionalmente, os resultados da relação

negativa no longo prazo são mais expressivos – em termos de valor do coeficiente estimado –

para a subamostra de bancos privados do que para a amostra completa dos bancos. Logo,

evidencia-se que a relação observada no conglomerado bancário é, em grande parte,

influenciada pelo comportamento dos bancos privados.

Essa reação distinta por parte dos bancos de controle estatal é coerente com a

característica de cada tipo de banco e com os resultados encontrados nos modelos ECM e

VEC. A estrutura mais rígida quanto à definição do volume de crédito por parte dos bancos

públicos torna-os mais suscetíveis ao cenário conjuntural. Como observado nas seções

anteriores, o impacto sobre o risco de crédito advindo de fatores macroeconômicos é mais

sensível na carteira dos bancos públicos. A menor flexibilidade nos bancos públicos para a

definição do volume de crédito e para a determinação do perfil da carteira restringe a

interação destes com o ambiente macroeconômico.

Em termos globais, tanto pela ótica da concessão de crédito - utilizada para o

conglomerado bancário -, quanto pela exposição ao risco de crédito - empregada por tipo de

banco -, verificou-se que existe interação entre a conjuntura econômica e os bancos na

constituição do risco de crédito em nível de portfólio. É este último que compõe o spread

médio e determina a taxa de juros média embutida nas operações de crédito.


De acordo com o BCB (2005:45),

No caso do Brasil, onde o mercado de capitais e de títulos privados é pouco desenvolvido e restrito a poucos participantes, o crédito bancário possui grande relevância no financiamento de empresas. O elevado custo desse tipo de crédito, portanto, pode ter implicações negativas na acumulação de capital e na inovação tecnológica e, conseqüentemente, no crescimento econômico.

Geralmente, os diagnósticos presentes na literatura econômica acusam o risco de

inadimplência como uma das principais causas do elevado spread de crédito no Brasil. Nesse

sentido, maior entendimento acerca do risco de crédito bancário se faz útil para o

gerenciamento da política econômica.

Para tanto, o Capítulo investigou o processo interativo entre o ambiente

macroeconômico e os bancos no que concerne ao risco de crédito. Não somente a forma pela

137

qual fatores conjunturais afetam o risco incorrido nas operações de crédito, mas também a

reação dos bancos frente a esses efeitos.

Observou-se, primeiramente, que os fatores macroeconômicos impactam

significativamente o risco de crédito incorrido pelos bancos. A despeito dos efeitos

ocasionados pelo desemprego e pelo aperto monetário - diferentes quando se trata do tipo de

banco –, destaca-se a importância do crescimento econômico e da taxa de juros Selic.

Contudo, esses efeitos não são únicos. As instituições bancárias são agentes

econômicos e, como tais, buscam aproveitar as oportunidades que lhe são oferecidas. De

forma a controlar o risco idiossincrático envolvido nas operações de crédito, estas instituições

podem - por medidas ativas - modificar o tamanho e/ou o perfil de seu portfólio de crédito.

Assim, constitui-se processo interativo entre os bancos, risco de crédito e ambiente

macroeconômico. O Gráfico 4.15 resume, estruturalmente, a discussão que perpassa a relação

entre o risco macroeconômico e o risco idiossincrático e sua interferência no funcionamento

da economia.

Gráfico 4.1 Síntese Geral – O Processo Interativo interferindo no Ciclo

Mudança do Cenário

MacroeconômicoCustosExpectativa de

Inadimplência

Volume de Crédito

Spreads

Taxas Cobradas

CrescimentoEconômico

Instituição Bancárias

Alterações do cenário conjuntural afetam o risco de inadimplência médio presente nas

carteiras de crédito que, por sua vez, modificam a estrutura de custos, os spreads e as taxas

relativas às operações. Como conseqüência, ocorrem mudanças no volume de crédito,

implicando variação no crescimento econômico - intrinsecamente relacionado aos fatores

macroeconômicos. Entretanto, esse ciclo depende da maneira pela qual os bancos reagem às

oscilações econômicas. A modificação do risco de inadimplência pela determinação do perfil

do portfólio de crédito pode minimizar ou mesmo anular os efeitos advindos do cenário

macroeconômico.

138

Também se evidenciaram diferenças no processo interativo segundo o tipo de controle

da instituição bancária. Os bancos pertencentes ao setor privado respondem ativamente aos

impactos advindos da conjuntura, mitigando efeitos e gerenciando o portfólio de crédito de

forma mais eficiente. O mesmo não ocorre em relação aos bancos públicos. Estes possuem

entraves institucionais, legais e, ainda, interferências externas por parte dos seus controladores

que, não impedem, mas limitam, o grau de interação das instituições bancárias públicas.

De certa forma, as características que distinguem cada tipo de banco ajudam a explicar

as diferenças encontradas na relevância e na significância dos efeitos ocasionados por cada

fator macroeconômico; na grandeza e na duração dos impactos ocasionados por choques

econômicos e na própria reação às oscilações conjunturais no que tange ao risco. As reações

medidas pela exposição ao risco de crédito são significativas somente nos bancos privados.

Estar sob controle do Estado limita a amplitude de mudanças na composição da carteira e,

paralelamente, torna o risco de crédito médio das instituições bancárias públicas mais

susceptível às variações econômicas.

Então, em consonância com Carvalho (2005c), apesar de eficientes, as instituições

bancárias privadas no Brasil podem ser disfuncionais. Eficientes na concepção dos objetivos a

que se propõem, reagindo adequadamente ao meio econômico na qual estão inseridas para

otimização do resultado. Porém, disfuncionais no sentido que restringem a redução do risco

de inadimplência médio da carteira.

Não obstante o crescimento das instituições privadas bancárias ao longo dos últimos

anos, o Setor Público ainda detém participação relevante no Sistema Financeiro Brasileiro.

Em junho de 2006, o ativo dos bancos públicos representava 30,95% do ativo total do

conglomerado bancário e 30,66% do SFN. Caso se considerem somente os dois maiores

bancos (federais), BB e CEF, a participação do ativo próprio no conglomerado bancário e no

SFN são de 26,31% e 26,06%, respectivamente145. No que concerne ao crédito, o valor

referente às instituições bancárias públicas é de 31,50% do montante total de crédito

bancário146. Apesar disso, observou-se que, mesmo em menor intensidade que os bancos

privados, o conglomerado bancário como um todo reage aos efeitos macroeconômicos.

Para redução do spread bancário, Ono et al. (2005) defendem postura mais ativa dos

bancos federais na concessão de crédito e na redução das taxas finais cobradas neles, a

despeito do sacrifício da lucratividade. Dessa mesma maneira, bancos públicos podem exercer

145 Os dados são obtidos nas informações contábeis disponíveis no site do BCB. 146 Base de dados cedida pelo BCB.

139

papel contracíclico importante, contribuindo para que a melhoria dos indicadores

macroeconômicos reduza o risco de crédito médio.

A seguir, na Conclusão, são resumidos os pontos principais apresentados ao longo do

Trabalho e, com especial ênfase, as evidências encontradas e as suas respectivas

conseqüências econômicas.

140

CONCLUSÃO

Este Trabalho objetivou lançar luz na análise acerca do risco de crédito bancário sob

novos prismas. Entender o risco incorrido pelas instituições bancárias nas operações de

crédito não apenas como dependente do cenário macroeconômico, mas também da própria

postura bancária frente a este risco. Entretanto, não foi intuito esgotar o tema, devido a sua

magnitude e complexidade.

A inexistência de cenário macroeconômico favorável e estável que garanta o

recebimento dos créditos em condições previamente pactuadas é empecilho à elevação

substancial das concessões de crédito pelos bancos. A ausência de crédito para financiamento

das necessidades de capital dos setores produtivos a custos competitivos e a insuficiente

concessão de crédito para consumo prejudicam o crescimento econômico contínuo. O

incremento no volume de crédito significa impulsionar o investimento e o consumo e,

conseqüentemente, o crescimento econômico. Logo, avanços no entendimento dos

determinantes do risco e do custo envolvidos nas operações de crédito bancário no Brasil

trazem melhorias na política econômica.

O alto custo do crédito bancário no Brasil resulta, em parte, do risco de inadimplência

elevado presente nas carteiras de crédito. Da mesma forma, à medida que o custo de

concessão de crédito se eleva, maior é o risco de inadimplência, constituindo, portanto, um

círculo vicioso. Essa situação inibe investimentos, atividade econômica, emprego e renda. A

instabilidade macroeconômica brasileira é determinante da elevada inadimplência bancária,

sendo, portanto, uma das razões pelas quais o risco de crédito é componente e determinante

significativo do spread brasileiro - um dos mais elevados do mundo.

Para romper esse círculo entre a alta estrutura de custo do crédito e o risco de

inadimplência, faz-se necessária a redução do risco sistemático, isto é, a melhoria contínua do

ambiente macroeconômico. Dentro desse contexto, verificou-se a importância do crescimento

da atividade econômica como mitigador do risco. A taxa de juros básica da economia também

mostrou influência relevante no comportamento do risco de crédito bancário.

Por conseguinte, a melhora observada nos principais indicadores macroeconômicos ao

longo dos anos recentes contribui para a redução do risco sistêmático envolvido nas operações

de crédito e, por sua vez, pode reduzir o nível médio do risco de inadimplência incorrido pelas

carteiras de crédito bancárias. Todavia, essa relação não é garantida.

Bancos são instituições voltadas primeiramente para o resultado, para o lucro. E

estarão sempre aptos a buscar as melhores combinações em seus ativos e passivos que

141

otimizem seus objetivos. Como forma de se protegerem, podem reduzir o risco

microeconômico de suas carteiras para contrapor a piora do risco conjuntural. Pela mesma

lógica, a redução do risco macroeconômico gera oportunidades de ganho para tais instituições

no que concerne à concessão de crédito. A elevação do risco idiossincrático - em nível de

portfólio - de forma ativa pelos bancos mantém ou controla o risco de crédito total em

patamares aceitáveis e, paralelamente, proporciona novas oportunidades de lucro.

Esse ponto é crucial para a análise dos custos envolvidos na oferta de crédito.

Melhorias nos indicadores macroeconômicos favorecem a redução do risco de crédito, do

spread, das taxas cobradas que, por sua vez, elevam as concessões de crédito. O círculo

virtuoso esperado depende, conseqüentemente, da redução do risco de crédito incorrido.

Contudo, o estudo revelou que, a despeito de o cenário econômico afetar o risco de

inadimplência das carteiras de crédito, este também é influenciado pelas instituições bancárias

via controle dos riscos idiossincráticos presente no gerenciamento da carteira de crédito.

A reação aos efeitos macroeconômicos é significativa em bancos privados. A

flexibilidade de composição dos seus ativos de crédito - voltada ao objetivo máximo de gerar

lucros e credibilidade da instituição frente aos acionistas e/ou controladores – proporciona-

lhes uma capacidade maior de interação e adaptação ao meio no qual estão inseridas, para

obter assim melhores resultados.

Essa interação do ambiente macroeconômico-bancos deve ser considerada no

momento das tomadas de decisão de política econômica. Fatores econômicos afetam

significativamente o risco de crédito, contudo deve-se estar atento às reações por parte dos

bancos no ajuste de seus portfólios de crédito.

142

REFERÊNCIAS

AFANASIEFF, T. S.; LHACER, P.M.; NAKANE, M. I. The Determinants of Bank Interest Spread in Brazil. In: XXIX Encontro Nacional de Economia – ANPEC, Salvador, BA. Anais do XXIX Encontro Nacional de Economia, 2001.

______. The Determinants of Bank Interest Spread in Brazil. Money Affairs, v. 15, n. 2, 2002, p. 183-207.

ALENCAR, B. K. Modelos de Previsão da Inflação: uma análise comparativa no curto prazo. Dissertação (Mestrado em Economia), IBMEC, Rio de Janeiro, 2006.

ARONOVICH, S. Uma Nota sobre os efeitos da Inflação e do Nível de Atividade sobre o Spread Bancário. Revista Brasileira de Economia. Rio de Janeiro, v. 48, n.1, 1994, p. 125-40.

AZEVEDO, A. F.Z.; PORTUGAL, M. S. Abertura Comercial Brasileira e Instabilidade da Demanda de Importações. Nova Economia, Belo Horizonte, v. 8, n. 1, julho, 1998, p. 37-63.

BASEL COMMITTEE ON BANKING SUPERVISION. Os Princípios Essenciais da Basiléia. Tradução do BCB, set.1997.

BELAISCH, A. Do Brazilian Banks Compete? IMF Working Paper, n. 03/113, Washington: International Monetary Fund, May 2003.

BERNANKE, B. S.; GERTLER, M. Inside the Black Box: the credit channel of monetary policy transmission. Journal of Economic Perspectives, v.9, n.4, Autumn 1995, p. 27-48.

BESSIS, J. Risk Management in Banking. 2nd. London: John Wiley & Sons, 1998.

BIGNOTTO, F. G.; RODRIGUES, E. A. S. Fatores de Risco e Spread Bancário no Brasil. Trabalhos para Discussão do Banco Central do Brasil, n. 110. Brasília: BCB, jul. 2006.

BLUM, D. R. S.; NAKANE. M. I. O Impacto de Requerimentos de Capital na Oferta de Crédito Bancário no Brasil. In: XXXIII Encontro Nacional de Economia – ANPEC, Natal, RN. Anais do XXXIII Encontro Nacional de Economia, 2005.

BORGES, B. L.; SILVA, M. B. Estimando a Taxa Natural de Juros para o Brasil: uma aplicação da metodologia VAR estrutural. Estudos Econômicos, v. 36, n. 1, 2006, p. 87-114.

BRASIL. Banco Central do Brasil. Juros e Spread Bancário no Brasil. Brasília: BCB, out., 1999. Disponível em: <http://www.bcb.gov.br/ftp/juros-spread1.pdf>. Acesso em: 10 mar. 2006.

______. Relatório de Economia Bancária e Crédito: avaliação de 1 ano do projeto juros e spread bancário. Brasília: BCB, nov., 2000. Disponível em: <http://www.bcb.gov.br/ftp/jurospread112000.pdf>. Acesso em: 10 mar. 2006.

______. Relatório de Economia Bancária e Crédito: avaliação de 2 ano do projeto juros e spread bancário. Brasília: BCB, nov., 2001. Disponível em: <http://www.bcb.gov.br/ftp/jurospread112001.pdf>. Acesso em: 10 mar. 2006.

http://www.bcb.gov.br/ftp/jurospread112000.pdf�


143

______. Relatório de Economia Bancária e Crédito: avaliação de 3 anos do projeto juros e spread bancário. Brasília: BCB, dez., 2002. Disponível em: <http://www.bcb.gov.br/ftp/jurospread122002.pdf >. Acesso em: 10 mar. 2006.

______. Relatório de Economia Bancária e Crédito: avaliação de 4 anos do projeto juros e spread bancário. Brasília: BCB, dez., 2003. Disponível em: <http://www.bcb.gov.br/ftp/rel_economia_bancaria_credito.pdf>. Acesso em: 10 mar. 2006.

______. Relatório de Economia Bancária e Crédito: avaliação de 5 anos do projeto juros e spread bancário. Brasília: BCB, dez., 2004. Disponível em: <http://www.bcb.gov.br/ftp/rel_economia_bancaria_credito.pdf>. Acesso em: 10 mar. 2006.

______. Relatório de Economia Bancária e Crédito. Brasília: BCB, dez., 2005. Disponível em: <http://www.bcb.gov.br/pec/spread/port/rel_econ _ban_cred .pdf>. Acesso em: 10 mar. 2006.

______. Boletim do Banco Central do Brasil. Brasília: BCB, v. 42, n. 8, ago, 2006a.

______. Crédito Bancário: evolução recente e perspectivas. In: Relatório de Inflação. Brasília: BCB, p. 45-7, dez., 2006b. Disponível em: <http://www.bcb.gov.br/htms/relinf/port/2006/12/ri200612b4p.pdf>. Acesso em: 1º mar. 2007.

BRITO, O. S. Controladoria de Risco-Retorno em Instituições Financeiras. São Paulo: Saraiva, 2003.

BROCK, P. L.; ROJAS-SUAREZ, L. Understanding the Behavior of Bank Spreads in Latin America. Journal of Development Economics, n. 63, Aug. 2000, p.113-34.

CAOUETTE, J. B.; ALTMAN, E. I.; NARAYANAN, P. Gestão do Risco de Crédito: o próximo grande desafio financeiro. Rio de Janeiro: Qualitymark, 2002.

CARVALHO, F. J. C. On Banks' Liquidity Preference. In: Paul Davidson, Jan Kregel. (Org.). Full Employment and Price Stability in a Global Economy. 1st ed. Cheltenham: Edward Elgar Publishing, 1999, p. 123-138.

______; HERMANNY, P.F. Ciclos e Previsão Cíclica: o debate teórico e um modelo de indicadores antecedentes para a economia brasileira. Análise Econômica. Porto Alegre, v. 21, n. 39, 2003, p. 43-64.

______. Inovação Financeira e Regulação Prudencial: da regulação de liquidez aos acordos da Basiléia. In: SOBREIRA, R. (Org.). Regulação Financeira e Bancária. São Paulo: Atlas, 2005a, p. 121-37.

______. Basel II: a critical assessment. Textos de Discussão, n. 003/2005. Rio de Janeiro: UFRJ, mar. 2005b. (Série Seminários de Pesquisa).

______. Investimento, Poupança e Financiamento: financiando o crescimento com inclusão social. Textos para Discussão. Rio de Janeiro: UFRJ, 2005c (Série Grupo Moeda e Sistema Financeiro).


http://www.bcb.gov.br/ftp/rel_economia_bancaria_credito.pdf�

http://www.bcb.gov.br/ftp/rel_economia_bancaria_credito.pdf�

http://www.bcb.gov.br/pec/spread/port/rel_econ _ban_cred .pdf�

http://www.bcb.gov.br/htms/relinf/port/2006/12/ri200612b4p.pdf�

144

CHAIA, A. J. Modelos de Gestão do Risco de Crédito e sua aplicabilidade ao Mercado Brasileiro. Dissertação (Mestrado em Administração), FEA-IPE/USP, São Paulo, 2003.

CHAREMZA, W.; DEADMAN, D.F. New Directions in Econometric Practice: general to specific modelling, cointegration and vector autoregression. 2. ed. London: Edward Elgar, 1997.

CHU, V. Y. T. Principais Fatores Macroeconômicos da Inadimplência Bancária no Brasil. In: Relatório de Economia Bancária e Crédito: avaliação de 2 anos do projeto juros e spread bancário. Brasília: BCB, p. 41-5, nov. 2001.

CLAESSENS, S.; DEMIRGUÇ-KUNT, A.; HUIZINGA, H. How Does Foreign Entry Affect Domestic Banking Markets? Journal of Banking and Finance, n.25, Apr. 2001, p. 891-911.

