ads:
166
U
U
N
N
I
I
V
V
E
E
R
R
S
S
I
I
D
D
A
A
D
D
E
E
F
F
E
E
D
D
E
E
R
R
A
A
L
L
F
F
L
L
U
U
M
M
I
I
N
N
E
E
N
N
S
S
E
E
C
C
E
E
N
N
T
T
R
R
O
O
D
D
E
E
E
E
S
S
T
T
U
U
D
D
O
O
S
S
S
S
O
O
C
C
I
I
A
A
I
I
S
S
A
A
P
P
L
L
I
I
C
C
A
A
D
D
O
O
S
S
F
F
A
A
C
C
U
U
L
L
D
D
A
A
D
D
E
E
D
D
E
E
E
E
C
C
O
O
N
N
O
O
M
M
I
I
A
A
P
P
Ó
Ó
S
S
-
-
G
G
R
R
A
A
D
D
U
U
A
A
Ç
Ç
Ã
Ã
O
O
E
E
M
M
E
E
C
C
O
O
N
N
O
O
M
M
I
I
A
A
GUSTAVO JOSÉ DE GUIMARÃES E SOUZA
A INTERAÇÃO ENTRE A DINÂMICA
MACROECONÔMICA E OS BANCOS: UMA
PERSPECTIVA ACERCA DO RISCO DE CRÉDITO
Niterói (RJ)
2
2
0
0
0
0
7
7
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
2
GUSTAVO JOSÉ DE GUIMARÃES E SOUZA
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)
2
2
0
0
0
0
7
7
ads:
3
GUSTAVO JOSÉ DE GUIMARÃES E SOUZA
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 m
2
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 - Mo
ntante Médio e Participação no Total (Dez. de
2004 a jun. de 2006)............................................................................................................................................. 44
Tabela 2.3 Comparativo Internacional – Dados do Sis
tema Bancário em Percentual do PIB (2003).......... 46
Tabela 2.4 Estrutura do Sp
read 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 –Concess
ão 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 - Concess
ão 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 – Percent
ual 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
Público
s .............................................................................................................................................................. 134
Tabela 4.27 Critérios de seleção de defasagem – Percent
ual de Crédito à PF dos Bancos Privados .......... 135
Tabela 4.28 Estatísticas do Traço e do Máximo Autovalor - Percentual de Crédito à PF dos Bancos
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
Selecio
nados (2003)............................................................................................................................................. 45
Gráfico 2.4 Média Mensal da Taxa (% a.a.) e do Sp
read (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 S
pread (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
Mo
dalidade*(%) – Pessoa Física, Jurídica e Geral (Jun. de 2000 a jun. de 2006)......................................... 50
Gráfico 2.7 Estrutura do Spr
ead 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 Spr
ead – 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 Spre
ad – 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 In
adimplência.......................................................................................... 34
Quadro 2.1 Literatura Empírica Estran
geira com Análise do Spread Bancário por Grupo de Países......... 53
Quadro 2.2 Literatura Empírica sobre o Spre
ad Bancário Brasileiro por Abordagem Analítica e Medida do
Spread................................................................................................................................................................... 53
Quadro 2.3 Variáveis Empregadas na Literatura Empírica sobre o Sp
read 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 empresário
1
. 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
bancárias
2
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 monetária
3
. 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 empiricamente
4
. 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 específico
5
. 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-in
6
. 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 topics
7
.
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 inadimplência
9
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 crédito
10
. 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 Capital
11
, 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 ativos
12
. 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 1996
14
, 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 1
Exigências Mínimas de
Capital
Responsabilidade
Pilar 3
Disciplina de Mercado
Disclosure
Transparência
Novo Acordo de
Novo Acordo de
Basil
Basil
é
é
ia
ia
Fonte: Banco Central do Brasil.
Notas:
(
*
)
A
p
rimorado
;
(
**
)
Mantido
;
(
***
)
Introduzido.
Pilar 2
Processo de
Supervisão
Fonte: Banco Central do Brasil.
Notas:
(
*
)
A
p
rimorado
;
(
**
)
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 Unidos
15
. 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 2.099
16
, 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:
⎟
⎠
⎞
⎜
⎝
⎛
⋅
=
F
PLE
PR
BasiléiadeÍndice
)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 exigido
18
. 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
I
I
n
i
i
n
i
I
ECPRKAprcRCDAPRPLE
111
0;max50,020,011,0
em que: RDCi é o risco de crédito da i-ésima operação de swap;
∑
−
n
1i
i
Aprc
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
I
I
EC
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/3/2000
20
.
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 rating
22
, 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 oportunidade
23
.
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 spread
24
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
financeiro
25
(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
2.1 Considerações Iniciais
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 crédito
26
.
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 crédito
27
. 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/PIB
28
, 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 (Selic
29
). Não obstante, esse crescimento do Crédito/PIB após o primeiro
trimestre de 2003 foi impulsionado principalmente pelas instituições privadas e pelas
operações de crédito livre
30
às pessoas físicas
31
.
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 direcionado
32
.
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 PIB
33
, 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 consignado
34
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 crédito
35
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 cobrada
36
.
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$ 5mil
a R$ 50 mil
Acima de
R$ 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
321.761
Desvio-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 estáveis
37
para todas as faixas (Tabela
2.2). Para ambos os tipos de mutuários
38
, 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 prazo
39
.
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 consumo
40
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 operações
41
, dado que no Brasil existe predominância dos encargos prefixados no
crédito livre, principalmente nas operações para PF
42
; 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 Total
Spread PF
Spread PJ
Taxa Total
Taxa PF
Taxa PJ
Spread médio mensal (p.p.)
Taxa média 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 junho
43
.
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 2006
44
, 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 Total
Spread PF*
Spread PJ
Taxa Total
Taxa PF*
Taxa PJ
Spread médio mensal (p.p)
Taxa média mensal (%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 TJLP
45
) 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 físicas
46
. 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 informações
47
, 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 País
48
.
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
6,51
7,24
32,65
21,56
33,97
7,00
8,37
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 FIESP
51
) e choques econômicos (pela incorporação de
dummies). Em Koyama e Nakane (2002a), as variáveis empregadas são inflação (IGP-DI),
produto industrial dessazonalizado (calculado pelo IBGE
52
), 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 Brasil
53
.
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.
2.4 Considerações Finais
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
3.1 Considerações Iniciais
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 CreditPortfolioView
54
.
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
CreditPortfolioView
56
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 País
57
.
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 perdas
58
.
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 crédito
59
. 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 exigido
61
.
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
i
i
CréditodeCarteira
PLCD
CréditodeRisco =
(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 adimplentes
63
. 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 faixas
64
.
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 bancos
65
. 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) mensalmente
66
. 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 bancos
67
.
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 análise
68
. 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
bancos
69
. 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
privados
70
.
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 privado
71
.
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
Fonte: Banco Central do Brasil.
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 2006
72
. 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 controle
73
.
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 2006
74
. 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 m
acroeconômicos, 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 real
75
. 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 2003
76
.
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 econômica
78
;
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 2006
79
. 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 dessazonalização
80
. 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 seções
81
.