COSTA, A.C. A.; NAKANE, M. I. A Decomposição do Spread Bancário no Brasil. In: Relatório de Economia Bancária e Crédito: avaliação de 5 anos do projeto de juros e spread bancário. Brasília: BCB, dez. 2004, p. 17-30.

______. Revisiting the Methodology for the Bank Interest Spread Decomposition in Brazil: an application of the theory of cost allocation. X Reunión de la Red de Investigadores de Bancos Centrales del Continente Americano. Lima, Peru, Oct. (CEMLA), 2005a. Disponível em: <http://www.cemla.org/red/papers/redx-br-abrao.pdf>. Acesso em: 20 mar. 2006.

______. Crédito Direcionado e Custo das Operações de Crédito Livre: uma avaliação do subsídio cruzado do crédito imobiliário e rural no Brasil. In: Relatório de Economia Bancária e Crédito. Brasília: BCB, 2005b, p. 29-43.

______. Spread Bancário no Brasil: dois esclarecimentos e duas constatações. Tecnologia de Crédito, n. 48, São Paulo: SERASA, 2005c, p.24-37.

CROUHY, M.; GALAI, D.; MARK, R. A Comparative Analysis of Current Credit Risk Models. Journal of Banking and Finance, v. 24, n. 1-2, Jan. 2000, p. 59-117.

______. Gerenciamento de Risco: abordagem conceitual e prática. Rio de Janeiro: Qualitymark, 2004.

CUNNINGHAM. A. Rating Methodology: Bank Credit Risk In Emerging Markets - an analytical framework. New York: Moody’s Investors Service, Inc, Jul.1999.

DEMIRGÜÇ-KUNT, A.; HUIZINGA, H. Determinants of Commercial Bank Interest Margins and Profitability: some international evidence. World Bank Economic Review. Oxford: Oxford University Press, v.13, n. 2, May. 1999, p. 379-408.

______; LAEVEN, L.; LEVINE, R. Regulations, Market Structure, Institutions, and the Cost of Financial Intermediation. Journal of Money, Credit, and Banking, v. 36, n.3, Jun. 2004, p.593–622.

DICK, A. Banking Spreads in Central America: evolution, structure, and behavior. HIID Development Discussion Papers. Cambridge: Harvard Institute for International Development, 1999.

http://www.cemla.org/red/papers/redx-br-abrao.pdf�

145

ELLIOT, G.; ROTHENBERG, T.J.; STOCK, J.H. Efficient Tests for an Autoregressive Unit Root. Econometrica, v. 64, n. 4, , Jul. 1996, p. 813–26.

ENDERS, W. Applied Econometric Time Series. 2nd. ed. New York: Wiley, 2003. (Series in Probability and Statistics).

ENGLE, R.F.; GRANGER, C.W.J. Co-integration and Error Correction: representation, estimation and testing. Econometrica, v. 55, Mar. 1987, p. 251-76.

EWING, B. T. The Response of the Default Risk Premium to Macroeconomic Shocks. The Quarterly Review of Economics and Finance. v. 43, Mar. 2003, p. 261–72.

FIPECAFI. Estudo sobre a Estrutura da Taxa de Juros no Brasil: apuração do spread da indústria bancária. São Paulo: FEA/USP, 2004. Disponível em: <http://www.febraban.org.br/Arquivo/Destaques/Fipecafi_GDE.pdf>. Acesso em: 10 jan. 2006.

______. Estudo sobre a Apuração do Spread da Indústria Bancária. São Paulo: FEA/USP, 2005. Disponível em: <http://www.febraban.org.br/Arquivo/Destaques/fipecafi_port_ net.pdf>. Acesso em: 10 jan. 2006.

GELOS, R. Banking Spreads in Latin America. IMF Working Paper, n. 06/44, Washington: International Monetary Fund, Feb. 2006.

GERTLER, M.; GILCHRIST, S. Monetary Policy, Business Cycles, and the Behavior of Small Manufacturing Firms. The Quarterly Journal of Economics, MIT Press, v. 109, n. 2, May. 1994, p. 309-40.

GONZAGA, G.; CORSEUIL, C. H. Emprego Industrial no Brasil: análise de curto e longo prazos. Revista Brasileira de Economia. Rio de Janeiro, v. 55, n. 4, out./dez. 2001, p. 467-91.

GOODHART, C.;HARTMANN, P.; LLEWELLYN,D.; ROJAS-SUÁREZ, L.; WEISBROD, S. Financial Regulation: Why, How and Where Now? London and New York: Routledge, 1998.

GORDY, M. B. A Comparative Anatomy of Credit Risk Models. Journal of Banking and Finance, v. 24, Jan. 2000, p. 119-49.

GREENE, W. H. Econometric Analysis. 3th. ed. New Jersey: Prentice Hall, 1993.

GRIFFITH-JONES, S., SPRATT, S. Will the Proposed New Basel Capital Accord have a Net Negative effect on Developing Countries? Institute of Development Studies. Brighton: University of Sussex, 2001. Disponível em: <http://www.ids.ac.uk/ids/global/pdfs/ basel.pdf >. Acesso em: 12 jul. 2006.

GUIMARÃES, P. How Does Foreign Entry Affect the Domestic Banking Market? The brazilian case. Latin American Business Review, v.3, n.4, 2002, p.121-40.

GURLEY, J. G.; SHAW, E. S. Financial Aspects of Economic Development. The American Economic Review, v. 45, n. 4, Sep. 1955.

http://www.febraban.org.br/Arquivo/Destaques/Fipecafi_GDE.pdf�



http://www.ids.ac.uk/ids/global/pdfs/basel.pdf�

146

HARRIS, R. I. D. Using Cointegration Analysis in Econometric Modelling. 1st. ed. London: Prentice Hall, 1995.

HAUSMAN, J. A. Specification Tests in Econometrics. Econometrica, v. 46, n. 6, , Nov. 1978, p. 1251–71.

HEIJ, C.; DE BOER, P.M.C.; FRANSES, P.H.; KLOEK, T.; VAN DIJK, H.K. Econometric Methods with Applications in Business and Economics. Oxford: Oxford University Press, 2004.

HENDRY, D.F. Econometrics: Alchemy or Science? Economica. New Series, v. 47, n. 188, Nov. 1980, p. 387-406.

______; K. JUSELIUS. Explaining Cointegration Analysis: part I. Energy Journal, v. 21, n.1, 2000, p. 1–42.

______; K. JUSELIUS. Explaining Cointegration Analysis: part II. Energy Journal, v. 22, n.1, 2001, p. 75–120.

HILL, R. C.; GRIFFITHS, W. E.; JUDGE, G. G. Econometria. 2 ed. São Paulo: Saraiva, 2003.

HO T.; SAUNDERS, A. The Determinants of Bank Interest Margins: theory and empirical evidence. Journal of Financial and Quantitative Analysis, v. 16, n. 4, Jun. 1981, p. 581-600.

JARROW, R. A.; TURNBULL, S. M. The Intersection of Market and Credit Risk. Journal of Banking and Finance, v. 24, Jan. 2000, p. 271–99.

JOHANSEN, S. Statistical Analysis of Cointegration Vectors. Journal of Economic Dynamics and Control, v. 12, n. 2-3, Jun-Sep. 1988, p. 231-54.

______. Estimation and Hypothesis Testing of Cointegrating Vectors in Gaussian Vector Autoregressive Models. Econometrica, v. 59, n.6, Nov. 1991, p. 1551-80.

______. A Statistical analysis for I(2) Variables. Econometric Theory, v. 11, n. 1, Mar. 1995, p. 25-59.

______; JUSELIUS, K. Maximum Likelihood Estimation and Inference on Cointegration: with applications to the demand for money. Oxford Bulletin of Economics and Statistics, v. 52, n. 2, May 1990, p. 169-210.

JOHNSTON, J.; DINARDO, J. Econometric Methods. 4 ed. New York: McGraw-Hill, 1997.

JORION, P. Value-at-Risk: a nova fonte de referência para a gestão do risco financeiro. 2 ed. São Paulo: BMF, 2004.

KHAN, A. Financial Development and Economic Growth. Federal Reserve Bank of Philadelphia Working Paper, n. 99-11, Sep.1999.

147

KASHYAP, A. K.; STEIN, J. C. Monetary policy and bank lending. In: MANKIW, G. (ed.). Monetary policy. Chicago, University of Chicago Press, 1993. (National Bureau of Economic Research Studies in Business Cycles).

KEYNES, J.M. The “Ex-Ante” Theory of the Rate of Interest. The Economic Journal, v. 47, n.188, Sep.1937, p. 663-9.

______. (1936). A Teoria Geral do Emprego, dos Juros e da Moeda. São Paulo: Abril Cultural, 1982. (Coleção Os Economistas).

KOOP, G.; PESARAN, M. H.; POTTER, S. M. Impulse Response Analysis in Non-Linear Multivariate Models. Journal of Econometrics, v. 74, Sep. 1996, p. 119–47.

KOYAMA, S.; NAKANE, M. O Spread Bancário Segundo Fatores de Persistência e Conjuntura. Notas Técnicas do Banco Central do Brasil, n. 18. Brasília: BCB, abr. 2002a.

______. Os Determinantes do Spread Bancário no Brasil. Notas Técnicas do Banco Central do Brasil, n. 19. Brasília: BCB, abr. 2002b.

KOYLUOGLU, H. U.; HICKMAN, A. A Generalized Framework for Credit Risk Portfolio Models. Working Paper. New York: Oliver, Wyman & Company, 1998. Disponível em: <http://www.defaultrisk.com/pp_model_17.htm>. Acesso em: 31 mar. 2007.

KWIATKOWSKI, D.; PHILLIPS, P. C. B.; SCHMIDT, P.; SHIN, Y. Testing the Null Hypothesis of Stationary against the Alternative of a Unit Root. Journal of Econometrics, v. 54, 1992, p. 159-78.

LEAL, R. M. Estrutura e Determinantes do Spread Bancário no Brasil: uma resenha comparativa da literatura empírica. Dissertação (Mestrado em Economia), UERJ, Rio de Janeiro, 2006.

LEVINE, R. Financial Development and Economic Growth: views and agenda. Journal of Economic Literature, v. 35, Jun. 1997, p. 688-726.

______. Finance and Growth: theory and evidence. NBER Working Paper, n. 10766, National Bureau of Economic Research, Sep. 2004.

LIGTHART, J. E. Public capital and output growth in Portugal: an empirical analysis. IMF Working Paper, n. 00/11, Washington: International Monetary Fund, Jan. 2000.

LUCAS, R. E. JR. On the Mechanics of Economic Development. Journal of Monetary Economics, v. 22, n. 1, July 1988, p. 3-42.

LÜTKEPOHL, H. New Introduction to Multiple Time Series Analysis. New York: Springer, 2005.

MACKINNON, J. Critical Values for Cointegration Tests. Economics Working Paper Series 90-4. San Diego: University of California, 1990.

MADDALA, G. S. Introdução a Econometria. Rio de Janeiro: LTC, 2003.

http://www.defaultrisk.com/pp_model_17.htm�

148

MARQUES, C. R. Cointegration and Dynamic Specification. Estudos e Documentos de Trabalho, 16-92. Banco de Portugal, Oct. 1992.

MARQUES, L. F. B. Gerenciamento do Risco de Crédito: cálculo do risco de crédito para a carteira de um banco de varejo. Dissertação (Mestrado em Administração), FEA/URGS, Porto Alegre, 2002.

MARQUES JÚNIOR, T.; PÔRTO JÚNIOR, S. S. Desenvolvimento Financeiro e Crescimento Econômico no Brasil: uma avaliação econométrica. In: IV Encontro Brasileiro de Finanças, Rio de Janeiro, RJ. Anais do IV Encontro Brasileiro de Finanças, 2004.

MATIAS, A. B. Condições Estruturais do Sistema Bancário Brasileiro: o spread bancário brasileiro. Estudos CODEMEC, n. 54, Abr. São Paulo: IBMEC, 2006.

MATOS, O.C. Desenvolvimento do sistema financeiro e crescimento econômico no Brasil: evidências de causalidade. Trabalhos para Discussão do Banco Central do Brasil, n. 49. Brasília: BCB, set. 2002.

______. Inter-relações entre Desenvolvimento Financeiro, Exportações e Crescimento Econômico: análise da experiência brasileira. Notas Técnicas do Banco Central do Brasil, n 40. Brasília: BCB, out. 2003.

MAUDOS, J.; GUEVARA, J. F. Factors Explaining the Interest Margin in the Banking Sectors of the European Union. Journal of Banking and Finance, v. 28, n.9, Sep. 2004, p. 2259-81.

MENDONÇA, H. F.; SOUZA, G. J. G. Credibilidade do Regime de Metas para Inflação no Brasil. Pesquisa e Planejamento Econômico, v.37, n.2, agosto. Rio de Janeiro: IPEA, 2007.

MERTON, R. C. On the Pricing of Corporate Debt: the risk structure of interest rates. Journal of Finance. v. 29, n. 2. New York: American Finance Association, May 1974, p. 449-70.

MEYER, L. H. The challenges of global financial institution supervision. BIS Reviews, n. 47/2000, Jun. 2000.

MINSKY, H. P. Stabilizing an Unstable Economy. New Haven: Yale University Press, May 1986.

MISHKIN, F. S. Symposium on the Monetary Transmission Mechanism. Journal of Economics Perspectives, American Economic Association, v.9, n.4, Fall 1995, p.3-96.

NAKANE, M. I.. Concorrência e Spread Bancário: uma revisão da evidência para o Brasil. In: Relatório de Economia Bancária e Crédito: avaliação de 4 anos do projeto juros e spread bancário. Brasília: BCB, dez. 2003, p. 58-67.

NAKANE, M. I.; COSTA, A. C. A. Spread Bancário: os problemas da comparação internacional. Risk Update, ano 1, n.3, maio 2005, p. 9-14.

NICKELL, P.; PERRAUDIN, W.; VAROTTO, S. Ratings versus Equity-Based Credit Risk Modelling: an empirical analysis. The Bank of England’s working paper series, n. 132. Bank of England, 2001.

149

OCAMPO, J. A. Developing Countries’ anti-Cyclical Policies in a Globalized World. Informe y Estudios Especiales. Santiago: Cepal, jun. 2002.

OLINER, S. D.; RUDEBUSCH, G. D. Is There a Bank Lending Channel for Monetary Policy? Economic Review, Federal Reserve Bank of San Francisco, 1995, p. 1-20.

ONG, M. K. Internal Credit Risk Models: capital allocation and performance measurement. Great Britain: Risk Books, 1999.

ONO, F. H.; SILVA, G.J.C.; OREIRO, J.L.; PAULA, L.F. Spread Bancário no Brasil: determinantes e proposições de política. In: SICSÚ, J.; PAULA, L. F. R.; MICHEL, R.. (Org.). Novo Desenvolvimentismo: um projeto nacional de crescimento com equidade social. Barueri: Manole, v.1, 2005, p. 347-378.

OREIRO, J. L. C.; PAULA, L. F.; SILVA, G. J. C.; ONO, F. H. Determinantes Macroeconômicos do Spread Bancário no Brasil: teoria e evidência recente. Economia Aplicada, v. 10, n. 4, out./dez 2006.

PAULA, L. F. R. Dinâmica da Firma Bancária: uma abordagem não-convencional. Revista Brasileira de Economia. v.53, n. 3. Rio de Janeiro, abr. 1999.

PAULA, L. F.; ALVES JR., A.; MARQUES, M. B. L. Ajuste patrimonial e padrão de rentabilidade os bancos privados durante o Plano Real (1994/98). Estudos Econômicos, v. 31, n. 2, abr./jun. 2001, p. 285-319.

______; ALVES JR., A. J. Comportamento dos Bancos, Percepção de Risco e Margem de Segurança no Ciclo Minskiano. Análise Econômica. v. 2, n. 1. Porto Alegre, jan-mar. 2003, p. 137-162.

______; LEAL, R. M. Custo do Crédito no Brasil: uma avaliação recente. Indicadores Econômicos. v. 34, n. 2. Porto Alegre: FEE, set. 2006, p. 91-102.

PERIA, M. S. M.; MODY, A. How Foreign Participation and Market Concentration Impact Bank Spreads: evidence from Latin America. Journal of Money, Credit, and Banking, v. 36, n. 3, [s.l.], 2004, p. 511–37.

PESARAN, M.H.; SHIN, Y. An Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis. DAE Working Papers, n. 9514. Cambridge: U.K. Departament of Applied Economics, University of Cambridge, 1995.

______. Generalized impulse response analysis in linear multivariate models. Economics Letters, v. 58, n. 1, Jan. 1998, p. 17-29.

PESARAN, M. H.; SCHUERMANN, T.; TREUTLER, B. J.; WEINER, S. M. Macroeconomic Dynamics and Credit Risk: A Global Perspective. Journal of Money, Credit and Banking. Blackwell Publishing, v. 38, n. 5, Aug. 2006, p. 1211-61.

ROBINSON, J. The Generalization of the General Theory. In: The rate of interest, and other essays. London: Macmillan, 1955, p. 67–142.

150

RODRIGUES, E. A. S.; CHU, V.; ALENCAR, L. S.; TAKEDA, T. O Efeito da Consignação em Folha nas Taxas de Juros dos Empréstimos Pessoais. In: Relatório de Economia Bancária e Crédito. Brasília: BCB, dez. 2005, p. 89-101.

ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. Administração Financeira: corporate finance. 2 ed. São Paulo: Atlas, 2002.

SANDRONI, P. Novíssimo Dicionário de Economia. São Paulo: Best Seller, 1999.

SAUNDERS, A.; SCHUMACHER, L. The Determinants of Bank Interest Rate Margins: an international study. Journal of International Money and Finance, v.19, 2000, p. 813-32.

SCHECHTMAN R. Descrição e uso de um modelo de risco e crédito ao nível de portfólio. In: Relatório de Economia Bancária e Crédito: avaliação de 3 anos do projeto juros e spread bancário. Brasília: [s.n.], dez. 2002, p. 108-23.

______. Simulação dos Efeitos de Basiléia II (IRB) para Requerimentos de Risco de Crédito Utilizando Dados da Central de Risco. In: Relatório de Economia Bancária e Crédito: avaliação de 4 anos do projeto juros e spread bancário. Brasília: BCB, dez. 2003, p. 78-89.

______. Credit Risk Measurement and the Regulation of Bank Capital and Provision Requirements in Brazil - A Corporate Analysis. Textos de Discussão, n. 91. Brasília: BCB, nov. 2004.

SCHUMPETER, J. A. (1911). A Teoria do Desenvolvimento Econômico: uma investigação sobre lucros, capital, crédito, juro e o ciclo econômico. São Paulo: Abril Cultural, 1982. (Coleção Os Economistas).

______. (1942). Capitalismo, Socialismo e Democracia. Rio de Janeiro: Zahar Editores, 1984.

SECURATO, J. R. Crédito: Análise e Avaliação do Risco - pessoas físicas e jurídicas. São Paulo: Saint Paul, 2002.