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
.02 4
.02 8
.03 2
.03 6
.04 0
.04 4
2001 2002 2003 2004 2005 2006
RISK1PUB
.016
.018
.020
.022
.024
.026
.028
2001 2002 2003 2004 2005 2006
RISK1PRIV
1.14
1.16
1.18
1.20
1.22
1.24
1.26
1.28
2001 2002 2003 2004 2005 2006
SELIC
-3.7
-3.6
-3.5
-3.4
-3.3
-3.2
-3.1
LRISK1PUB_SA
-4.1
-4.0
-3.9
-3.8
-3.7
-3.6
LRISK1PRIV_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
IGPDI
1.02
1.04
1.06
1.08
1.10
1.12
1.14
1.16
1.18
2001 2002 2003 2004 2005 2006
SELICR
.12
.16
.20
.24
.28
.32
.36
2001 2002 2003 2004 2005 2006
TCOMP
-.01
.0 0
.0 1
.0 2
.0 3
.0 4
.0 5
.0 6
LIGPDI
.02
.04
.06
.08
.10
.12
.14
.16
LSELICR
-2.0
-1.8
-1.6
-1.4
-1.2
-1.0
LTCOMP
34
36
38
40
42
44
46
48
2001 2002 2003 2004 2005 2006
SPREAD
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
DESEMPA
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
LDESEMPA_SA
4.50
4.55
4.60
4.65
4.70
4.75
4.80
LPROD_SA
85
90
95
100
105
110
115
120
125
2001 2002 2003 2004 2005 2006
PROD
.08
.09
.10
.11
.12
.13
.14
.15
.16
.17
2001 2002 2003 2004 2005 2006
PERCPFPUB
.20
.24
.28
.32
.36
.40
.44
2001 2002 2003 2004 2005 2006
PERCPFPRIV
-2.5
-2.4
-2.3
-2.2
-2.1
-2.0
-1.9
-1.8
LPERCPFPUB_SA
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
-0.9
-0.8
LPERCPFPRIV_SA
Original Ajustada
.052
.056
.060
.064
.068
.072
.076
PERCONCAT
-2.90
-2.85
-2.80
-2.75
-2.70
-2.65
-2.60
2000 2001 2002 2003 2004 2005
LPERCONCAT_SA
.30
.31
.32
.33
.34
.35
.36
PERCONCPFT
-1.16
-1.14
-1.12
-1.10
-1.08
-1.06
-1.04
-1.02
2000 2001 2002 2003 2004 2005
LPERCONCPFT_SA
25.4
25.5
25.6
25.7
25.8
25.9
26.0
26.1
26.2
26.3
LOPCREDPUBR_SA
26.1
26.2
26.3
26.4
26.5
26.6
26.7
LOPCREDPRIVR_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
OPCREDPUBR
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
OPCREDPRIVR
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 R
2
, 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 R
2
, 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 estacionária
82
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
=
t
xE (5)
22
])[(
σμ
=−
t
xE (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
kt
ktt
xxE
−
−
=
−−
ρ
σ
μ
μ
2
)])([(
(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 linear
83
estacionária, pode-se dizer que estas séries são cointegradas
84
. 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 y
t
e x
t
, ambas
integradas de ordem d, qualquer combinação linear dessas séries é I(d). Assim, os resíduos
obtidos da regressão de y
t
contra x
t
serão I(d). Porém, caso exista um vetor β
1
, tal que o termo
de erro da regressão (ε
t
= y
t
− β
1
x
t
) é de menor ordem de integração, I(d−h), em que h > 0,
define-se y
t
e x
t
como integradas de ordem (d, h). Por exemplo, caso ambas as séries sejam
I(1) e o ε
t
~ I(0), tem-se cointegração de ordem (1,1). Neste caso, y
t
e x
t
possuem
componentes que se anulam para produzir ε
t
. O termo β
1
é chamado parâmetro de
cointegração e (1, - β
1
) o vetor de cointegração. Portanto, para encontrar a relação de
equilíbrio de longo prazo entre y
t
e x
t,
requer-se a estimação do modelo
86
:
ttt
xy
ε
β
+=
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 β
1.
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
ε
β
μ
+
+
=
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 limitações
87
. 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 (λ
traço
) e a estatística do máximo autovalor (λ
máximo
).
Os testes efetuados são, respectivamente,
1,...,4,3,2,1)1ln(
1
−=−−=
∑
+=
∧
npT
p
ri
i
traço
λλ
(9)
e
1,...,4,3,2,1)1(ln
1
−=−−=
+
∧
npT
r
máximo
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 cointegrantes
88
. 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 por
90
ttttt
xxymy
ε
β
β
α
++++=
−− 11011
(11)
em que a série de resíduos ε é um ruído. Substituindo y
t-1
em ambos os lados da equação,
ttttttt
xxyymyy
ε
β
β
α
+
+
+−+=−
−−−− 1101111
(12)
ttttt
xxymy
ε
β
β
α
+
++−+=Δ
−− 11011
)1( (13)
Para expressar a variável x como diferença, adiciona-se e subtrai-se
β
0
x
t-1
no lado
direito da equação (13):
ttttttt
xxxxymy
ε
β
β
β
β
α
+
+
+
−+−+=Δ
−−−− 101110011
)1( (14)
ttttt
xyxmy
ε
β
β
α
β
+
+
+−+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
ε
β
β
α
β
+
+
+−−Δ+=Δ
−− 110110
)()1( (16)
assumindo que o coeficiente de y
t-1
em (16) é igual a menos o coeficiente de x
t-1
,
)()1(
101
β
β
α
+−=−−
portanto,
1
101
=++
β
β
α
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
ε
θ
β
+−−Δ+=Δ
−−
)(
110
(17)
em que,
)()1(
101
β
β
α
θ
−
=−−= (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
xy
θ
. 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 y
t
e x
t
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
ε
α
α
α
μ
+
++++=
−−−
...
2211
(19)
Considerando um vetor com k variáveis diferentes, y
t
=[y
1t
y
2t
... y
kt
]’ e modelando em
função dos valores passados, tem-se o vetor auto-regressivo, ou VAR. Em termos matriciais,
tptpttt
yAyAyAy
ε
μ
+
++++=
−−−
...
2211
(20)
em que,
A
i
são as matrizes de coeficientes de dimensão k X k;
μ
é o vetor de constantes do tipo k X 1 e,
ε
t
um ruído branco, ou seja,
0)( =
t
E
ε
para todo t
⎩
⎨
⎧
≠
=Ω
=
ts
ts
E
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:
tt
t
t
t
t
t
t
t
Ay
y
y
y
y
y
εμ
ε
ε
αα
αα
μ
μ
++=
⎥
⎦
⎤
⎢
⎣
⎡
+
⎥
⎦
⎤
⎢
⎣
⎡
⎥
⎦
⎤
⎢
⎣
⎡
+
⎥
⎦
⎤
⎢
⎣
⎡
=
⎥
⎦
⎤
⎢
⎣
⎡
=
−
−
−
1
2
1
1,2
1,1
2221
1211
2
1
2
1
(21)
ou
tttt
tttt
yyy
yyy
,21,2221,12122
,11,2211,11111
εααμ
ε
α
α
μ
+++=
+
+
+=
−−
−−
(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 sistema
91
. Pode-se
expandir o modelo, adicionando tendência temporal determinística e outras variáveis
exógenas
92
.
Uma alteração em
ε
1t
afeta imediatamente, em um para um, a variável y
1t
. Em t + 1,
essa mudança em
y
1t
tem efeito sobre y
1,t+1
por meio da primeira equação, e afeta também
y
2t+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 Cholesky
93
.
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 verificadas
94
.
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.
3.5 Considerações Finais
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
4.1 Considerações Iniciais
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 econômico
95
, 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 KPSS
96
. 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
particular
97
.
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
m
odelagem 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 ADL
98
.
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
1
00
001
−−
=
−
=
−
=
−
=
−
=
+++
+++=
∑∑
∑∑∑
tit
n
i
iit
n
i
i
it
n
i
iit
n
i
iit
n
i
it
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 Selic
99
;
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
CT
LTCOMPLSELICSALPRODSALDESEMPASALRISKECM
t
tttttt
+
+
−
−
−
−=
γ
γ
γ
γ
γ
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 envolvidas
100
. 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 cointegradas
101
. 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 modelo
102
. 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
estacionária
103
. 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 lim
itações 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.7
104
. A regressão apresenta significância global em nível de 1% (estatística F) e um
R
2
ajustado de 89, 01%.
De acordo com os testes efetuados (em nível de confiança estatística de 99%), rejeita-
se o pressuposto de normalidade dos resíduos
105
, 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
estimados
106
.
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
diagnóstico
109
.