SHARPE, S. A. Asymmetric Information, Bank Lending and Implicit Contracts: a stylized model of customer relationships. The Journal of Finance, v. 45, n. 4, Sep.1990, p. 1069-87.

SIMS, C.A. Macroeconomics and Reality. Econometrica, v.48, n.1, Jan. 1980, p.1–48.

SINGH, A.; BELAISCH, A.; COLLYNS, C.; MASI, P.; KRIEGER, R.; MEREDITH, G.; RENNHACK, R. Stabilization and Reform in Latin America: A Macroeconomic Perspective on the Experience Since the Early 1990s. IMF Occasional Paper 238. Washington: International Monetary Fund, [s.d.].

SILVA, J. P. Gestão e Análise de Risco de Crédito. São Paulo: Atlas, 2000.

SOUZA SOBRINHO, N. F.; NAKANE, M. I. Uma avaliação do canal de crédito no Brasil. 2002. In: XXX Encontro Nacional de Economia, Nova Friburgo. Anais do XXX Encontro Nacional de Economia.

STIGLITZ, J. E.; WEISS, A. Credit Rationing in Markets with Imperfect Information. The American Economic Review, v. 71, n. 3, Jun. 1981, p. 393-410.

151

_____________. Money, Credit, and Business Fluctuations. NBER Working Papers, n. 2823, National Bureau of Economic Research, Inc., 1989. Disponível em: <http://www.nber.org/papers/w2823.v5.pdf>. Acesso em: 8 jun. 2006.

______. Principles of Financial Regulation: a dynamic portfolio approach. The World Bank Research Observer, v. 16, n. 1, Spring 2001, p. 1-18.

TAKEDA, T.; BADER, F. L. C. Consignação em Folha de Pagamento: fatores da impulsão do crédito. In: Relatório de Economia Bancária e Crédito. Brasília: BCB, dez. 2005, p. 69-87.

U. S. CENSUS BUREAU. X-12-ARIMA: reference manual version 0.3. Washington: U.S. Census Bureau Statistical Research Division, Jan. 2007. Disponível em: <http://www.census.gov/srd/www/x12a>. Acesso em: 18 fev. 2007.

VANDAELE, W. Applied Time Series and Box-Jenkins Models. San Diego: Academic Press, 1983.

WALSH, C. E. Monetary Theory and Policy. Cambridge: The MIT Press, 1998.

WILSON, T. C. Portfolio Credit Risk I. Risk Magazine, v. 10, n. 9, Sep. 1997a, p. 111-7.

______. Portfolio Credit Risk II. Risk Magazine, v. 10, n. 10, Oct. 1997b, p. 56-61.

______. Portfolio Credit Risk. FRBNY Economic Policy Review, Oct. 1998, p. 71-82.

http://www.nber.org/papers/w2823.v5.pdf�

http://www.census.gov/srd/www/x12a�

152

APÊNDICE

Lista de Tabelas

Tabela A.1 Testes de Igualdade entre Amostras para Média, Mediana e Variância (Mar. de 2000 a Jun. de 2006) ................................................................................................................................................................... 154

Tabela A.2 Sazonalidade.................................................................................................................................... 155

Tabela A.3 Testes de Raiz Unitária e Estacionariedade ................................................................................. 156

Tabela A.4 Estatísticas do Traço e do Máximo Autovalor – ECM Bancos Públicos.................................... 157

Tabela A.5 Regressão Estática – Bancos Públicos ........................................................................................... 157

Tabela A.6 Teste ADF Modificado para Valores Estimados – Bancos Públicos........................................... 158

Tabela A.7 Modelo ADL de Longo Prazo – Bancos Públicos ......................................................................... 158

Tabela A.8 Teste de Hausman – Bancos Públicos ........................................................................................... 159

Tabela A.9 Teste de Precedência Temporal de Granger – Variáveis em Nível ............................................ 160

Tabela A.10 Teste de Precedência Temporal de Granger – Variáveis Diferençadas ................................... 161

Tabela A.11 Estimação do Modelo de Curto Prazo (Dummy 2001) – Risco de Crédito Bancos Públicos.. 162

Tabela A.12 Estatísticas do Traço e do Máximo Autovalor – ECM Bancos Privados ................................. 163

Tabela A.13 Regressão Estática – Bancos Privados ........................................................................................ 163

Tabela A.14 Teste ADF Modificado para Valores Estimados – Bancos Privados ........................................ 164

Tabela A.15 Modelo ADL de Longo Prazo – Bancos Privados ...................................................................... 164

Tabela A.16 Teste de Hausman – Bancos Privados......................................................................................... 165

Tabela A.17 Estatísticas do Traço e do Máximo Autovalor – VEC Bancos Públicos................................... 166

Tabela A.18 VEC Bancos Públicos ................................................................................................................... 167

Tabela A.19 Testes de Autocorrelação Portmanteau e LM – Bancos Públicos............................................. 168

Tabela A.20 Teste White de Heteroscedasticidade – Bancos Públicos .......................................................... 168

Tabela A.21 Testes de Normalidade Lutkepohl e Doornik-Hansen – Bancos Públicos ............................... 169

Tabela A.22 Estatísticas do Traço e do Máximo Autovalor – VEC Bancos Privados .................................. 169

Tabela A.23 VEC Bancos Privados................................................................................................................... 170

Tabela A.24 Testes de Autocorrelação Portmanteau e LM – Bancos Privados ............................................ 171

Tabela A.25 Teste White de Heteroscedasticidade – Bancos Privados.......................................................... 171

Tabela A.26 Testes de Normalidade Lutkepohl e Doornik-Hansen – Bancos Privados............................... 172

Tabela A.27 Correlação de Pearson entre as Proxies de Risco Idiossincrático e o Risco Macroeconômico............................................................................................................................................................................. 172

Tabela A.28 Teste de Precedência Temporal de Granger – Risco Micro e Macro....................................... 172

Tabela A.29 Sumário de Assunção de Termos Determinísticos - Concessão de Crédito por Ativo Bancário............................................................................................................................................................................. 173

Tabela A.30 Testes de Autocorrelação Portmanteau e LM – Concessão de Crédito por Ativo Bancário.. 173

Tabela A.31 Teste White de Heteroscedasticidade – Concessão de Crédito por Ativo Bancário................ 173

Tabela A.32 Testes de Normalidade Lutkepohl e Doornik-Hansen – Concessão de Crédito por Ativo Bancário ............................................................................................................................................................. 174

Tabela A.33 Raízes Características – Concessão de Crédito por Ativo Bancário ........................................ 174

Tabela A.34 Sumário de Assunção de Termos Determinísticos – Concessão de Crédito à PF.................... 174

Tabela A.35 Testes de Autocorrelação Portmanteau e LM – Concessão de Crédito à PF........................... 175

153

Tabela A.36 Teste White de Heteroscedasticidade – Concessão de Crédito à PF ........................................ 175

Tabela A.37 Testes de Normalidade Lutkepohl e Doornik-Hansen – Concessão de Crédito à PF ............. 175

Tabela A.38 Raízes Características – Concessão de Crédito à PF ................................................................. 176

Tabela A.39 Sumário de Assunção de Termos Determinísticos – Operações de Crédito Bancos Públicos 176

Tabela A.40 Testes de Autocorrelação Portmanteau e LM – Operações de Crédito Bancos Públicos....... 176

Tabela A.41 Teste White de Heteroscedasticidade – Operações de Crédito Bancos Públicos..................... 177

Tabela A.42 Testes de Normalidade Lutkepohl e Doornik-Hansen – Operações de Crédito Bancos Públicos............................................................................................................................................................................. 177

Tabela A.43 Raízes Características – Operações de Crédito Bancos Públicos ............................................. 177

Tabela A.44 Sumário de Assunção de Termos Determinísticos – Operações de Crédito Bancos Privados178

Tabela A.45 Testes de Autocorrelação Portmanteau e LM – Operações de Crédito Bancos Privados ...... 178

Tabela A.46 Teste White de Heteroscedasticidade – Operações de Crédito Bancos Privados .................... 178

Tabela A.47 Testes de Normalidade Lutkepohl e Doornik-Hansen – Operações de Crédito Bancos Privados............................................................................................................................................................................. 179

Tabela A.48 Raízes Características – Operações de Crédito Bancos Privados............................................. 179

Tabela A.49 Sumário de Assunção de Termos Determinísticos – Percentual de Crédito à PF dos Bancos Públicos .............................................................................................................................................................. 179

Tabela A.50 Testes de Autocorrelação Portmanteau e LM – Percentual de Crédito à PF dos Bancos Públicos .............................................................................................................................................................. 180

Tabela A.51 Teste White de Heteroscedasticidade – Percentual de Crédito à PF dos Bancos Públicos..... 180

Tabela A.52 Testes de Normalidade Lutkepohl e Doornik-Hansen – Percentual de Crédito à PF dos Bancos Públicos .............................................................................................................................................................. 180

Tabela A.53 Raízes Características – Percentual de Crédito à PF dos Bancos Públicos ............................. 181

Tabela A.54 Sumário de Assunção de Termos Determinísticos – Percentual de Crédito à PF dos Bancos Privados.............................................................................................................................................................. 181

Tabela A.55 Testes de Autocorrelação Portmanteau e LM – Percentual de Crédito à PF dos Bancos Privados.............................................................................................................................................................. 181

Tabela A.56 Teste White de Heteroscedasticidade – Percentual de Crédito à PF dos Bancos Privados .... 182

Tabela A.57 Testes de Normalidade Lutkepohl e Doornik-Hansen – Percentual de Crédito à PF dos Bancos Privados.............................................................................................................................................................. 182

Tabela A.58 Raízes Características – Percentual de Crédito à PF dos Bancos Privados............................. 182

Lista de Gráficos

Gráfico A.1 Correlogramas ............................................................................................................................... 183

Gráfico A.2 Teste CUSUM – Bancos Públicos................................................................................................. 184

Gráfico A.3 Teste dos Estimadores Recursivos – Bancos Públicos ................................................................ 184

Gráfico A.4 Teste CUSUM – Bancos Privados ................................................................................................ 185

Gráfico A.5 Teste dos Estimadores Recursivos – Bancos Privados ............................................................... 185

Gráfico A.6 Relações de Cointegração – Bancos Públicos .............................................................................. 186

Gráfico A.7 Resíduos do VEC – Bancos Públicos............................................................................................ 186

Gráfico A.8 Raízes Características – Bancos Públicos.................................................................................... 187

Gráfico A.9 Relação de Cointegração – Bancos Privados............................................................................... 188

Gráfico A.10 Resíduos do VEC – Bancos Privados ......................................................................................... 188

Gráfico A.11 Raízes Características – Bancos Privados ................................................................................... 189

154

Tabela A.1 Testes de Igualdade entre Amostras para Média, Mediana e Variância

(Mar. de 2000 a Jun. de 2006)

Method df Value Probabilityt-test 150 23,30 0,00Anova F-statistic (1, 150) 542,76 0,00Analysis of VarianceSource of Variation df Sum of Sq. Mean Sq.Between 1 56,16 56,16Within 150 15,52 0,10Total 151 71,68 0,47Category Statistics

Count Mean Std. Dev. Std. Err.Variable of MeanRisco B. Público 76 3,48 0,42 0,05Risco B. Privado 76 2,26 0,18 0,02Toda Amostra 152 2,87 0,69 0,06

Method df Value ProbabilityWilcoxon/Mann-Whitney 10,64 0,00Wilcoxon/Mann-Whitney (tie-adj.) 10,64 0,00Med. Chi-square 1 152,00 0,00Adj. Med. Chi-square 1 148,03 0,00Kruskal-Wallis 1 113,25 0,00Kruskal-Wallis (tie-adj.) 1 113,25 0,00van der Waerden 1 98,03 0,00Category Statistics

> OverallVariable Count Median Median Mean Rank Mean ScoreRisco B. Público 76 3,43 76,00 114,50 0,78Risco B. Privado 76 2,25 0,00 38,50 -0,78Toda Amostra 152 2,65 76,00 76,50 0,00

Method df Value ProbabilityF-test (75, 75) 5,27 0,00Siegel-Tukey 0,00 1,00Bartlett 1 46,39 0,00Levene (1, 150) 32,91 0,00Brown-Forsythe (1, 150) 29,23 0,00Category Statistics

Mean Abs. Mean Abs. Mean Tukey-Variable Count Std. Dev. Mean Diff. Median Diff. Siegel RankRisco B. Público 76,00 0,42 0,33 0,32 76,50Risco B. Privado 76,00 0,18 0,15 0,15 76,50Toda Amostra 152,00 0,69 0,24 0,24 76,50

Bartlett weighted standard deviation: 0,321672

Test for Equality of Variances Between SeriesVariância

Média

Mediana

Test for Equality of Means Between Series

Test for Equality of Medians Between Series

155

Tabela A.2 Sazonalidade

Sum of Dgrs.of Mean Sum of Dgrs.of MeanSquares Freedom Square F-Value Squares Freedom Square F-Value

Between months 398,53 11 36,23 2.97* Between months 253,41 11 23,04 5.53**Residual 781,00 64 12,20 Residual 266,81 64 4,17Total 1179,53 75 Total 520,22 75

Nonparametric Test for the Presence of Seasonality Assuming Stability Nonparametric Test for the Presence of Seasonality Assuming StabilityKruskal-Wall Degrees of Probability Kruskal-Wall Degrees of Probability

Statistic Freedom Level Statistic Freedom Level31,70 11 0,09% 43,83 11 0,00%

Sum of Dgrs.of Mean Sum of Dgrs.of MeanSquares Freedom Square F-value Squares Freedom Square F-value

Between Years 209,35 4 52,34 8.67** Between Years 11,09 4 2,77 2,10Error 265,90 44 6,04 Error 58,09 44 1,32 **Moving seasonality present at the one percent level. No evidence of moving seasonality at the five percent level.


Between months 1137,41 11 103,40 34.73** Between months 2320,96 11 211,00 50.54**Residual 190,52 64 2,98 Residual 267,20 64 4,17Total 1327,94 75 Total 2588,16 75




Between Years 12,76 4 3,19 2,481 Between Years 1,34 4 0,33 0,10Error 56,59 44 1,29 Error 153,74 44 3,49 No evidence of moving seasonality at the five percent level. No evidence of moving seasonality at the five percent level.






Between Years 5,38 4 1,34 0,288 Between Years 5,34 4 1,33 1,596Error 205,23 44 4,66 Error 36,80 44 0,84


Between months 428,64 11 38,97 1,89 Between months 37,07 11 3,37 3.698**Residual 1317,51 64 20,59 Residual 58,32 64 0,91Total 1746,15 75 Total 95,39 75




Between Years 542,00 4 135,50 10.541** Between Years 2,81 4 0,70 1,429Error 565,58 44 12,85 Error 21,61 44 0,49 **Moving seasonality present at the one percent level. No evidence of moving seasonality at the five percent level.






Between Years 88,25 4 22,06 5.103* Between Years 5,26 4 1,32 4.612*Error 190,24 44 4,32 Error 12,56 44 0,29

Risco de Crédito Bancos Privados

Moving Seasonality Test Moving Seasonality Test

No evidence of moving seasonality at the five percent level. No evidence of moving seasonality at the five percent level.

**Seasonality present at the 0.1 per cent level. **Seasonality present at the 0.1 per cent level.

Seasonality present at the one percent level. Seasonality present at the one percent level.

Test for the presence of seasonality assuming stability. Test for the presence of seasonality assuming stability.



Operações de Crédito Real Bancos Públicos Operações de Crédito Real Bancos Privados

F-tests for seasonality F-tests for seasonality



Produto

Risco de Crédito Bancos Públicos

Desemprego


* No evidence of stable seasonality at the 0.1 per cent level. **Seasonality present at the 0.1 per cent level.




Percentual Concessões em Relação ao Ativo Bancário Percentual Concessões Pessoa Física BancosF-tests for seasonality F-tests for seasonality



* No evidence of stable seasonality at the 0.1 per cent level. **Seasonality present at the 0.1 per cent level.

Seasonality present at the one percent level. Seasonality present at the one percent level.Moving Seasonality Test Moving Seasonality Test

Percentual Pessoa Física Bancos Públicos Percentual Pessoa Física Bancos PrivadosF-tests for seasonality F-tests for seasonality



* Moving seasonality present at the one percent level. * Moving seasonality present at the one percent level.