A regressão apresenta significância global no nível de 1% e um R
2
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 Akaike
110
.
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 R
2
, 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 erros
112
.
A regressão tem um grau de ajuste de 45,92% (R
2
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 estim
adores recursivos dos parâmetros também indicam que eles são
constantes ao longo da amostra (Gráfico A.5).
O term
o 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 privada
113
.
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 futura
114
. 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 bilateral
115
.
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 sistema
116
.
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 Hall
119
(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
cointegrante
120
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 questão
122
.
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 homoscedásticos
124
. 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
cointegrantes
125
. 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 variância
126
. 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 0,30
Produto 4,68 0,03 - - 0,13 0,72 0,09 0,76 3,96 0,05 2,54 0,11
SELIC 0,13 0,72 0,00 0,96 - - 0,00 0,98 7,99 0,00 15,45 0,00
Compulsório 0,72 0,40 1,73 0,19 3,52 0,06 - - 14,69 0,00 14,84 0,00
R.Créd.(Púb.) 0,37 0,54 3,19 0,07 0,42 0,52 0,21 0,65 - - 4,73 0,03
Spread
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 0,00
Nota: 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
variância
128
. 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 Cholesky
Meses
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 Cholesky
Meses
De modo geral, não foram verificadas grandes diferenças nos resultados obtidos pelas
duas metodologias
129
. 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 m
odelo 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 0,84
Desemprego 1,92 0,17 - - 0,24 0,63 2,20 0,14 2,62 0,11 16,04 0,00
SELIC 0,07 0,80 0,23 0,63 - - 2,79 0,10 13,59 0,00 9,38 0,00
Produto 0,99 0,32 3,95 0,05 1,06 0,30 - - 0,11 0,74 10,21 0,00
Spread
7,19 0,01 0,13 0,72 1,70 0,19 5,17 0,02 - - 6,58 0,01
R.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 0,00
Nota: 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 m
esmo 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 GIR
130
, 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 Crédito
Desemprego
Produto
SELIC
Compulsório
Spread
Meses
Decomposição da Variância
Função 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
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 Crédito
Desemprego
Produto
SELIC
Compulsório
Spread
Meses
Decomposição da Variância
Função 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 macroeconômico
131
. 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 empréstimos
132
.
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 financeiras
133
.
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 conjuntural
134
. 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 financeiras
135
. 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 verdadeira
136
.
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 cointegração
137
.
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
Defasagens LR FPE AIC SC HQ
0 NA 0,0001 -3,5660 -3,4991 -3,5396
1 227,6519 0,0000 -7,1148 -6,9141 -7,0356
2 22,0260* 0,0000* -7,3588* -7,0243* -7,2268*
3 2,8351 0,0000 -7,2846 -6,8163 -7,0998
4 0,2248 0,0000 -7,1655 -6,5634 -6,9280
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
Autovalor
Estatística de
Teste
Valor Crítico 5%
Traço
Nenhum* 0,2321 20,4483 20,2618
No Máximo 1 0,0236 1,6951 9,1645
Máximo Autovalor
Nenhum* 0,2321 18,7532 15,8921
No Máximo 1 0,0236 1,6951 9,1645
Notas: Amostra ajustada de 8/2000-6/2006. (*) Denota rejeição da hipótese no nível 5%.
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 banco
138
.
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
Hipótese Nula:
Nº. de Vetores
Cointegrantes
Autovalor
Estatística de
Teste
Valor Crítico 5%
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
constan
te 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
Hipótese Nula:
Nº. de Vetores
Cointegrantes
Autovalor
Estatística de
Teste
Valor Crítico 5%
Traço
Nenhum* 0,2866 27,8847 25,8721
No Máximo 1 0,0384 2,8990 12,5180
Máximo Autovalor
Nenhum* 0,2866 24,9857 19,3870
No Máximo 1 0,0384 2,8990 12,5180
Notas: Amostra ajustada de 8/2000-6/2006. (*) Denota rejeição da hipótese no nível 5%.