Seasonality present at the one percent level. Seasonality present at the one percent level. Moving Seasonality Test Moving Seasonality Test

156

Tabela A.3 Testes de Raiz Unitária e Estacionariedade

Def. Termos Determ. Teste

Valor Crítico

1%

Valor Crítico

5%

Valor Crítico10%


Valor Crítico

1%

Valor Crítico

5%

Valor Crítico10%


Valor Crítico

1%

Valor Crítico

5%

Valor Crítico10%


Valor Crítico

1%

Valor Crítico

5%

Valor Crítico10%

LRISK1PUB_SA 0 C -1,83 -3,52 -2,90 -2,59 1 C -1,77 -3,52 -2,90 -2,59 0 CT -1,81 -3,68 -3,11 -2,82 6 C 0,21 0,74 0,46 0,35D(LRISK1PUB_SA) 0 N -9,70 -2,60 -1,95 -1,61 0 N -9,70 -2,60 -1,95 -1,61 0 CT -9,65 -3,68 -3,11 -2,82 2 C 0,10 0,74 0,46 0,35LRISK1PRIV_SA 1 C -3,37 -3,52 -2,90 -2,59 1 C -2,53 -3,52 -2,90 -2,59 1 CT -1,74 -3,68 -3,11 -2,82 6 C 0,24 0,74 0,46 0,35D(LRISK1PRIV_SA) 0 N -6,65 -2,60 -1,95 -1,61 2 N -6,65 -2,60 -1,95 -1,61 0 CT -6,44 -3,68 -3,11 -2,82 1 C 0,25 0,74 0,46 0,35LSELIC 1 C -3,54 -3,52 -2,90 -2,59 6 N -0,57 -2,60 -1,95 -1,61 1 CT -2,60 -3,68 -3,11 -2,82 6 C 0,13 0,74 0,46 0,35D(LSELIC) 0 N -2,62 -2,60 -1,95 -1,61 3 N -2,91 -2,60 -1,95 -1,61 0 CT -2,64 -3,68 -3,11 -2,82 6 C 0,08 0,74 0,46 0,35LIGPDI 0 N -2,24 -2,60 -1,95 -1,61 1 N -2,35 -2,60 -1,95 -1,61 0 CT -2,97 -3,68 -3,11 -2,82 5 CT 0,11 0,22 0,15 0,12LSELICR 0 C -2,08 -3,52 -2,90 -2,59 1 C -2,25 -3,52 -2,90 -2,59 1 CT -3,17 -3,68 -3,11 -2,82 5 CT 0,07 0,22 0,15 0,12D(LSELICR) 0 N -7,32 -2,60 -1,95 -1,61 3 N -7,29 -2,60 -1,95 -1,61 0 CT -6,91 -3,68 -3,11 -2,82 1 C 0,04 0,74 0,46 0,35LTCOMP 0 N -1,30 -2,60 -1,95 -1,61 3 N -1,26 -2,60 -1,95 -1,61 0 CT -1,08 -3,68 -3,11 -2,82 6 CT 0,25 0,22 0,15 0,12D(LTCOMP) 0 N -8,41 -2,60 -1,95 -1,61 3 N -8,43 -2,60 -1,95 -1,61 0 CT -7,61 -3,68 -3,11 -2,82 3 C 0,21 0,74 0,46 0,35LSPREAD 0 N -0,50 -2,60 -1,95 -1,61 2 N -0,50 -2,60 -1,95 -1,61 0 CT -1,87 -3,68 -3,11 -2,82 6 C 0,19 0,74 0,46 0,35D(LSPREAD) 0 N -9,75 -2,60 -1,95 -1,61 1 N -9,74 -2,60 -1,95 -1,61 1 CT -5,13 -3,68 -3,12 -2,82 2 C 0,09 0,74 0,46 0,35LEMBI 1 N -0,78 -2,60 -1,95 -1,61 4 N -0,73 -2,60 -1,95 -1,61 1 CT -1,90 -3,68 -3,11 -2,82 6 CT 0,23 0,22 0,15 0,12D(LEMBI) 0 N -4,94 -2,60 -1,95 -1,61 2 C -5,02 -3,52 -2,90 -2,59 0 CT -4,69 -3,68 -3,11 -2,82 4 C 0,21 0,74 0,46 0,35LDESEMPA_SA 1 N -0,01 -2,60 -1,95 -1,61 3 N 0,02 -2,60 -1,95 -1,61 1 CT -1,76 -3,68 -3,11 -2,82 6 C 0,28 0,74 0,46 0,35D(LDESEMPA_SA) 0 N -5,92 -2,60 -1,95 -1,61 12 N -5,74 -2,60 -1,95 -1,61 0 CT -5,89 -3,68 -3,11 -2,82 3 C 0,16 0,74 0,46 0,35LPROD_SA 3 CT -2,80 -4,09 -3,47 -3,16 5 CT -4,64 -4,09 -3,47 -3,16 3 CT -2,94 -3,69 -3,12 -2,82 6 CT 0,18 0,22 0,15 0,12D(LPROD_SA) 1 N -8,98 -2,60 -1,95 -1,61 3 N -13,91 -2,60 -1,95 -1,61 1 CT -9,21 -3,68 -3,12 -2,82 4 C 0,05 0,74 0,46 0,35LPERCONCAT_SA 2 N 0,43 -2,60 -1,95 -1,61 6 CT -6,21 -4,09 -3,47 -3,16 2 CT -1,47 -3,69 -3,13 -2,83 6 CT 0,12 0,22 0,15 0,12D(LPERCONCAT_SA) 1 N -11,55 -2,60 -1,95 -1,61 5 N -20,55 -2,60 -1,95 -1,61 1 CT -9,78 -3,69 -3,13 -2,83 4 C 0,14 0,74 0,46 0,35LPERCONCPFT_SA 0 C -2,34 -3,52 -2,90 -2,59 3 C -2,12 -3,52 -2,90 -2,59 0 CT -3,40 -3,69 -3,12 -2,82 6 C 0,79 0,74 0,46 0,35D(LPERCONCPFT_SA ) 1 N -8,49 -2,60 -1,95 -1,61 3 N -10,45 -2,60 -1,95 -1,61 1 CT -8,38 -3,69 -3,13 -2,83 4 C 0,08 0,74 0,46 0,35LOPCREDPUBR_SA 2 N 0,65 -2,60 -1,95 -1,61 1 N 0,83 -2,60 -1,95 -1,61 3 CT -1,57 -3,69 -3,12 -2,82 6 CT 0,24 0,22 0,15 0,12D(LOPCREDPUBR_SA) 1 N -7,68 -2,60 -1,95 -1,61 2 N -7,00 -2,60 -1,95 -1,61 1 CT -7,99 -3,68 -3,12 -2,82 1 C 0,22 0,74 0,46 0,35LOPCREDPRIVR_SA 3 CT -2,91 -4,09 -3,47 -3,16 6 N 4,72 -2,60 -1,95 -1,61 3 CT -2,10 -3,69 -3,12 -2,82 6 CT 0,13 0,22 0,15 0,12D(LOPCREDPRIVR_SA) 1 C -3,38 -3,52 -2,90 -2,59 5 C -7,11 -3,52 -2,90 -2,59 1 CT -3,39 -3,68 -3,12 -2,82 6 C 0,19 0,74 0,46 0,35LPERCPFPUB_SA 0 C -3,05 -3,52 -2,90 -2,59 4 C -3,17 -3,52 -2,90 -2,59 0 CT -1,18 -3,68 -3,11 -2,82 6 CT 0,16 0,22 0,15 0,12D(LPERCPFPUB_SA) 0 N -7,66 -2,60 -1,95 -1,61 0 N -7,66 -2,60 -1,95 -1,61 0 CT -8,11 -3,68 -3,11 -2,82 1 C 0,41 0,74 0,46 0,35LPERCPFPRIV_SA 0 N -5,07 -2,60 -1,95 -1,61 5 N -3,69 -2,60 -1,95 -1,61 0 CT -1,22 -3,68 -3,11 -2,82 6 CT 0,19 0,22 0,15 0,12D(LPERCPFPRIV_SA) 1 C -4,04 -3,52 -2,90 -2,59 4 C -7,69 -3,52 -2,90 -2,59 1 C -3,06 -2,60 -1,95 -1,61 5 C 0,12 0,74 0,46 0,35Notas: N, Nenhum; C = Constante e; CT = Constante e Tendência Linear. No teste de ADF e DF-GLS o número de defasagens utilizado para cada série é definido de acordo com o critério de Schwarz. Já nos testes PP e KPSS aplica-se a seleção por Newey-West.

KPSSDF-GLSPPADFSéries

157

Tabela A.4 Estatísticas do Traço e do Máximo Autovalor – ECM Bancos Públicos

Sample (adjusted): 2000:06 2006:06 Included observations: 73 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: LRISK1PUB_SA LDESEMPA_SA LPROD_SA LSELIC LTCOMP Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0,05 No. of CE(s) Eigenvalue Statistic Critical Value

None * 0,4497 114,9981 88,8038 At most 1 0,4021 61,3919 63,8761 At most 2 0,2095 33,8436 42,9152 At most 3 0,1590 16,6851 25,8721 At most 4 0,0539 4,0417 12,5180

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0,05 No. of CE(s) Eigenvalue Statistic Critical Value


Notes: Trace test indicates 1 cointegrating eqn(s) at the 0.05 level. Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level. (*) Denotes rejection of the hypothesis at the 0.05 level.

Tabela A.5 Regressão Estática – Bancos Públicos

Dependent Variable: LRISK1PUB_SA Method: Least Squares Included observations: 76

Variable Coefficient Std. Error t-Statistic C 2,3482 2,0988 1,1188 T 0,0057 0,0017 3,2553 *** LDESEMPA_SA 0,6979 0,2397 2,9112 *** LPROD_SA -1,0466 0,4743 -2,2065 ** LSELIC 1,4748 0,6380 2,3118 ** LTCOMP -0,1305 0,1120 -1,1655 R-squared 0,5019 Schwarz criterion -1,7838 Adjusted R-squared 0,4663 F-statistic 14,1042 ***

DF Test Statistic Value Wald Test:

All coefficients = 1 (1, 70) / 1 F-statistic/Chi-square 0,0000 Jarque-Bera:

J-B statistic 1,3372 Breusch-Godfrey Serial Correlation LM Test:

F-statistic 21,8235 *** Obs. R-squared 51,0488 ***

ARCH Test: F-statistic 5,6840 *** Obs. R-squared 24,5848 ***

White Heteroskedasticity Test: F-statistic 5,7443 *** Obs. R-squared 35,6548 ***

Ramsey RESET Test: F-statistic 42,9693 *** Log likelihood ratio 36,7930 ***

Chow Breakpoint Test: 2003:05 F-statistic 14,5525 *** Log likelihood ratio 65,3965 ***

Chow Forecast Test: Forecast from 2001:06 to 2006:06 F-statistic 1,6856 Log likelihood ratio 191,4966 ***

Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso os resultados não sejam conflitantes é apresentado o teste para autocorrelação até a sexta ordem. Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13. Caso os resultados não sejam conflitantes é apresentado o teste com lag 6. No teste de especificação Ramsey RESET adicionou-se a variável dependente ao quadrado na regressão (second power). (***) Rejeita-se ao grau de 1% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (*) Rejeita-se ao grau de 10% de significância estatística.

158

Tabela A.6 Teste ADF Modificado para Valores Estimados – Bancos Públicos

Null Hypothesis: ESTATICARESID has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=11) Augmented Dickey-Fuller t-Statistic 2,1536 Test critical values*: 1% level -5,5978

5% level -4,9351 10% level -4,6022

Note: (*) MacKinnon (1990).

Tabela A.7 Modelo ADL de Longo Prazo – Bancos Públicos

Dependent Variable: LRISK1PUB_SA Dependent Variable: LRISK1PUB_SAMethod: Least Squares Method: Least SquaresIncluded observations: 74 after adjustments Included observations: 74 after adjustments

Variable Coefficient Std. Error Variable Coefficient Std. ErrorC 5,6732 1,8264 3,1063 *** C 5,6047 1,4928 3,7545 ***T 0,0077 0,0016 4,6986 *** T 0,0069 0,0013 5,1178 ***LRISK1PUB_SA(-1) 0,5244 0,1200 4,3690 *** LRISK1PUB_SA(-1) 0,5055 0,0982 5,1492 ***LRISK1PUB_SA(-2) 0,0855 0,1152 0,7420 LRISK1PUB_SA(-2) 0,1720 0,0955 1,8015 *LDESEMPA_SA 0,4134 0,2864 1,4435 * LDESEMPA_SA 0,2426 0,2362 1,0272LDESEMPA_SA(-1) 0,0540 0,4094 0,1320 LDESEMPA_SA(-1) 0,1237 0,3348 0,3694LDESEMPA_SA(-2) 0,1863 0,2737 0,6808 LDESEMPA_SA(-2) 0,1480 0,2238 0,6614LPROD_SA -0,2708 0,2462 -1,0998 LPROD_SA -0,2555 0,2013 -1,2696LPROD_SA(-1) -0,6330 0,2447 -2,5866 ** LPROD_SA(-1) -0,6026 0,2001 -3,0111 ***LPROD_SA(-2) -0,4586 0,2598 -1,7652 * LPROD_SA(-2) -0,4687 0,2124 -2,2072 **LSELIC 3,6498 1,7701 2,0619 ** LSELIC 1,6241 1,4936 1,0874LSELIC(-1) -0,5954 3,1326 -0,1901 LSELIC(-1) 2,1872 2,6106 0,8378LSELIC(-2) -2,9239 1,7481 -1,6726 * LSELIC(-2) -3,9200 1,4404 -2,7215 ***LTCOMP -0,0545 0,1048 -0,5201 LTCOMP 0,0445 0,0875 0,5085LTCOMP(-1) 0,2160 0,1425 1,5162 LTCOMP(-1) 0,1307 0,1175 1,1123LTCOMP(-2) -0,4623 0,1120 -4,1260 *** LTCOMP(-2) -0,4029 0,0922 -4,3691 ***

D2001 0,145829 0,0267 5,460735 ***R-squared 0,9127 Schwarz criterion -2,9201 R-squared 0,9427 Schwarz criterion -3,2827Adjusted R-squared 0,8901 F-statistic 40,4157 *** Adjusted R-squared 0,9266 F-statistic 58,5805 ***

DF Test Statistic DF Test StatisticWald Test: Wald Test:All coefficients = 1 (1, 58) /1 F-statistic/Chi-square 2,6560 * All coefficients = 1 (1, 57) / 1 F-statistic/Chi-square 5,3263 **LRISK1PUB_SA(-t) (1, 58) /1 F-statistic/Chi-square 21,0102 *** LRISK1PUB_SA(-t) (1, 57) / 1 F-statistic/Chi-square 20,8360 ***Jarque-Bera: Jarque-Bera:

J-B statistic 26,2501 *** J-B statistic 1,5254Breusch-Godfrey Serial Correlation LM Test: Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1,3144 F-statistic 2,0414 *Obs.R-squared 9,7451 Obs.R-squared 14,3305 **

ARCH Test: ARCH Test:F-statistic 2,3476 ** F-statistic 0,9135Obs.R-squared 12,7564 ** Obs.R-squared 5,6060

White Heteroskedasticity Test: White Heteroskedasticity Test:F-statistic 1,6865 * F-statistic 1,2191Obs.R-squared 40,0030 Obs.R-squared 35,0493

Ramsey RESET Test: Ramsey RESET Test: F-statistic 0,4879 F-statistic 2,1242

Log likelihood ratio 0,6307 Log likelihood ratio 2,7550 *Chow Breakpoint Test: 2005:03 Chow Forecast Test: Forecast from 2006:01 to 2006:06 F-statistic 0,3277 F-statistic 0,6574

Log likelihood ratio 8,7045 Log likelihood ratio 5,5127Chow Forecast Test: Forecast from 2006:01 to 2006:06 F-statistic 0,4597

Log likelihood ratio 3,8249Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso os resultados não sejam conflitantes é apresentado o teste para autocorrelação até a sexta ordem.Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13. Caso os resultados não sejam conflitantes é apresentado o teste com lag 6. No teste de especificaçãoRamsey RESET adicionou-se a variável dependente ao quadrado na regressão (second power). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% designificância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

Value

t-Statistic

Value

t-Statistic

159

Tabela A.8 Teste de Hausman – Bancos Públicos

Included observations: 73 after adjustmentsDependent Variable: DLRISK1PUB_SASample (adjusted): 2000:06 2006:06Method: Least Squares

Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente CoeficienteC 0,0059 1,2849 0,0045 0,6522 -0,0030 -0,0848 0,0064 1,1748 0,0055 1,1439 0,0002 0,0318 0,0032 0,5949 DLRISK1PUB_SA(-1) 0,5629 3,4163 *** 0,5542 3,3005 *** 0,7410 1,0173 0,5595 3,3853 *** 0,5423 2,8692 *** 0,7904 2,5366 ** 0,2962 0,8458 DLDESEMPA_SA 0,5408 1,8272 * 0,4500 1,6649 * 0,4253 1,2590 0,5517 1,5459 0,4477 1,5265 0,1306 0,2773 0,3865 1,5587 DLPROD_SA(-1) -0,4624 -2,4923 ** -0,2262 -0,2428 0,4603 0,1263 -0,4790 -2,2588 ** -0,4217 -1,7370 * -0,2148 -0,6417 -0,3471 -1,5608 DLPROD_SA(-2) -0,3566 -1,9343 * -0,2450 -0,5151 1,5627 0,2050 -0,3611 -1,9393 * -0,3357 -1,6351 * -0,2594 -1,2086 -0,2893 -1,4557 DLSELIC 3,1960 3,0601 *** 2,9642 2,4715 ** 2,7874 1,6530 * 4,0987 0,8936 2,7165 1,2658 1,0170 0,3837 2,3124 1,6758 *DLSELIC(-2) -2,8887 -2,7565 *** -2,4473 -1,3734 -1,0648 -0,1514 -3,4373 -1,1342 -2,1733 -0,6936 -1,6051 -0,9281 -1,9765 -1,4115 DLTCOMP(-1) 0,2338 2,4683 ** 0,2631 1,9938 ** 0,3179 0,9767 0,2101 1,2882 0,2505 2,3758 ** 0,8247 1,2012 0,2387 2,6052 **DLTCOMP(-2) -0,3553 -3,3993 *** -0,3273 -2,3083 ** -0,2289 -0,4590 -0,3773 -2,4030 ** -0,3341 -2,5460 ** -0,3531 -3,4293 *** -0,0260 -0,0664 ECM(-1) -1,1217 -5,3789 *** -1,1018 -5,1325 *** -1,2942 -1,7542 * -1,1343 -5,0658 *** -1,0852 -4,3262 *** -1,2843 -4,5181 *** -0,8247 -2,0812 **RESID 1° STAGE -0,1100 -0,2517 -0,2392 -0,2517 -1,9191 -0,2517 -1,0204 -0,2170 -0,7182 -0,2170 -0,5960 -0,8603 -0,3497 -0,8603

tDLSELICDLPROD_SA(-2)

t t t

Notas: As variáveis instrumentais utilizadas foram: desemprego total (aberto e oculto), taxa de juros SELIC Real, taxa de compulsório dos depósitos remunerados, e taxa de câmbio. Foram testadas, a priori, as correlações destas com as variáveis originais.(*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

DLSELIC(-2) DLTCOMP(-1)DLDESEMPA_SAt

DLPROD_SA(-1)Variable DLTCOMP(-2)t t

160

Tabela A.9 Teste de Precedência Temporal de Granger – Variáveis em Nível

V1 V2 Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic ProbabilityLDESEMPA_SA LRISK1PUB_SA 0,1786 0,8369 1,0206 0,4213 0,9317 0,5263 1,4891 0,4222LRISK1PUB_SA LDESEMPA_SA 2,0940 0,1310 1,4941 0,1966 0,9583 0,5028 2,7587 0,2194LPROD_SA LRISK1PUB_SA 0,6940 0,5031 0,7380 0,6212 1,0544 0,4225 1,2573 0,4915LRISK1PUB_SA LPROD_SA 0,8048 0,4513 1,3359 0,2564 0,6795 0,7602 2,9334 0,2041LSELIC LRISK1PUB_SA 2,4238 0,0961 1,1192 0,3628 1,2463 0,2884 12,1728 0,0309LRISK1PUB_SA LSELIC 0,4205 0,6584 1,5570 0,1766 0,7410 0,7037 5,7586 0,0868LTCOMP LRISK1PUB_SA 6,2738 0,0031 2,4591 0,0349 3,3104 0,0023 1,7709 0,3564LRISK1PUB_SA LTCOMP 5,3435 0,0070 5,6559 0,0001 3,4195 0,0018 0,5055 0,8559LSPREAD LRISK1PUB_SA 4,3258 0,0170 3,9473 0,0023 1,9108 0,0635 1,6069 0,3925LRISK1PUB_SA LSPREAD 4,8841 0,0104 2,5272 0,0307 2,7484 0,0085 1,3659 0,4570LDESEMPA_SA LRISK1PRIV_SA 4,4002 0,0159 4,0339 0,0020 0,8803 0,5730 3,4455 0,1680LRISK1PRIV_SA LDESEMPA_SA 2,5232 0,0876 2,3026 0,0465 0,5757 0,8480 2,1709 0,2876LPROD_SA LRISK1PRIV_SA 1,8314 0,1679 2,6874 0,0229 1,1136 0,3771 8,2658 0,0531LRISK1PRIV_SA LPROD_SA 0,1904 0,8270 0,4424 0,8473 0,2964 0,9864 1,5862 0,3975LSELIC LRISK1PRIV_SA 6,1951 0,0034 1,5492 0,1790 0,6234 0,8093 12,7101 0,0291LRISK1PRIV_SA LSELIC 4,3157 0,0171 1,8045 0,1145 1,2512 0,2855 58,3034 0,0031LTCOMP LRISK1PRIV_SA 0,2161 0,8062 2,0255 0,0770 1,6714 0,1118 0,5546 0,8265LRISK1PRIV_SA LTCOMP 3,4751 0,0365 1,6163 0,1594 1,8087 0,0809 1,3341 0,4667LSPREAD LRISK1PRIV_SA 4,0371 0,0220 2,0077 0,0795 1,9223 0,0617 0,6137 0,7912LRISK1PRIV_SA LSPREAD 2,8512 0,0646 2,7906 0,0189 5,1574 0,0000 1,9409 0,3243LPROD_SA LDESEMPA_SA 2,1473 0,1245 1,3447 0,2528 1,0919 0,3934 2,7225 0,2228LDESEMPA_SA LPROD_SA 0,1442 0,8659 0,9318 0,4794 0,9150 0,5413 0,5358 0,8378LSELIC LDESEMPA_SA 2,7715 0,0695 1,6608 0,1474 1,5834 0,1371 39,4165 0,0056LDESEMPA_SA LSELIC 1,1310 0,3286 0,8775 0,5173 0,6611 0,7766 0,6369 0,7775LTCOMP LDESEMPA_SA 1,5621 0,2170 1,5380 0,1824 1,9505 0,0577 0,5383 0,8362LDESEMPA_SA LTCOMP 2,1651 0,1225 1,5227 0,1873 2,4187 0,0187 0,9869 0,5959LSPREAD LDESEMPA_SA 3,3383 0,0413 1,2943 0,2746 1,0473 0,4281 0,6499 0,7699LDESEMPA_SA LSPREAD 1,4881 0,2330 1,8800 0,1000 1,1806 0,3302 2,3629 0,2619LSELIC LPROD_SA 3,0359 0,0545 4,0463 0,0019 3,1679 0,0031 0,6135 0,7913LPROD_SA LSELIC 0,1152 0,8914 0,9127 0,4925 2,5096 0,0150 1,3837 0,4517LTCOMP LPROD_SA 1,6874 0,1925 0,8995 0,5017 0,7659 0,6803 1,0521 0,5680LPROD_SA LTCOMP 0,1412 0,8685 0,2637 0,9515 0,8447 0,6061 5,5589 0,0910LSPREAD LPROD_SA 2,8107 0,0671 3,8004 0,0030 2,3483 0,0221 1,2698 0,4873LPROD_SA LSPREAD 0,4948 0,6118 0,6468 0,6924 0,3323 0,9781 0,7255 0,7266LTCOMP LSELIC 4,5216 0,0143 1,8679 0,1022 0,9790 0,4848 8,2136 0,0536LSELIC LTCOMP 0,2903 0,7490 1,0442 0,4067 1,0810 0,4017 1,4278 0,4390LSPREAD LSELIC 0,8539 0,4302 1,2886 0,2771 0,9810 0,4831 3,3283 0,1753LSELIC LSPREAD 10,2778 0,0001 2,7339 0,0210 1,1944 0,3210 3,2337 0,1815LSPREAD LTCOMP 3,3169 0,0421 0,6767 0,6689 0,7855 0,6618 6,3444 0,0763LTCOMP LSPREAD 3,1468 0,0492 1,2394 0,3001 1,4006 0,2070 0,8350 0,6681Note: Probability calculed for Eviews 5.

52

52

52

52

52

52

52

52

52

52

52

52

52

52

52

52

52

52

52

52

64

64

64

64

64

64

64

64

64

64

64

64

74 70

64

64

64

64

64

64

64

64

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

74 70

70

74 70

74 70

74

Pairwise Granger Causality TestsSample: 2000:03 2006:06

Null Hypothesis: V1 does not Granger Cause V2 Lags: 2 Lags: 6 Lags: 12 Lags: 24

161

Tabela A.10 Teste de Precedência Temporal de Granger – Variáveis Diferençadas

V1 V2 Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic ProbabilityDLDESEMPA_SA DLRISK1PUB_SA 0,0619 0,9400 0,9474 0,4690 63 0,7977 0,6502 51 0,7320 0,7258DLRISK1PUB_SA DLDESEMPA_SA 1,6180 0,2058 2,3428 0,0434 0,7513 0,6938 0,7182 0,7321DLPROD_SA DLRISK1PUB_SA 2,8202 0,0666 0,4586 0,8359 63 0,7554 0,6899 51 0,4901 0,8481DLRISK1PUB_SA DLPROD_SA 1,9017 0,1572 1,4565 0,2100 0,9871 0,4784 2,3961 0,3365DLSELIC DLRISK1PUB_SA 2,1885 0,1199 1,3292 0,2597 63 0,6939 0,7469 51 4,9990 0,1800DLRISK1PUB_SA DLSELIC 0,3398 0,7131 0,8695 0,5231 0,4984 0,9026 2,2130 0,3583DLTCOMP DLRISK1PUB_SA 4,3410 0,0168 1,9132 0,0946 63 2,0825 0,0428 51 0,5600 0,8108DLRISK1PUB_SA DLTCOMP 2,9869 0,0571 3,1926 0,0091 4,4556 0,0002 0,5594 0,8111DLSPREAD DLRISK1PUB_SA 3,0448 0,0542 2,0651 0,0720 63 1,7966 0,0843 51 0,7899 0,6999DLRISK1PUB_SA DLSPREAD 1,9241 0,1539 2,2602 0,0505 1,7732 0,0891 1,0680 0,5941DLDESEMPA_SA DLRISK1PRIV_SA 7,5747 0,0011 2,7819 0,0194 63 1,5811 0,1390 51 5,4805 0,1656DLRISK1PRIV_SA DLDESEMPA_SA 2,8776 0,0632 1,0770 0,3873 0,4840 0,9116 1,3523 0,5121DLPROD_SA DLRISK1PRIV_SA 1,0182 0,3667 2,3736 0,0410 63 1,3748 0,2202 51 1,9134 0,4005DLRISK1PRIV_SA DLPROD_SA 0,0430 0,9579 0,2955 0,9366 0,9699 0,4931 1,0174 0,6112DLSELIC DLRISK1PRIV_SA 1,8774 0,1608 1,7999 0,1158 63 0,9328 0,5256 51 201,9480 0,0049DLRISK1PRIV_SA DLSELIC 3,1465 0,0493 0,5966 0,7317 0,9302 0,5279 16,2796 0,0594DLTCOMP DLRISK1PRIV_SA 0,1401 0,8696 0,6217 0,7121 63 1,4232 0,1981 51 1,0213 0,6099DLRISK1PRIV_SA DLTCOMP 5,1123 0,0085 1,1406 0,3512 2,0240 0,0492 0,6926 0,7442DLSPREAD DLRISK1PRIV_SA 0,3635 0,6966 1,4576 0,2096 63 2,1779 0,0341 51 4,6708 0,1912DLRISK1PRIV_SA DLSPREAD 2,3968 0,0987 2,3256 0,0448 3,3166 0,0024 0,7864 0,7014DLPROD_SA DLDESEMPA_SA 0,2113 0,8101 1,2977 0,2734 63 1,2221 0,3042 51 3,6488 0,2374DLDESEMPA_SA DLPROD_SA 0,8930 0,4142 0,8028 0,5719 1,0468 0,4291 0,4178 0,8872DLSELIC DLDESEMPA_SA 0,5076 0,6042 1,9956 0,0816 63 1,4793 0,1749 51 75,5577 0,0131DLDESEMPA_SA DLSELIC 0,3550 0,7024 0,8839 0,5129 0,5086 0,8960 0,6349 0,7723DLTCOMP DLDESEMPA_SA 2,4578 0,0932 2,6955 0,0227 63 1,9021 0,0657 51 0,4936 0,8462DLDESEMPA_SA DLTCOMP 2,1244 0,1274 1,2126 0,3136 2,0042 0,0516 2,0613 0,3785DLSPREAD DLDESEMPA_SA 1,3952 0,2548 1,2323 0,3039 63 0,7749 0,6717 51 0,4266 0,8825DLDESEMPA_SA DLSPREAD 0,4674 0,6287 2,0513 0,0738 0,7801 0,6668 2,3859 0,3377DLSELIC DLPROD_SA 5,3683 0,0068 4,2502 0,0014 63 3,0970 0,0039 51 42,6128 0,0232DLPROD_SA DLSELIC 0,4961 0,6111 1,1673 0,3369 1,5751 0,1409 0,6036 0,7882DLTCOMP DLPROD_SA 1,9311 0,1529 0,6394 0,6982 63 0,6134 0,8173 51 0,8990 0,6549DLPROD_SA DLTCOMP 0,1532 0,8583 0,6315 0,7044 0,6562 0,7806 2,0105 0,3858DLSPREAD DLPROD_SA 5,1569 0,0082 3,5101 0,0051 63 2,3608 0,0220 51 0,9473 0,6364DLPROD_SA DLSPREAD 0,6840 0,5080 0,5830 0,7423 0,2960 0,9864 0,2728 0,9592DLTCOMP DLSELIC 3,1453 0,0494 1,3230 0,2623 63 0,8299 0,6200 51 3,8277 0,2278DLSELIC DLTCOMP 3,0576 0,0535 1,0268 0,4177 1,0904 0,3952 0,7533 0,7161DLSPREAD DLSELIC 3,1754 0,0480 2,0210 0,0779 63 0,8949 0,5598 51 1,2344 0,5434DLSELIC DLSPREAD 5,5730 0,0057 2,3504 0,0428 1,4662 0,1801 0,9202 0,6467DLSPREAD DLTCOMP 2,9554 0,0588 0,9844 0,4446 63 1,1876 0,3264 51 3,1889 0,2662DLTCOMP DLSPREAD 1,4415 0,2437 2,1722 0,0593 1,5962 0,1343 0,3896 0,9023Note: Probability calculed for Eviews 5.

Null Hypothesis: V1 does not Granger Cause V2Sample: 2000:03 2006:06

Pairwise Granger Causality Tests

69

69

69

69

69

69

69

69

69

69

69

69

69

69

69

69

69

69

69

69

73

73

73

73

73

73

73

73

73

73

73

73

73

73

73

73

73

73

73

73

Lags: 2 Lags: 6 Lags: 12 Lags: 24

162

Tabela A.11 Estimação do Modelo de Curto Prazo (Dummy 2001) – Risco de Crédito Bancos

Públicos

Dependent Variable: DLRISK1PUB_SA Method: Least Squares Included observations: 73 after adjustments

Variable Coefficient Std. Error t-Statistic C 0,0013 0,0037 0,3650 DLRISK1PUB_SA(-1) 0,3445 0,1349 2,5532 ** DLDESEMPA_SA 0,3134 0,1744 1,7970 * DLPROD_SA(-1) -0,3946 0,1455 -2,7113 *** DLPROD_SA(-2) -0,3925 0,1457 -2,6942 *** DLSELIC 1,7780 0,8265 2,1513 ** DLSELIC(-2) -1,5103 0,8247 -1,8313 * DLTCOMP(-1) 0,2139 0,0729 2,9356 *** DLTCOMP(-2) -0,2531 0,0833 -3,0373 *** MCE(-1) -1,1159 0,2057 -5,4247 *** D2001 0,1390 0,0227 6,1221 *** R-squared 0,6783 Schwarz criterion -3,7588 Adjusted R-squared 0,6264 F-statistic 13,0742 ***


DLPROD_SA (1, 62) / 1 F-statistic/Chi-square 9,9081 *** DLSELIC (1, 62) / 1 F-statistic/Chi-square 0,1562

DLTCOMP (1, 62) / 1 F-statistic/Chi-square 0,1269 Jarque-Bera:

J-B statistic 1,0983 *** Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2,1993 * Obs. R-squared 13,9213 **

ARCH Test: F-statistic 0,3170 Obs. R-squared 2,0589

White Heteroskedasticity Test: F-statistic 1,5332 Obs. R-squared 25,8918

Ramsey RESET Test: F-statistic 1,2192 Log likelihood ratio 1,4446

Chow Forecast Test: Forecast from 2001:06 to 2006:06 F-statistic 0,1385 Log likelihood ratio 163,9593 ***

Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso os resultados não sejam conflitantes é apresentado o teste para autocorrelação até a sexta ordem. Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13. Caso os resultados não sejam conflitantes é apresentado o teste com lag 6. No teste de especificação Ramsey RESET adicionou-se a variável dependente ao quadrado na regressão (second power). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

163

Tabela A.12 Estatísticas do Traço e do Máximo Autovalor – ECM Bancos Privados

Sample (adjusted): 2000:06 2006:06 Included observations: 73 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: LRISK1PRIV_SA LDESEMPA_SA LPROD_SA LSELIC LTCOMP Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value


Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05 No. of CE(s) Eigenvalue Statistic Critical Value


Notes: Trace test indicates 1 cointegrating eqn(s) at the 0.05 level. Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level. (*) Denotes rejection of the hypothesis at the 0.05 level.

Tabela A.13 Regressão Estática – Bancos Privados

Dependent Variable: LRISK1PRIV_SA Method: Least Squares Included observations: 76

Variable Coefficient Std. Error t-Statistic C -2,8692 1,2185 -2,3546 ** T 0,0016 0,0010 1,5876 LDESEMPA_SA 0,7090 0,1392 5,0936 *** LPROD_SA 0,0481 0,2754 0,1748 LSELIC 1,3234 0,3704 3,5729 *** LTCOMP -0,0723 0,0650 -1,1124 R-squared 0,6182 Schwarz criterion -2,8712 Adjusted R-squared 0,5909 F-statistic 22,6688 ***


All coefficients = 1 (1, 70) / 1 F-statistic/Chi-square 5,1873 ** Jarque-Bera:

J-B statistic 18,9461 *** Breusch-Godfrey Serial Correlation LM Test:

F-statistic 62,7494 *** Obs. R-squared 49,2918 ***

ARCH Test: F-statistic 5,1984 *** Obs. R-squared 23,1798 ***

White Heteroskedasticity Test: F-statistic 4,9757 *** Obs. R-squared 32,9523 ***

Ramsey RESET Test: F-statistic 1,6639 *** Log likelihood ratio 1,8110 ***

Chow Breakpoint Test: 2003:05 F-statistic 20,6262 *** Log likelihood ratio 81,7963 ***

Chow Forecast Test: Forecast from 2001:06 to 2006:06 F-statistic 2,3258 * Log likelihood ratio 214,2603 ***

Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso os resultados não sejam conflitantes é apresentado o teste para autocorrelação até a sexta ordem. Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13. Caso os resultados não sejam conflitantes é apresentado o teste com lag 6. No teste de especificação Ramsey RESET adicionou-se a variável dependente ao quadrado na regressão (second power). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

164

Tabela A.14 Teste ADF Modificado para Valores Estimados – Bancos Privados

Null Hypothesis: ESTATICARESID has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=11)Augmented Dickey-Fuller t-Statistic -3,2194Test critical values: 1% level -5,5978

5% level -4,935110% level -4,6022

Note: (*) MacKinnon (1996) one-sided p-values.

Tabela A.15 Modelo ADL de Longo Prazo – Bancos Privados

Dependent Variable: LRISK1PRIV_SAMethod: Least SquaresIncluded observations: 74 after adjustments

Variable Coefficient Std. ErrorC 0,5543 0,7289 0,7605T 0,0013 0,0005 2,4172 **LRISK1PRIV_SA(-1) 0,9074 0,0992 9,1463 ***LRISK1PRIV_SA(-2) -0,1575 0,0968 -1,6262 *LDESEMPA_SA 0,2620 0,1292 2,0279 **LDESEMPA_SA(-1) -0,0673 0,1891 -0,3557LDESEMPA_SA(-2) -0,1024 0,1354 -0,7559LPROD_SA 0,1069 0,1067 1,0021LPROD_SA(-1) -0,1580 0,1051 -1,5037LPROD_SA(-2) -0,2643 0,1091 -2,4218 **LSELIC 0,6463 0,8136 0,7944 *LSELIC(-1) 0,1841 1,4599 0,1261LSELIC(-2) -0,4914 0,7865 -0,6248LTCOMP -0,0245 0,0459 -0,5344LTCOMP(-1) 0,0320 0,0635 0,5043LTCOMP(-2) -0,0440 0,0473 -0,9290 *

R-squared 0,9236 Schwarz criterion -4,1257Adjusted R-squared 0,9039 F-statistic 46,7621 ***

DF Test StatisticWald Test:All coefficients = 1 (1, 58) /1 F-statistic/Chi-square 0,2410LRISK1PUB_SA(-t) (1, 58) /1 F-statistic/Chi-square 13,4736 ***Jarque-Bera:

J-B statistic 1,0110Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1,7386Obs.R-squared 12,3644 *

ARCH Test: F-statistic 0,2511

Obs.R-squared 1,6390White Heteroskedasticity Test:

F-statistic 1,2947Obs.R-squared 35,1194

Ramsey RESET Test: F-statistic 0,9730

Log likelihood ratio 1,2525Chow Breakpoint Test: 2005:03 F-statistic 1,7383 *

Log likelihood ratio 37,6031 ***Chow Forecast Test: Forecast from 2006:01 to 2006:06 F-statistic 2,1646 *

Log likelihood ratio 16,4988 **

t-Statistic

Value

Notas: Para o teste assintótico Breusch-Godfrey foi testado para os lags 2, 6 e 13. Caso osresultados não sejam conflitantes é apresentado o teste para autocorrelação até a sextaordem. Para o teste de resíduos homoscedásticos ARCH foi testado entre os lags 1 e 13.Caso os resultados não sejam conflitantes é apresentado o teste com lag 6. No teste deespecificação Ramsey RESET adicionou-se a variável dependente ao quadrado na regressão(second power). (*) Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se aograu de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significânciaestatística.