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-pagamento
141
. 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
Defasagens LR FPE AIC SC HQ
0 NA 0,0032 -0,0798 -0,0145 -0,0539
1 348,6033 0,0000 -5,3253 -5,1294 -5,2477
2 20,8575* 0,0000* -5,5387* -5,2123* -5,4093*
3 3,1385 0,0000 -5,4725 -5,0155 -5,2914
4 5,0333 0,0000 -5,4401 -4,8526 -5,2074
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 séri
es (Gráfico 3.1)
valida a escolha
142
.
Tabela 4.26
Estatísticas do Traço e do Máximo Autovalor - Percentual de Crédito à PF dos Bancos
Públicos
Hipótese Nula:
Nº. de Vetores
Cointegrantes
Autovalor
Estatística de
Teste
Valor Crítico 5%
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 Akaike
143
.
Tabela 4.27
Critérios de seleção de defasagem – Percentual de Crédito à PF dos Bancos Privados
Defasagens LR FPE AIC SC HQ
0 NA 0,0017 -0,6769 -0,6116 -0,6510
1 449,8297 0,0000 -7,4797 -7,2838 -7,4021
2 25,4625* 0,0000* -7,7665* -7,4398* -7,6368*
3 6,2576 0,0000 -7,7511 -7,2942 -7,5701
4 1,6689 0,0000 -7,6618 -7,0742 -7,4290
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.
Tabela 4.28
Estatísticas do Traço e do Máximo Autovalor - Percentual de Crédito à PF dos Bancos
Privados
Hipótese Nula:
Nº. de Vetores
Cointegrantes
Autovalor
Estatística de
Teste
Valor Crítico 5%
Traço
Nenhum* 0,2906 25,9069 15,4947
No Máximo 1 0,0068 0,5019 3,8415
Máximo Autovalor
Nenhum* 0,2906 25,4050 14,2646
No Máximo 1 0,0068 0,5019 3,8415
Notas: Amostra ajustada de 8/2000-6/2006. (*) Denota rejeição da hipótese no nível 5%.
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.
4.7 Considerações Finais
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
Macroeconômico
Custos
Expectativa de
Inadimplência
Volume de
Crédito
Spreads
Taxas Cobradas
Crescimento
Econômico
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%, respectivamente
145
. No que concerne ao crédito, o valor
referente às instituições bancárias públicas é de 31,50% do montante total de crédito
bancário
146
. 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.
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_eco
nomia_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_eco
nomia_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. 1
st
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).
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.
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. 2
nd
. 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. 3
th
. 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.
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.
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.
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 Gr
anger – 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 - Conc
essão 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 – Co
ncessão de Crédito por Ativo Bancário................ 173
Tabela A.32 Testes de Normalidade Lutkepohl e Doornik-Hansen – Concess
ão 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 – Conc
essão 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-Hanse
n – 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-Hanse
n – 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 – Perc
entual de Crédito à PF dos Bancos
Públicos ..............................................................................................................................................................180
Tabela A.51 Teste White de Heteroscedasticidade – Percentu
al de Crédito à PF dos Bancos Públicos..... 180
Tabela A.52 Testes de Normalidade Lutkepohl e Doornik-Hanse
n – 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 – Perc
entual de Crédito à PF dos Bancos
Privados.............................................................................................................................................................. 181
Tabela A.56 Teste White de Heteroscedasticidade – Percentu
al de Crédito à PF dos Bancos Privados.... 182
Tabela A.57 Testes de Normalidade Lutkepohl e Doornik-Hanse
n – 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 Probability
t-test 150 23,30 0,00
Anova F-statistic (1, 150) 542,76 0,00
Analysis of Variance
Source of Variation df Sum of Sq. Mean Sq.
Between 1 56,16 56,16
Within 150 15,52 0,10
Total 151 71,68 0,47
Category Statistics
Count Mean Std. Dev. Std. Err.