165

Tabela A.16 Teste de Hausman – Bancos Privados

Included observations: 69 after adjustmentsDependent Variable: DLRISK1PRIV_SASample (adjusted): 2000:10 2006:06Method: Least Squares

Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente CoeficienteC 0,0007 0,2920 0,0006 0,3736 * 0,0005 0,2436 0,0005 0,2436 -0,0030 -0,0848 0,0005 0,2436 0,0005 0,2436DLRISK1PRIV_SA(-1) 0,5410 1,9251 ** 0,6235 3,5102 *** 0,6033 3,5102 *** 0,6033 3,5102 *** 0,7410 1,0173 ** 0,6033 3,5102 *** 0,6033 3,5102 ***DLRISK1PRIV_SA(-6) 0,2506 3,2337 *** 0,2527 3,2624 *** 0,2527 3,2624 *** 0,2527 3,2624 *** 0,4253 1,2590 *** 0,2527 3,2624 *** 0,2527 3,2624 ***DLDESEMPA_SA(-1) 0,3185 0,7780 0,2103 1,8715 * 0,2103 1,8715 ** 0,2103 1,8715 * 0,4603 0,1263 * 0,2103 1,8715 * 0,2103 1,8715 *DLDESEMPA_SA(-2) -0,6821 -4,7355 *** -0,6653 -5,0814 *** -0,6653 -5,0814 ** -0,6653 -5,0814 *** 1,5627 0,2050 ** -0,6653 -5,0814 *** -0,6653 -5,0814 ***DLDESEMPA_SA(-3) 0,2229 1,9957 ** 0,2164 1,9632 * 0,2164 1,9632 ** 0,2164 1,9632 * 2,7874 1,6530 ** 0,2164 1,9632 * 0,2164 1,9632 *DLPROD_SA(-1) -0,1881 -1,9420 ** -0,2062 -1,9093 * -0,2062 -1,9093 * -0,2062 -1,9093 * -1,0648 -0,1514 * -0,2062 -1,9093 * -0,2062 -1,9093 *DLPROD_SA(-2) -0,1713 -1,9396 ** -0,1762 -1,9290 * -0,1762 -1,9290 * -0,1762 -1,9290 * 0,3179 0,9767 ** -0,1762 -1,9290 * -0,1762 -1,9290 *DLPROD_SA(-5) -0,2302 -2,5913 *** -0,2379 -2,7520 ** -0,2379 -2,7520 *** -0,2379 -2,7520 *** -0,2289 -0,4590 ** -0,2379 -2,7520 *** -0,2379 -2,7520 ***DLTCOMP(-1) 0,1194 2,6468 *** 0,1188 2,6303 ** 0,1188 2,6303 ** 0,1188 2,6303 ** -1,2942 -1,7542 ** 0,1188 2,6303 ** 0,1188 2,6303 **ECM(-1) -0,4348 -1,4866 -0,4965 -2,5449 ** -0,4965 -2,5449 ** -0,4965 -2,5449 ** -1,9191 -0,2517 ** -0,4965 -2,5449 ** -0,4965 -2,5449 **RESID 1° STAGE -0,1157 -0,2719 -0,1100 -0,2517 -0,2392 -0,2517 -0,0116 -0,1212 -1,9191 -0,2517 -0,7182 -0,2170 -0,3598 -0,9703

DLPROD_SA(-2)DLDESEMPA_SA(-3)DLDESEMPA_SA(-2)t t

DLPROD_SA(-1)t

DLPROD_SA(-5) DLTCOMP(-1)

Notas: As variáveis instrumentais utilizadas foram: desemprego total (aberto e oculto), taxa de juros SELIC Real, taxa de compulsório dos depósitos remunerados, e taxa de câmbio. Foram testadas, a priori, as correlações destas com as variáveis originais. (*)Rejeita-se ao grau de 10% de significância estatística. (**) Rejeita-se ao grau de 5% de significância estatística. (***) Rejeita-se ao grau de 1% de significância estatística.

t t t tVariable DLDESEMPA_SA(-1)

166

Tabela A.17 Estatísticas do Traço e do Máximo Autovalor – VEC Bancos Públicos

Sample (adjusted): 2000:05 2006:06 Included observations: 74 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: LRISK1PUB_SA LDESEMPA_SA LPROD_SA LSELIC LTCOMP LSPREAD Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace)


None * 0,5076 162,6914 117,7082 At most 1 * 0,4228 110,2693 88,8038 At most 2 * 0,3371 69,5980 63,8761 At most 3 0,2585 39,1738 42,9152 At most 4 0,1514 17,0437 25,8721 At most 5 0,0640 4,8974 12,5180


None * 0,5076 52,4221 44,4972 At most 1 * 0,4228 40,6713 38,3310 At most 2 0,3371 30,4241 32,1183 At most 3 0,2585 22,1301 25,8232 At most 4 0,1514 12,1464 19,3870 At most 5 0,0640 4,8974 12,5180

Notes: Trace test indicates 3 cointegrating eqn(s) at the 0,05 level. Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0,05 level. (*) Denotes rejection of the hypothesis at the 0,05 level.

167

Tabela A.18 VEC Bancos Públicos

Cointegrating Eq: CointEq1 CointEq2LRISK1PUB_SA(-1) 1,000000 0,000000LDESEMPA_SA(-1) 0,000000 1,000000

LPROD_SA(-1) 11,05193 2,446435 (1,31444) (0,41549)[ 8,40809] [ 5,88811]

LSELIC(-1) 1,654095 2,267826 (1,71866) (0,54326)[ 0,96243] [ 4,17449]

LTCOMP(-1) 0,202299 -0,221768 (0,24235) (0,07661)[ 0,83474] [-2,89493]

LSPREAD(-1) 1,513973 -0,24406 (0,83666) (0,26446)[ 1,80955] [-0,92285]

@TREND(00:03) -0,03261 -0,00365 (0,00450) (0,00142)[-7,24963] [-2,56693]

C -52,17688 -8,844207

Error Correction: D(LRISK1PUB_SA) D(LDESEMPA_SA) D(LPROD_SA) D(LSELIC) D(LTCOMP) D(LSPREAD)CointEq1 -0,215035 0,018785 -0,05006 0,008114 -0,030221 -0,091387

(0,05146) (0,02397) (0,02563) (0,00426) (0,06403) (0,03667)[-4,17863] [ 0,78378] [-1,95293] [ 1,90661] [-0,47198] [-2,49193]

CointEq2 0,495350 -0,234207 -0,142372 -0,023244 0,315494 0,310770 (0,17422) (0,08114) (0,08678) (0,01441) (0,21677) (0,12415)[ 2,84332] [-2,88651] [-1,64063] [-1,61322] [ 1,45544] [ 2,50311]

D(LRISK1PUB_SA(-1)) -0,060421 0,029630 -0,093386 0,005631 -0,059247 0,162743 (0,10500) (0,04890) (0,05230) (0,00868) (0,13065) (0,07483)[-0,57544] [ 0,60590] [-1,78551] [ 0,64847] [-0,45349] [ 2,17490]

D(LDESEMPA_SA(-1)) -0,317678 0,408313 0,159088 7,04E-05 0,405753 0,171909 (0,23334) (0,10868) (0,11623) (0,01930) (0,29034) (0,16629)[-1,36142] [ 3,75716] [ 1,36872] [ 0,00365] [ 1,39751] [ 1,03379]

D(LPROD_SA(-1)) 0,504486 0,255562 -0,025535 -0,007504 -0,096981 0,287857 (0,25352) (0,11807) (0,12628) (0,02097) (0,31544) (0,18067)[ 1,98994] [ 2,16445] [-0,20221] [-0,35789] [-0,30744] [ 1,59329]

D(LSELIC(-1)) 2,746551 0,162145 -0,025566 0,752687 0,034405 2,720916 (0,97143) (0,45243) (0,48388) (0,08034) (1,20872) (0,69229)[ 2,82732] [ 0,35839] [-0,05283] [ 9,36870] [ 0,02846] [ 3,93033]

D(LTCOMP(-1)) 0,388127 0,039882 -0,066302 0,015711 0,005832 0,278026 (0,10126) (0,04716) (0,05044) (0,00837) (0,12599) (0,07216)[ 3,83309] [ 0,84570] [-1,31454] [ 1,87610] [ 0,04629] [ 3,85290]

D(LSPREAD(-1)) 0,506164 0,029181 -0,114875 -0,022419 0,436582 -0,201765 (0,16183) (0,07537) (0,08061) (0,01338) (0,20136) (0,11533)[ 3,12780] [ 0,38717] [-1,42510] [-1,67513] [ 2,16821] [-1,74953]

C -0,001047 -0,000855 0,003402 -0,000232 0,008370 -0,003772 (0,00489) (0,00228) (0,00243) (0,00040) (0,00608) (0,00348)[-0,21429] [-0,37564] [ 1,39809] [-0,57487] [ 1,37699] [-1,08346]

R-squared 0,370172 0,326847 0,533907 0,726922 0,175485 0,373416 Adj. R-squared 0,292655 0,243997 0,476541 0,693313 0,074007 0,296298 Sum sq. resids 0,109570 0,023767 0,027186 0,000749 0,169635 0,055646 S.E. equation 0,041057 0,019122 0,020451 0,003396 0,051086 0,029259 F-statistic 4,775350 3,945065 9,307129 21,62844 1,729282 4,842144 Log likelihood 136,0630 192,6092 187,6356 320,5079 119,8909 161,1323 Akaike AIC -3,434135 -4,96241 -4,827989 -8,419133 -2,99705 -4,111683 Schwarz SC -3,153911 -4,682186 -4,547765 -8,138909 -2,716826 -3,831459 Mean dependent 0,000963 0,00001 0,003020 -0,000398 0,007291 -0,00175 S.D. dependent 0,048817 0,021992 0,028267 0,006131 0,053088 0,034879

0,00000,0000

1140,237-28,9794-26,8621

Nota: Erros Padrão em ( ) e estatísticas t em [ ].

Vector Error Correction Estimates Sample (adjusted): 2000:05 2006:06 Included observations: 74 after adjustments

Akaike information criterion Schwarz criterion

Determinant resid covariance (dof adj,) Determinant resid covariance Log likelihood

168

Tabela A.19 Testes de Autocorrelação Portmanteau e LM – Bancos Públicos

VEC Residual Portmanteau Tests for

Autocorrelations VEC Residual Serial Correlation LM Tests H0: no residual autocorrelations up to lag h H0: no serial correlation at lag order h

Lags Q-Stat Prob. Adj Q-Stat Prob. df** LM-Stat Prob*** 1 15,6527 NA* 15,8671 NA* NA* 40,2066 0,2892 2 43,3509 0,1865 44,3347 0,1605 36 36,2921 0,4550 3 80,4136 0,2325 82,9634 0,1773 72 39,3692 0,3215 4 111,1182 0,3992 115,4225 0,2949 108 31,7766 0,6697 5 143,1548 0,5042 149,7807 0,3537 144 34,8700 0,5222 6 182,5090 0,4338 192,6073 0,2468 180 42,5966 0,2084 7 224,2863 0,3352 238,7494 0,1378 216 53,9648 0,0276 8 255,7654 0,4221 274,0441 0,1625 252 32,6728 0,6276 9 292,7481 0,4112 316,1475 0,1222 288 38,7118 0,3482 10 333,6226 0,3444 363,4086 0,0648 324 46,5112 0,1127 11 367,2178 0,3851 402,8697 0,0590 360 39,0013 0,3363 12 394,0756 0,5179 434,9258 0,0863 396 27,9418 0,8293

Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5. (*) The test is valid only for lags larger than the VAR lag order. (**) df is degrees of freedom for (approximate) chi-square distribution. (***) Probs from chi-square with 36 df.

Tabela A.20 Teste White de Heteroscedasticidade – Bancos Públicos

Chi-sq df Prob. Chi-sq df Prob.371,0932 336,0000 0,0910 977,7169 924,0000 0,1072

Dependent R-squared F(16,57) Prob. Chi-sq(16) Prob. R-squared F(44,29) Prob. Chi-sq(44) Prob.res1*res1 0,1522 0,6398 0,8377 11,2659 0,7928 0,6634 1,2990 0,2306 49,0914 0,2764res2*res2 0,3697 2,0892 0,0218 27,3549 0,0377 0,7378 1,8550 0,0409 54,6000 0,1314res3*res3 0,1480 0,6188 0,8555 10,9521 0,8124 0,3102 0,2964 0,9999 22,9580 0,9963res4*res4 0,1275 0,5204 0,9255 9,4313 0,8946 0,5597 0,8379 0,7072 41,4200 0,5828res5*res5 0,6963 8,1676 0,0000 51,5258 0,0000 0,8713 4,4610 0,0000 64,4742 0,0237res6*res6 0,1439 0,5989 0,8716 10,6492 0,8306 0,6322 1,1331 0,3662 46,7858 0,3588res2*res1 0,0649 0,2474 0,9983 4,8048 0,9966 0,7118 1,6277 0,0842 52,6717 0,1736res3*res1 0,1613 0,6849 0,7965 11,9325 0,7486 0,3665 0,3814 0,9981 27,1231 0,9786res3*res2 0,1723 0,7417 0,7403 12,7523 0,6908 0,6233 1,0906 0,4088 46,1254 0,3844res4*res1 0,3261 1,7242 0,0680 24,1344 0,0866 0,7120 1,6293 0,0838 52,6871 0,1733res4*res2 0,0992 0,3925 0,9792 7,3432 0,9661 0,5525 0,8139 0,7362 40,8885 0,6058res4*res3 0,2113 0,9545 0,5159 15,6366 0,4786 0,5965 0,9742 0,5399 44,1379 0,4658res5*res1 0,3827 2,2090 0,0149 28,3230 0,0289 0,7497 1,9738 0,0280 55,4753 0,1150res5*res2 0,1521 0,6389 0,8384 11,2532 0,7936 0,7217 1,7088 0,0651 53,4025 0,1566res5*res3 0,2416 1,1351 0,3471 17,8815 0,3309 0,7132 1,6389 0,0813 52,7758 0,1711res5*res4 0,1404 0,5817 0,8846 10,3875 0,8456 0,5546 0,8207 0,7280 41,0417 0,5992res6*res1 0,2567 1,2301 0,2748 18,9938 0,2690 0,6179 1,0659 0,4350 45,7256 0,4003res6*res2 0,2183 0,9949 0,4750 16,1546 0,4422 0,7263 1,7492 0,0573 53,7480 0,1490res6*res3 0,2557 1,2239 0,2791 18,9220 0,2727 0,6061 1,0140 0,4930 44,8495 0,4360res6*res4 0,2332 1,0833 0,3916 17,2549 0,3693 0,6714 1,3466 0,2005 49,6823 0,2572res6*res5 0,3583 1,9888 0,0299 26,5113 0,0472 0,6781 1,3885 0,1768 50,1809 0,2417Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5.

VEC Residual Heteroskedasticity Tests

Joint test:

Individual components:Individual components:

No Cross Terms (only levels and squares) Includes Cross Terms Joint test:

169

Tabela A.21 Testes de Normalidade Lutkepohl e Doornik-Hansen – Bancos Públicos

VEC Residual Normality Tests

Orthogonalization: Cholesky (Lutkepohl) Resid Correlation Doornik- Hansen H0: Residuals are multivariate normal Residuals are multivariate normal

Component df Skewness Chi-sq Prob. Skewness Chi-sq Prob. 1 1 -0,2944 1,0691 0,3011 -0,2943 1,2148 0,2704 2 1 0,4267 2,2452 0,1340 0,3949 2,1348 0,1440 3 1 0,2852 1,0035 0,3165 0,2206 0,6915 0,4057 4 1 0,3907 1,8830 0,1700 0,4270 2,4748 0,1157 5 1 0,2991 1,1031 0,2936 0,4947 3,2552 0,0712 6 1 0,0157 0,0030 0,9562 -0,1172 0,1979 0,6564

Joint 6 7,3070 0,2934 9,9691 0,1260 Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob.

1 1 2,7100 0,2594 0,6105 2,2998 2,4710 0,1160 2 1 3,8006 1,9764 0,1598 3,0579 0,0003 0,9863 3 1 3,6280 1,2159 0,2702 2,5491 0,4481 0,5033 4 1 3,9200 2,6097 0,1062 2,9622 0,1343 0,7140 5 1 3,1546 0,0737 0,7860 2,8131 1,1059 0,2930 6 1 2,7986 0,1250 0,7236 2,1695 2,3257 0,1273

Joint 6 6,2600 0,3947 6,4852 0,3711 Component df Jarque-Bera Prob. Jarque-Bera Prob.

1 2 1,3285 0,5147 3,6858 0,1584 2 2 4,2216 0,1211 2,1351 0,3438 3 2 2,2194 0,3297 1,1396 0,5656 4 2 4,4927 0,1058 2,6092 0,2713 5 2 1,1768 0,5552 4,3611 0,1130 6 2 0,1280 0,9380 2,5236 0,2831

Joint 12 13,5670 0,3292 16,4543 0,1713 Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5.

Tabela A.22 Estatísticas do Traço e do Máximo Autovalor – VEC Bancos Privados

Sample (adjusted): 2000:05 2006:06 Included observations: 74 after adjustments

Trend assumption: Linear deterministic trend (restricted) Series: LRISK1PRIV_SA LDESEMPA_SA LPROD_SA LSELIC LTCOMP LSPREAD

Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace)


None * 0,5182 139,1492 117,7082 At most 1 0,3647 85,1192 88,8038 At most 2 0,2639 51,5512 63,8761 At most 3 0,1674 28,8772 42,9152 At most 4 0,1129 15,3185 25,8721 At most 5 0,0835 6,4498 12,5180


None * 0,5182 54,0300 44,4972 At most 1 0,3647 33,5680 38,3310 At most 2 0,2639 22,6740 32,1183 At most 3 0,1674 13,5587 25,8232 At most 4 0,1129 8,8687 19,3870 At most 5 0,0835 6,4498 12,5180

Notes: Trace test indicates 1 cointegrating eqn(s) at the 0,05 level. Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0,05 level. (*) Denotes rejection of the hypothesis at the 0,05 level.

170

Tabela A.23 VEC Bancos Privados

Cointegrating Eq: CointEq1LRISK1PRIV_SA(-1) 1

LDESEMPA_SA(-1) 1,994455(0,41541)[ 4,80123]

LPROD_SA(-1) 4,111457 (0,80915)[ 508120]

LSELIC(-1) 4,051378 (1,21744)[ 3,32779]

LTCOMP(-1) -0,415069(0,18338)[-2,26347]

LSPREAD(-1) -1,321264(0,55965)[-2,36086]

@TREND(00:03) -0,005896(0,00287)[-2,05622]

C -7,156869

Error Correction: D(LRISK1PRIV_SA) D(LDESEMPA_SA) D(LPROD_SA) D(LSELIC) D(LTCOMP) D(LSPREAD)CointEq1 -0,142476 -0,068276 -0,090448 -0,000436 0,169287 0,053454

(0,02340) (0,02122) (0,02521) (0,00371) (0,05401) (0,03408)[-6,08858] [-3,21768] [-3,58815] [-0,11750] [ 3,13457] [ 1,56825]

D(LRISK1PRIV_SA(-1)) 0,109078 0,194270 -0,000983 -0,038157 -0,134801 -0,053181(0,09975) (0,09045) (0,10746) (0,01582) (0,23022) (0,14530)[ 1,09348] [ 2,14773] [-0,00915] [-2,41136] [-0,58552] [-0,36601]

D(LDESEMPA_SA(-1)) 0,497503 0,321324 0,198495 0,009605 0,397509 0,292723(0,12422) (0,11264) (0,13381) (0,01970) (0,28669) (0,18094)[ 4,00502] [ 2,85269] [ 1,48338] [ 0,48744] [ 1,38654] [ 1,61781]

D(LPROD_SA(-1)) 0,339572 0,191535 -0,286129 0,017361 -0,244439 0,051016(0,10626) (0,09636) (0,11447) (0,01686) (0,24525) (0,15478)[ 3,19558] [ 1,98778] [-2,49962] [ 1,02995] [-0,99670] [ 0,32960]

D(LSELIC(-1)) 1,328631 0,187509 -0,780275 0,868612 -0,258526 2,330010(0,43392) (0,39347) (0,46743) (0,06883) (1,00146) (0,63204)[ 3,06193] [ 0,47656] [-1,66929] [ 12,6194] [-0,25815] [ 3,68648]

D(LTCOMP(-1)) 0,010008 0,082779 -0,052605 0,017730 -0,044434 0,194043 (0,04883) (0,04428) (0,05260) (0,00775) (0,11269) (0,07112)[ 0,20497] [ 1,86962] [-1,00012] [ 2,28912] [-0,39430] [ 2,72831]

D(LSPREAD(-1)) -0,197983 0,025451 -0,189115 -0,015945 0,477682 -0,313797 (0,07718) (0,06999) (0,08314) (0,01224) (0,17814) (0,11243)[-2,56508] [ 0,36364] [-2,27453] [-1,30233] [ 2,68156] [-2,79115]

C 0,002850 -0,001576 0,003678 -0,000125 0,009523 -0,002469(0,00253) (0,00229) (0,00272) (0,00040) (0,00583) (0,00368)[ 1,12823] [-0,68816] [ 1,35167] [-0,31293] [ 1,63351] [-0,67107]

R-squared 0,474394 0,318959 0,418206 0,731874 0,242887 0,301366 Adj. R-squared 0,418648 0,246727 0,356500 0,703436 0,162587 0,227268 Sum sq. resids 0,029244 0,024045 0,033935 0,000736 0,155768 0,062045 S.E. equation 0,021050 0,019087 0,022675 0,003339 0,048581 0,030661 F-statistic 8,509919 4,415780 6,777449 25,73608 3,024751 4,067147 Log likelihood 184,9362 192,1781 179,4316 321,1849 123,0463 157,1050 Akaike AIC -4,782058 -4,977787 -4,633285 -8,464457 -3,10936 -4,029865 Schwarz SC -4,53297 -4,728699 -4,384197 -8,215369 -2,860272 -3,780777 Mean dependent 0,004200 9,67E-05 0,003020 -0,000398 0,007291 -0,00175 S.D. dependent 0,027607 0,021992 0,028267 0,006131 0,053088 0,034879

0,00000,0000

1165,793-30,0214-28,3090

Note: Standard errors in ( ) & t-statistics in [ ] Schwarz criterion

Vector Error Correction Estimates Sample (adjusted): 2000:05 2006:06 Included observations: 74 after adjustments

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion

171

Tabela A.24 Testes de Autocorrelação Portmanteau e LM – Bancos Privados


Autocorrelations VEC Residual Serial Correlation LM Tests H0: no residual autocorrelations up to lag h H0: no serial correlation at lag order h

Lags Q-Stat Prob. Adj Q-Stat Prob. df** LM-Stat Prob*** 1 15,5731 NA* 15,7864 NA* NA* 49,3047 0,0688 2 64,6415 0,0024 66,2178 0,0016 36 60,9356 0,0058 3 94,1233 0,0412 96,9454 0,0267 72 31,4976 0,6826 4 132,2657 0,0564 137,2673 0,0301 108 38,0320 0,3770 5 157,7628 0,2045 164,6120 0,1151 144 27,1699 0,8554 6 198,0232 0,1698 208,4248 0,0721 180 42,0581 0,2251 7 238,2135 0,1432 252,8141 0,0435 216 47,1526 0,1010 8 269,4634 0,2147 287,8518 0,0598 252 33,8253 0,5724 9 307,9162 0,2007 331,6289 0,0391 288 43,7367 0,1759 10 347,8011 0,1738 377,7458 0,0211 324 45,9925 0,1229 11 378,3081 0,2433 413,5794 0,0268 360 34,0188 0,5631 12 411,8871 0,2807 453,6577 0,0238 396 37,6921 0,3918

Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5. (*) The test is valid only for lags larger than the VAR lag order. (**) df is degrees of freedom for (approximate) chi-square distribution. (***) Probs from chi-square with 36 df.

Tabela A.25 Teste White de Heteroscedasticidade – Bancos Privados


Dependent R-squared F(14,59) Prob. Chi-sq(14) Prob. R-squared F(35,38) Prob. Chi-sq(35) Prob.res1*res1 0,2981 1,7902 0,0618 22,0626 0,0773 0,7430 3,1395 0,0004 54,9848 0,0170res2*res2 0,2376 1,3132 0,2275 17,5807 0,2265 0,4624 0,9340 0,5793 34,2206 0,5056res3*res3 0,1595 0,8000 0,6654 11,8060 0,6219 0,3027 0,4714 0,9866 22,4022 0,9510res4*res4 0,1199 0,5739 0,8745 8,8691 0,8393 0,3493 0,5828 0,9450 25,8472 0,8698res5*res5 0,6869 9,2443 0,0000 50,8284 0,0000 0,8521 6,2530 0,0000 63,0521 0,0025res6*res6 0,2126 1,1380 0,3461 15,7342 0,3299 0,6079 1,6831 0,0591 44,9834 0,1203res2*res1 0,1811 0,9319 0,5312 13,4002 0,4953 0,4839 1,0181 0,4767 35,8107 0,4302res3*res1 0,1645 0,8299 0,6347 12,1754 0,5922 0,5271 1,2099 0,2823 39,0023 0,2945res3*res2 0,1752 0,8950 0,5682 12,9629 0,5294 0,3782 0,6605 0,8909 27,9891 0,7940res4*res1 0,2163 1,1629 0,3270 16,0039 0,3131 0,5621 1,3935 0,1589 41,5928 0,2056res4*res2 0,0861 0,3970 0,9704 6,3708 0,9563 0,5681 1,4281 0,1417 42,0398 0,1923res4*res3 0,1809 0,9308 0,5323 13,3869 0,4963 0,4153 0,7712 0,7799 30,7325 0,6743res5*res1 0,3856 2,6451 0,0047 28,5358 0,0121 0,6206 1,7759 0,0426 45,9240 0,1024res5*res2 0,1600 0,8025 0,6629 11,8372 0,6194 0,5549 1,3533 0,1810 41,0589 0,2222res5*res3 0,1451 0,7154 0,7504 10,7387 0,7064 0,4540 0,9029 0,6184 33,5985 0,5358res5*res4 0,1343 0,6536 0,8085 9,9353 0,7669 0,3870 0,6853 0,8691 28,6353 0,7677res6*res1 0,3411 2,1814 0,0194 25,2391 0,0323 0,5962 1,6029 0,0783 44,1172 0,1389res6*res2 0,2031 1,0742 0,3986 15,0312 0,3760 0,6505 2,0209 0,0178 48,1378 0,0687res6*res3 0,2748 1,5970 0,1070 20,3361 0,1199 0,4207 0,7884 0,7599 31,1308 0,6555res6*res4 0,1744 0,8901 0,5731 12,9045 0,5341 0,4835 1,0165 0,4786 35,7826 0,4315res6*res5 0,4282 3,1561 0,0010 31,6880 0,0044 0,7139 2,7097 0,0016 52,8316 0,0270Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.

Individual components: Individual components:

VEC Residual Heteroskedasticity TestsNo Cross Terms (only levels and squares) Includes Cross Terms

Joint test: Joint test:

172

Tabela A.26 Testes de Normalidade Lutkepohl e Doornik-Hansen – Bancos Privados

VEC Residual Normality Tests Orthogonalization: Cholesky (Lutkepohl) Resid Correlation Doornik-Hansen

H0: Residuals are multivariate normal Residuals are multivariate normal Component df Skewness Chi-sq Prob. Skewness Chi-sq Prob.

1 1 0,5788 4,1312 0,0421 0,5262 3,6466 0,0562 2 1 -0,2198 0,5961 0,4401 -0,2513 0,8931 0,3446 3 1 0,1841 0,4180 0,5179 0,2832 1,1273 0,2884 4 1 0,2901 1,0378 0,3083 0,0955 0,1315 0,7169 5 1 -0,3059 1,1539 0,2827 0,4822 3,1050 0,0781 6 1 0,6262 4,8356 0,0279 -0,2977 1,2421 0,2651


1 1 4,7199 9,1211 0,0025 3,4248 0,0343 0,8531 2 1 2,6950 0,2868 0,5923 2,1989 3,0134 0,0826 3 1 3,9531 2,8006 0,0942 2,3728 1,7486 0,1861 4 1 2,9254 0,0172 0,8958 3,5189 2,5426 0,1108 5 1 2,9311 0,0146 0,9038 3,5246 0,3507 0,5537 6 1 4,1965 4,4141 0,0356 2,5374 0,8459 0,3577


1 2 13,2523 0,0013 3,6809 0,1587 2 2 0,8829 0,6431 3,9066 0,1418 3 2 3,2187 0,2000 2,8759 0,2374 4 2 1,0550 0,5901 2,6741 0,2626 5 2 1,1685 0,5575 3,4557 0,1777 6 2 9,2497 0,0098 2,0880 0,3520

Joint 12 28,8270 0,0042 18,6811 0,0965 Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.

Tabela A.27 Correlação de Pearson entre as Proxies de Risco Idiossincrático e o Risco

Macroeconômico LEMBI

LPERCONCAT_SA -0,39 LPERCONCPFT_SA -0,79 LOPCREDPUBR_SA -0,20 LOPCREDPRIVR_SA -0,29 LPERCPFPUB_SA -0,30 LPERCPFPRIV_SA -0,74

Tabela A.28 Teste de Precedência Temporal de Granger – Risco Micro e Macro

V1 V2 Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic ProbabilityLEMBI LPERCONCAT_SA 1,6119 0,2073 0,5325 0,7811 1,4000 0,2109 - -LPERCONCAT_SA LEMBI 0,6785 0,5109 1,0724 0,3905 1,3388 0,2404 - -LEMBI LPERCONCPFT_SA 7,1832 0,0015 2,1855 0,0585 1,3228 0,2487 - -LPERCONCPFT_SA LEMBI 0,9930 0,3759 0,3925 0,8807 0,6062 0,8225 - -LEMBI LOPCREDPUBR_SA 1,7024 0,1898 1,2090 0,3151 1,1876 0,3255 7,3474 0,0625LOPCREDPUBR_SA LEMBI 1,1494 0,3228 1,1401 0,3512 1,7103 0,1021 3,0938 0,1915LEMBI LOPCREDPRIVR_SA 6,9959 0,0017 1,3387 0,2553 1,9535 0,0573 0,4647 0,8800LOPCREDPRIVR_SA LEMBI 0,6213 0,5402 2,6144 0,0262 1,4038 0,2056 18,4840 0,0170LEMBI LPERCPFPUB_SA 0,6665 0,5168 0,7600 0,6043 1,0227 0,4480 3,2184 0,1826LPERCPFPUB_SA LEMBI 0,0335 0,9671 1,2681 0,2865 1,1305 0,3649 2,4227 0,2547LEMBI LPERCPFPRIV_SA 6,8365 0,0020 1,0332 0,4135 0,9457 0,5138 0,4423 0,8928LPERCPFPRIV_SA LEMBI 2,7627 0,0701 1,6795 0,1427 1,1175 0,3743 0,7755 0,6993Note: Probability calculed for Eviews 5. For LPERCONCAT_SA and LPERCONCPFT_SA was impossible calculed with 24 lags.

52

74 70 64 52

52

74 70 64 52

67

74 70 64

74 70 64

71

61

61

-

-

Pairwise Granger Causality TestsSample: 2000:03 2006:06

Lags: 6 Lags: 12 Lags: 24

71 67

Lags: 2 Null Hypothesis: V1 does not Granger Cause V2

173

Tabela A.29 Sumário de Assunção de Termos Determinísticos - Concessão de Crédito por Ativo

Bancário Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic Test Type No Intercept Intercept Intercept Intercept Intercept

No Trend No Trend No Trend Trend Trend Trace 0 1 1 1 2

Max-Eig 0 1 1 1 2 No. of CEs Information Criteria by Rank and Model

Akaike Information Criteria by Rank (rows) and Model (columns) 0 -4,2397 -4,2397 -4,1874 -4,1874 -4,1426 1 -4,1590 -4,3676* -4,3432 -4,3531 -4,3355 2 -4,0495 -4,2520 -4,2520 -4,3200 -4,3200 Schwarz Criteria by Rank (rows) and Model (columns) 0 -4,1122* -4,1122* -3,9962 -3,9962 -3,8877 1 -3,9041 -4,0808 -4,0245 -4,0025 -3,9531 2 -3,6671 -3,8058 -3,8058 -3,8101 -3,8101

Notes: Sample 2000:06 2006:06, included observations 71, and probs calculed for Eviews 5. Series: LPERCONCAT_SA e LEMBI. Lags interval: 1 to 1. (*) Critical values based on MacKinnon-Haug-Michelis (1999).

Tabela A.30 Testes de Autocorrelação Portmanteau e LM – Concessão de Crédito por Ativo

Bancário


Autocorrelations VEC Residual Serial Correlation LM

Tests H0: no residual autocorrelations up to lag h H0: no serial correlation at lag order h

Lags Q-Stat Prob. Adj Q-Stat Prob. df** LM-Stat Prob*** 1 1,4366 NA* 1,4571 NA* NA* 7,2628 0,1226 2 2,9565 NA* 3,0210 NA* NA* 4,7932 0,3092 3 6,5204 0,1635 6,7422 0,1502 4 3,5476 0,4707 4 7,9816 0,4353 8,2907 0,4056 8 1,5792 0,8125 5 13,9149 0,3062 14,6734 0,2598 12 7,5415 0,1099 6 15,6084 0,4806 16,5233 0,4171 16 2,1684 0,7048 7 20,3089 0,4388 21,7379 0,3549 20 5,5564 0,2348 8 22,8209 0,5304 24,5689 0,4295 24 3,1491 0,5332 9 23,2494 0,7205 25,0595 0,6246 28 0,5445 0,9690

10 28,6841 0,6352 31,3852 0,4975 32 6,5491 0,1617 11 29,5244 0,7687 32,3795 0,6415 36 1,1052 0,8934 12 45,4132 0,2567 51,4999 0,1051 40 21,9994 0,0002

Notes: Sample, 2000:06 2006:06, included observations, 71, and probs calculed for Eviews 5. (*) The test is valid only for lags larger than the VAR lag order. (**) df is degrees of freedom for (approximate) chi-square distribution. (***) Probs from chi-sq with 4 df.

Tabela A.31 Teste White de Heteroscedasticidade – Concessão de Crédito por Ativo Bancário

Chi-sq df Prob. Chi-sq df Prob.34,4849 24 0,0764 52,0994 42 0,1366

Dependent R-squared F(8,62) Prob. Chi-sq(8) Prob. R-squared F(14,56) Prob. Chi-sq(14) Prob.res1*res1 0,3010 3,3370 0,0031 21,3699 0,0062 0,3606 2,2557 0,0162 25,6017 0,0291res2*res2 0,0889 0,7564 0,6419 6,3136 0,6121 0,2143 1,0907 0,3858 15,2119 0,3638res2*res1 0,0499 0,4072 0,9123 3,5443 0,8957 0,1684 0,8099 0,6551 11,9551 0,6099Notes: Sample 2000:06 2006:06, included observations 71, and probs calculed for Eviews 5.




174

Tabela A.32 Testes de Normalidade Lutkepohl e Doornik-Hansen – Concessão de Crédito por Ativo

Bancário VEC Residual Normality Tests

Orthogonalization: Cholesky (Lutkepohl) Residual Correlation (Doornik-

Hansen) H0: Residuals are multivariate normal Residuals are multivariate normal

Component df Skewness Chi-sq Prob. Skewness Chi-sq Prob. 1 1 -0,5744 3,9049 0,0481 -0,0886 0,1080 0,7424 2 1 0,4978 2,9321 0,0868 0,4478 2,5806 0,1082


1 1 2,7813 0,1415 0,7068 1,9251 4,9100 0,0267 2 1 3,1440 0,0614 0,8043 2,8040 0,6177 0,4319


1 2 4,0463 0,1322 5,0180 0,0813 2 2 2,9934 0,2239 3,1983 0,2021


Tabela A.33 Raízes Características – Concessão de Crédito por Ativo Bancário

Roots of Characteristic Polynomial Endogenous variables: LPERCONCAT_SA LEMBI Exogenous variables: C Lag specification: 1 2

Root Modulus 0,9304 0,9304 0,6821 0,6821 0,3670 0,3670 -0,3373 0,3373

Notes: No root lies outside the unit circle. VAR satisfies the stability condition.

Tabela A.34 Sumário de Assunção de Termos Determinísticos – Concessão de Crédito à PF

Selected (0.05 level*) Number of Cointegrating Relations by Model Data Trend: None None Linear Linear Quadratic Test Type: No Intercept Intercept Intercept Intercept Intercept

No Trend No Trend No Trend Trend Trend Trace: 0 1 1 1 2

Max-Eig: 0 1 1 1 2 No. of CEs Information Criteria by Rank and Model

Akaike Information Criteria by Rank (rows) and Model (columns) 0 -6,1408 -6,1408 -6,0886 -6,0886 -6,0432 1 -6,0728 -6,2641 -6,2399 -6,2713* -6,2537 2 -5,9624 -6,1471 -6,1471 -6,2300 -6,2300 Schwarz Criteria by Rank (rows) and Model (columns) 0 -6,0133* -6,0133* -5,8974 -5,8974 -5,7882 1 -5,8179 -5,9773 -5,9212 -5,9207 -5,8713 2 -5,5800 -5,7010 -5,7010 -5,7201 -5,7201

Notes: Sample 2000:06 2006:06, included observations 71, and probs calculed for Eviews 5. Series: LPERCONCPFT_SA e LEMBI. Lags interval: 1 to 1. (*) Critical values based on MacKinnon-Haug-Michelis (1999).

175

Tabela A.35 Testes de Autocorrelação Portmanteau e LM – Concessão de Crédito à PF





10 28,9223 0,6231 31,9400 0,4697 32 8,2852 0,0817 11 33,8169 0,5728 37,7319 0,3900 36 5,1300 0,2742 12 49,9616 0,1344 57,1604 0,0384 40 17,5079 0,0015

Notes: Sample 2000:06 2006:06, included observations 71, and probs calculed for Eviews 5. (*) The test is valid only for lags larger than the VAR lag order. (**) df is degrees of freedom for (approximate) chi-square distribution. (***) Probs from chi-sq with 4 df.