Variable of Mean
Risco B. Público 76 3,48 0,42 0,05
Risco B. Privado 76 2,26 0,18 0,02
Toda Amostra 152 2,87 0,69 0,06
Method df Value Probability
Wilcoxon/Mann-Whitney 10,64 0,00
Wilcoxon/Mann-Whitney (tie-adj.) 10,64 0,00
Med. Chi-square 1 152,00 0,00
Adj. Med. Chi-square 1 148,03 0,00
Kruskal-Wallis 1 113,25 0,00
Kruskal-Wallis (tie-adj.) 1 113,25 0,00
van der Waerden 1 98,03 0,00
Category Statistics
> Overall
Variable Count Median Median Mean Rank Mean Score
Risco B. Público 76 3,43 76,00 114,50 0,78
Risco B. Privado 76 2,25 0,00 38,50 -0,78
Toda Amostra 152 2,65 76,00 76,50 0,00
Method df Value Probability
F-test (75, 75) 5,27 0,00
Siegel-Tukey 0,00 1,00
Bartlett 1 46,39 0,00
Levene (1, 150) 32,91 0,00
Brown-Forsythe (1, 150) 29,23 0,00
Category Statistics
Mean Abs. Mean Abs. Mean Tukey-
Variable Count Std. Dev. Mean Diff. Median Diff. Siegel Rank
Risco B. Público 76,00 0,42 0,33 0,32 76,50
Risco B. Privado 76,00 0,18 0,15 0,15 76,50
Toda Amostra 152,00 0,69 0,24 0,24 76,50
Bartlett weighted standard deviation: 0,321672
Test for Equality of Variances Between Series
Variância
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 Mean
Squares 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 4,17
Total 1179,53 75 Total 520,22 75
Nonparametric Test for the Presence of Seasonality Assuming Stability Nonparametric Test for the Presence of Seasonality Assuming Stability
Kruskal-WallDegrees o
f
Probability Kruskal-WallDegrees o
f
Probability
Statistic Freedom Level Statistic Freedom Level
31,70 11 0,09% 43,83 11 0,00%
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares 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 2,10
Error 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.
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-Value Squares Freedom Square F-Value
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 4,17
Total 1327,94 75 Total 2588,16 75
Nonparametric Test for the Presence of Seasonality Assuming Stability Nonparametric Test for the Presence of Seasonality Assuming Stability
Kruskal-WallDegrees o
f
Probability Kruskal-WallDegrees o
f
Probability
Statistic Freedom Level Statistic Freedom Level
62,44 11 0,00% 66,20 11 0,00%
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-value Squares Freedom Square F-value
Between Years 12,76 4 3,19 2,481 Between Years 1,34 4 0,33 0,10
Error 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.
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-Value Squares Freedom Square F-Value
Between months 1276,56 11 116,05 10.180** Between months 214,71 11 19,52 10.136**
Residual 695,37 61 11,40 Residual 117,47 61 1,93
Total 1971,93 72 Total 332,18 72
Nonparametric Test for the Presence of Seasonality Assuming Stability Nonparametric Test for the Presence of Seasonality Assuming Stability
Kruskal-WallDegrees o
f
Probability Kruskal-WallDegrees o
f
Probability
Statistic Freedom Level Statistic Freedom Level
36,95 11 0,01% 33,43 11 0,05%
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-value Squares Freedom Square F-value
Between Years 5,38 4 1,34 0,288 Between Years 5,34 4 1,33 1,596
Erro
r
205,23 44 4,66 Erro
r
36,80 44 0,84
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-Value Squares Freedom Square F-Value
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 0,91
Total 1746,15 75 Total 95,39 75
Nonparametric Test for the Presence of Seasonality Assuming Stability Nonparametric Test for the Presence of Seasonality Assuming Stability
Kruskal-WallDegrees o
f
Probability Kruskal-WallDegrees o
f
Probability
Statistic Freedom Level Statistic Freedom Level
35,51 11 0,02% 31,41 11 0,10%
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-value Squares Freedom Square F-value
Between Years 542,00 4 135,50 10.541** Between Years 2,81 4 0,70 1,429
Error 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.