Tabela A.36 Teste White de Heteroscedasticidade – Concessão de Crédito à PF






Tabela A.37 Testes de Normalidade Lutkepohl e Doornik-Hansen – Concessão de Crédito à PF






1 1 3,9595 2,7234 0,0989 3,4765 3,2507 0,0714 2 1 3,0769 0,0175 0,8948 2,6836 0,4912 0,4834


1 2 13,3516 0,0013 11,4735 0,0032 2 2 1,7861 0,4094 2,1518 0,3410


176

Tabela A.38 Raízes Características – Concessão de Crédito à PF Roots of Characteristic Polynomial Endogenous variables: LPERCONCPFT_SA LEMBI Exogenous variables: C Lag specification: 1 2

Root Modulus 0,9381 0,9381 0,5949 0,5949 0,3767 0,3767 -0,0297 0,0297


Tabela A.39 Sumário de Assunção de Termos Determinísticos – Operações de Crédito Bancos

Públicos Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic Test Type: No Intercept Intercept Intercept Intercept Intercept



Akaike Information Criteria by Rank (rows) and Model (columns) 0 -4,7250 -4,7250 -4,6797 -4,6797 -4,6583 1 -4,6735 -4,6856 -4,6642 -4,7617* -4,7616 2 -4,5661 -4,5815 -4,5815 -4,6754 -4,6754 Schwarz Criteria by Rank (rows) and Model (columns) 0 -4,6005* -4,6005* -4,4929 -4,4929 -4,4092 1 -4,4244 -4,4054 -4,3528 -4,4192 -4,3879 2 -4,1924 -4,1456 -4,1456 -4,1772 -4,1772

Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5. Series: LOPCREDPUBR_SA e LEMBI. Lags interval: 1 to 1. (*) Critical values based on MacKinnon-Haug-Michelis (1999).

Tabela A.40 Testes de Autocorrelação Portmanteau e LM – Operações de Crédito Bancos Públicos





10 29,0859 0,6148 31,2738 0,5031 32 1,4867 0,8290 11 34,1089 0,5588 37,1738 0,4148 36 4,8574 0,3022 12 41,5422 0,4034 46,0459 0,2363 40 7,5119 0,1112


177

Tabela A.41 Teste White de Heteroscedasticidade – Operações de Crédito Bancos Públicos






Tabela A.42 Testes de Normalidade Lutkepohl e Doornik-Hansen – Operações de Crédito Bancos

Públicos VEC Residual Normality Tests





1 1 21,2740 30,4150 0,0000 21,2740 30,4150 0,0000 2 1 3,1526 0,3311 0,5650 3,1526 0,3311 0,5650


1 2 64,6961 0,0000 64,6961 0,0000 2 2 4,3933 0,1112 4,3933 0,1112


Tabela A.43 Raízes Características – Operações de Crédito Bancos Públicos

Roots of Characteristic Polynomial Endogenous variables: LOPCREDPUBR_SA LEMBI Exogenous variables: C Lag specification: 1 2

Root Modulus 0,9446 - 0,0532i 0,9461 0,9446 + 0.0532i 0,9461

0,4176 0,4176 0,3113 0,3113


178

Tabela A.44 Sumário de Assunção de Termos Determinísticos – Operações de Crédito Bancos

Privados Selected (0.05 level*) Number of Cointegrating Relations by Model




Akaike Information Criteria by Rank (rows) and Model (columns) 0 -7,1731 -7,1731 -7,1607 -7,1607 -7,1172 1 -7,2214 -7,2507 -7,2395 -7,3632* -7,3467 2 -7,1341 -7,1413 -7,1413 -7,2673 -7,2673 Schwarz Criteria by Rank (rows) and Model (columns) 0 -7,0207 -7,0207 -6,9739 -6,9739 -6,8681 1 -6,9723 -6,9705 -6,9281 -7,0487* -6,9731 2 -6,7605 -6,7054 -6,7054 -6,7691 -6,7691

Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5. Series: LOPCREDPRIVR_SA e LEMBI. Lags interval: 1 to 1. (*) Critical values based on MacKinnon-Haug-Michelis (1999).

Tabela A.45 Testes de Autocorrelação Portmanteau e LM – Operações de Crédito Bancos Privados





10 33,9444 0,3740 36,5005 0,2674 32 2,9105 0,5729 11 36,4786 0,4464 39,4772 0,3173 36 2,6015 0,6266 12 39,8570 0,4766 43,5095 0,3244 40 3,8163 0,4314


Tabela A.46 Teste White de Heteroscedasticidade – Operações de Crédito Bancos Privados






179

Tabela A.47 Testes de Normalidade Lutkepohl e Doornik-Hansen – Operações de Crédito Bancos Privados




Component df Skewness Chi-sq Prob. Skewness Chi-sq Prob. 1 1 0,3928 1,9028 0,1678 0,3535 1,7289 0,1886 2 1 0,7278 6,5324 0,0106 0,6388 5,1692 0,0230


1 1 5,3040 16,3675 0,0001 4,7033 9,1249 0,0025 2 1 3,8225 2,0858 0,1487 3,3083 0,4801 0,4884


1 2 18,2702 0,0001 10,8537 0,0044 2 2 8,6182 0,0134 5,6493 0,0593


Tabela A.48 Raízes Características – Operações de Crédito Bancos Privados

Roots of Characteristic Polynomial Endogenous variables: LOPCREDPRIV_SA LEMBI Exogenous variables: C Lag specification: 1 2

Root Modulus 0,9566 - 0,0498i 0,9579 0,9566 + 0,0498i 0,9579

0,5701 0,5701 0,2286 0,2286


Tabela A.49 Sumário de Assunção de Termos Determinísticos – Percentual de Crédito à PF dos

Bancos Públicos Selected (0.05 level*) Number of Cointegrating Relations by Model




Akaike Information Criteria by Rank (rows) and Model (columns) 0 -5,5417 -5,5417 -5,5383 -5,5383 -5,5405 1 -5,6023 -5,6120* -5,5924 -5,5995 -5,5996 2 -5,5102 -5,5036 -5,5036 -5,6011 -5,6011 Schwarz Criteria by Rank (rows) and Model (columns) 0 -5,4172* -5,4172* -5,3515 -5,3515 -5,2915 1 -5,3533 -5,3317 -5,2810 -5,2570 -5,2260 2 -5,1365 -5,0677 -5,0677 -5,1030 -5,1030

Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5. Series: LPERCPFPUB_SA e LEMBI. Lags interval: 1 to 1. (*) Critical values based on MacKinnon-Haug-Michelis (1999).

180

Tabela A.50 Testes de Autocorrelação Portmanteau e LM – Percentual de Crédito à PF dos Bancos Públicos





10 23,7766 0,8524 25,6407 0,7793 32 0,4987 0,9736 11 31,1322 0,6992 34,2807 0,5505 36 7,1925 0,1261 12 42,0887 0,3806 47,3578 0,1975 40 11,7424 0,0194

Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5. (*) The test is valid only for lags larger than the VAR lag order. (**) df is degrees of freedom for (approximate) chi-square distribution. (***) Probs from chi-sq with 4 df.

Tabela A.51 Teste White de Heteroscedasticidade – Percentual de Crédito à PF dos Bancos Públicos






Tabela A.52 Testes de Normalidade Lutkepohl e Doornik-Hansen – Percentual de Crédito à PF dos

Bancos Públicos VEC Residual Normality Tests




Joint 2 193,2339 0,0000 56,3370 0,0000

Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob. 1 1 28,3072 1974,7310 0,0000 24,8312 26,5135 0,0000 2 1 3,4248 0,5564 0,4557 2,9986 0,3436 0,5578

Joint 2 1975,2880 0,0000 26,8571 0,0000

Component df Jarque-Bera Prob. Jarque-Bera Prob. 1 2 2164,1470 0,0000 79,6233 0,0000 2 2 4,3745 0,1122 3,5708 0,1677


181

Tabela A.53 Raízes Características – Percentual de Crédito à PF dos Bancos Públicos


Root Modulus 0,9459 0,9459 0,8971 0,8971 0,5660 0,5660 0,0059 0,0059


Tabela A.54 Sumário de Assunção de Termos Determinísticos – Percentual de Crédito à PF dos

Bancos Privados Selected (0.05 level*) Number of Cointegrating Relations by Model




Akaike Information Criteria by Rank (rows) and Model (columns) 0 -7,3509 -7,3509 -7,4840 -7,4840 -7,4566 1 -7,5890 -7,7133 -7,7192* -7,6979 -7,6716 2 -7,4998 -7,6179 -7,6179 -7,6478 -7,6478 Schwarz Criteria by Rank (rows) and Model (columns) 0 -7,2264 -7,2264 -7,2972 -7,2972 -7,2075 1 -7,3399 -7,4331* -7,4078 -7,3554 -7,2980 2 -7,1262 -7,1820 -7,1820 -7,1496 -7,1496

Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5. Series: LPERCPFPRIV_SA e LEMBI. Lags interval: 1 to 1. (*) Critical values based on MacKinnon-Haug-Michelis (1999).

Tabela A.55 Testes de Autocorrelação Portmanteau e LM – Percentual de Crédito à PF dos Bancos

Privados





10 30,1486 0,5605 32,1737 0,4582 32 2,9654 0,5636 11 33,0431 0,6100 35,5735 0,4887 36 2,9096 0,5731 12 35,8121 0,6592 38,8785 0,5207 40 2,8276 0,5871


182

Tabela A.56 Teste White de Heteroscedasticidade – Percentual de Crédito à PF dos Bancos Privados






Tabela A.57 Testes de Normalidade Lutkepohl e Doornik-Hansen – Percentual de Crédito à PF dos

Bancos Privados VEC Residual Normality Tests




Joint 2 2,6675 0,2635 3,7354 0,1545

Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob. 1 1 2,853391 0,066274 0,7968 2,6303 0,2088 0,6477 2 1 3,038226 0,004506 0,9465 2,9329 0,4559 0,4995

Joint 2 0,070779 0,9652 0,6647 0,7173

Component df Jarque-Bera Prob. Jarque-Bera Prob. 1 2 0,6696 0,7155 0,8794 0,6442 2 2 2,0687 0,3555 3,5207 0,1720


Tabela A.58 Raízes Características – Percentual de Crédito à PF dos Bancos Privados


Root Modulus 0,9839 0,9839 0,8318 0,8318 0,5798 0,5798 -0,0629 0,0629


183

Gráfico A.1 Correlogramas

-0,4

-0,2

0

0,2

0,4

0,6

0,8

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

LRISK1PRIV_SA

-0,6-0,4-0,2

00,20,40,60,8

11,2

1 3 5 7 9 11 13 15 17

LSELIC

-0,4 -0,2

0 0,2 0,4 0,6 0,8

1

1 3 5 7 9 11 13 15 17

LSELICR

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

LPERCPFPUB_SA

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

1 3 5 7 9 11 13 15 17

LPROD_SA

-0,2

0

0,2

0,4

0,6

0,8

1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

LPERCPFPRIV_SA

AC PAC

Nota: AC = AutoCorrelação e, PAC = AutoCorrelação Parcial.

184

Gráfico A.2 Teste CUSUM – Bancos Públicos

Gráfico A.3 Teste dos Estimadores Recursivos – Bancos Públicos

-3

-2

-1

0

1

2

3

2002 2003 2004 2005 2006

Recursive C(5) Estimates ± 2 S.E.

-8

-4

0

4

8

12

16

20

2002 2003 2004 2005 2006


-20

-15

-10

-5

0

5

2002 2003 2004 2005 2006


-0.8

-0.4

0.0

0.4

0.8

1.2

2002 2003 2004 2005 2006


-1

0

1

2

3

4

2002 2003 2004 2005 2006


-5

-4

-3

-2

-1

0

1

2

3

4

2002 2003 2004 2005 2006


-.06

-.04

-.02

.00

.02

.04

.06

2002 2003 2004 2005 2006


-1.0

-0.5

0.0

0.5

1.0

1.5

2.0

2.5

2002 2003 2004 2005 2006


-1.6

-1.2

-0.8

-0.4

0.0

0.4

0.8

1.2

2002 2003 2004 2005 2006


-4

-3

-2

-1

0

1

2002 2003 2004 2005 2006


-30

-20

-10

0

10

20

30

2001 2002 2003 2004 2005

CUSUM 5% Significance

185

Gráfico A.4 Teste CUSUM – Bancos Privados

Gráfico A.5 Teste dos Estimadores Recursivos – Bancos Privados

-.05

-.04

-.03

-.02

-.01

.00

.01

.02

2002 2003 2004 2005


-0.5

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

2002 2003 2004 2005


-.2

-.1

.0

.1

.2

.3

.4

.5

.6

2002 2003 2004 2005


-1.2

-0.8

-0.4

0.0

0.4

0.8

1.2

2002 2003 2004 2005


-2.0

-1.6

-1.2

-0.8

-0.4

0.0

2002 2003 2004 2005


-1.0

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

2002 2003 2004 2005


-1.6

-1.2

-0.8

-0.4

0.0

0.4

0.8

2002 2003 2004 2005


-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

2002 2003 2004 2005


-1.6

-1.2

-0.8

-0.4

0.0

0.4

0.8

2002 2003 2004 2005


.0

.1

.2

.3

.4

.5

2002 2003 2004 2005


-5

-4

-3

-2

-1

0

1

2002 2003 2004 2005


-30

-20

-10

0

10

20

30

2002 2003 2004 2005

CUSUM 5% Significance

186

Gráfico A.6 Relações de Cointegração – Bancos Públicos

-.6

-.4

-.2

.0

.2

.4

.6

.8

2000 2001 2002 2003 2004 2005

Cointegrating relation 1

-.12

-.08

-.04

.00

.04

.08

.12

.16

.20

2000 2001 2002 2003 2004 2005


Gráfico A.7 Resíduos do VEC – Bancos Públicos

-.10

-.05

.00

.05

.10

.15

.20

2000 2001 2002 2003 2004 2005

LRISK1PUB_SA Residuals

-.06

-.04

-.02

.00

.02

.04

.06

2000 2001 2002 2003 2004 2005

LDESEMPA_SA Residuals

-.06

-.04

-.02

.00

.02

.04

.06

.08

2000 2001 2002 2003 2004 2005

LPROD_SA Residuals

-.012

-.008

-.004

.000

.004

.008

.012

.016

2000 2001 2002 2003 2004 2005

LSELIC Residuals

-.15

-.10

-.05

.00

.05

.10

.15

.20

2000 2001 2002 2003 2004 2005

LTCOMP Residuals

-.12

-.08

-.04

.00

.04

.08

2000 2001 2002 2003 2004 2005

LSPREAD Residuals

187

Gráfico A.8 Raízes Características – Bancos Públicos

Notes: VEC specification imposes 4 unit root(s). Endogenous variables:LRISK1PUB_SA LDESEMPA_SA LPROD_SA LSELIC LTCOMP LSPREAD.

-1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Inverse Roots of AR Characteristic Polynomial

Gráfico A.9 Intervalos de Confiança para as Funções Impulso Resposta – Bancos Públicos

Response of LRISK1PUB_SA to Cholesky One S.D. LRISK1PUB_SA Innovation Response of LRISK1PUB_SA to Cholesky One S.D. LDESEMPA_SA Innovation

Response of LRISK1PUB_SA to Cholesky One S.D. LPROD_SA Innovation Response of LRISK1PUB_SA to Cholesky One S.D. LSELIC Innovation

Response of LRISK1PUB_SA to Cholesky One S.D. LTCOMP Innovation Response of LRISK1PUB_SA to Cholesky One S.D. LSPREAD Innovation

Month Month

Month Month

Month Month

0.01

0.015

0.02

0.025

0.03

0.035

0.04

0.045

0.05

0.055

0.06

0.065

0 2 4 6 8 10 12 14 16 18

estimativa pontualquartis 0,025 e 0,975

-0.03

-0.02

-0.01

0

0.01

0.02

0.03

0 2 4 6 8 10 12 14 16 18


-0.04

-0.03

-0.02

-0.01

0

0.01

0.02

0 2 4 6 8 10 12 14 16 18


0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0 2 4 6 8 10 12 14 16 18


-0.015

-0.01

-0.005

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0 2 4 6 8 10 12 14 16 18


-0.02

-0.015

-0.01

-0.005

0

0.005

0.01

0 2 4 6 8 10 12 14 16 18


188

Gráfico A.10 Relação de Cointegração – Bancos Privados

Gráfico A.11 Resíduos do VEC – Bancos Privados

-.15

-.10

-.05

.00

.05

.10

.15

.20

2000 2001 2002 2003 2004 2005

LTCOMP Residuals

-.06

-.04

-.02

.00

.02

.04

.06

2000 2001 2002 2003 2004 2005

LDESEMPA_SA Residuals

-.012

-.008

-.004

.000

.004

.008

.012

.016

2000 2001 2002 2003 2004 2005

LSELIC Residuals

-.06

-.04

-.02

.00

.02

.04

.06

.08

2000 2001 2002 2003 2004 2005

LPROD_SA Residuals

-.12

-.08

-.04

.00

.04

.08

2000 2001 2002 2003 2004 2005

LSPREAD Residuals

-.06

-.04

-.02

.00

.02

.04

.06

.08

2000 2001 2002 2003 2004 2005

LRISK1PRIV_SA Residuals

-.5

-.4

-.3

-.2

-.1

.0

.1

.2

.3

.4

2000 2001 2002 2003 2004 2005


189

Gráfico A.12 Raízes Características – Bancos Privados

Notes: VEC specification imposes 5 unit root(s). Endogenous variables:LRISK1PRIV_SA, LDESEMPA_SA, LPROD_SA, LSELIC, LTCOMP eLSPREAD.

-1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Inverse Roots of AR Characteristic Polynomial

Gráfico A.13 Intervalos de Confiança para as Funções Impulso Resposta – Bancos Públicos

Response of LRISK1PRIV_SA to Cholesky One S.D. LRISK1PRIV_SA Innovation Response of LRISK1PRIV_SA to Cholesky One S.D. LDESEMPA_SA Innovation

Response of LRISK1PRIV_SA to Cholesky One S.D. LPROD_SA Innovation Response of LRISK1PRIV_SA to Cholesky One S.D. LSELIC Innovation

Response of LRISK1PRIV_SA to Cholesky One S.D. LTCOMP Innovation Response of LRISK1PRIV_SA to Cholesky One S.D. LSPREAD Innovation

Month Month

Month Month

Month Month

-0.005

0

0.005

0.01

0.015

0.02

0.025

0.03

0 2 4 6 8 10 12 14 16 18


-0.015

-0.01

-0.005

0

0.005

0.01

0 2 4 6 8 10 12 14 16 18


-0.025

-0.02

-0.015

-0.01

-0.005

0

0.005

0 2 4 6 8 10 12 14 16 18


-0.005

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0 2 4 6 8 10 12 14 16 18


-0.005

0

0.005

0.01

0.015

0.02

0 2 4 6 8 10 12 14 16 18


-0.006

-0.004

-0.002

0

0.002

0.004

0.006

0.008

0.01

0.012

0.014

0.016

0 2 4 6 8 10 12 14 16 18


gustavo josÉ de guimarÃes e souza - cpgeconomia.uff.br · universidade federal fluminense centro...

Documents