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-Value Squares Freedom Square F-Value
Between months 392,04 11 35,64 5.359** Between months 31,68 11 2,88 4.359**
Residual 425,66 64 6,65 Residual 42,28 64 0,66
Total 817,69 75 Total 73,96 75
Nonparametric Test for the Presence of Seasonality Assuming Stability Nonparametric Test for the Presence of Seasonality Assuming Stability
Kruskal-WallDegrees o
f
Probability Kruskal-WallDegrees o
f
Probability
Statistic Freedom Level Statistic Freedom Level
47,95 11 0,00% 37,05 11 0,01%
Sum of Dgrs.of Mean Sum of Dgrs.of Mean
Squares Freedom Square F-value Squares Freedom Square F-value
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.
**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.
Operações de Crédito Real Bancos Públicos Operações de Crédito Real Bancos Privados
F-tests for seasonality F-tests for seasonality
F-tests for seasonality F-tests for seasonality
Moving Seasonality Test Moving Seasonality Test
Produto
Risco de Crédito Bancos Públicos
Desemprego
Test for the presence of seasonality assuming stability. Test for the presence of seasonality assuming stability.
* 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
F-tests for seasonality F-tests for seasonality
Percentual Concessões em Relação ao Ativo Bancário Percentual Concessões Pessoa Física Bancos
F-tests for seasonality F-tests for seasonality
Test for the presence of seasonality assuming stability. Test for the presence of seasonality assuming stability.
Test for the presence of seasonality assuming stability. Test for the presence of seasonality assuming stability.
* 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 Privados
F-tests for seasonality F-tests for seasonality
Test for the presence of seasonality assuming stability. Test for the presence of seasonality assuming stability.
**Seasonality present at the 0.1 per cent level. **Seasonality present at the 0.1 per cent level.
* 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
Crítico
10%
Def.
Termos
Determ.
Teste
Valor
Crítico
1%
Valor
Crítico
5%
Valor
Crítico
10%
Def.
Termos
Determ.
Teste
Valor
Crítico
1%
Valor
Crítico
5%
Valor
Crítico
10%
Def.
Termos
Determ.
Teste
Valor
Crítico
1%
Valor
Crítico
5%
Valor
Crítico
10%
LRISK1PUB_SA 0 C
-1,83 -3,52 -2,90 -2,59
1C
-1,77 -3,52 -2,90 -2,59
0CT
-1,81 -3,68 -3,11 -2,82 6
C
0,21 0,74 0,46 0,35
D(LRISK1PUB_SA) 0 N
-9,70 -2,60 -1,95 -1,61
0N
-9,70 -2,60 -1,95 -1,61
0CT
-9,65 -3,68 -3,11 -2,82 2
C
0,10 0,74 0,46 0,35
LRISK1PRIV_SA 1 C
-3,37 -3,52 -2,90 -2,59
1C
-2,53 -3,52 -2,90 -2,59
1CT
-1,74 -3,68 -3,11 -2,82 6
C
0,24 0,74 0,46 0,35
D(LRISK1PRIV_SA) 0 N
-6,65 -2,60 -1,95 -1,61
2N
-6,65 -2,60 -1,95 -1,61
0CT
-6,44 -3,68 -3,11 -2,82 1
C
0,25 0,74 0,46 0,35
LSELIC 1 C
-3,54 -3,52 -2,90 -2,59
6N
-0,57 -2,60 -1,95 -1,61
1CT
-2,60 -3,68 -3,11 -2,82 6
C
0,13 0,74 0,46 0,35
D(LSELIC) 0 N
-2,62 -2,60 -1,95 -1,61
3N
-2,91 -2,60 -1,95 -1,61
0CT
-2,64 -3,68 -3,11 -2,82 6
C
0,08 0,74 0,46 0,35
LIGPDI 0 N
-2,24 -2,60 -1,95 -1,61
1N
-2,3
5 -2,60 -1,95 -1,61
0CT
-2,97 -3,68 -3,11 -2,82 5
CT
0,11 0,22 0,15 0,12
LSELICR 0 C
-2,08 -3,52 -2,90 -2,59
1C
-2,25 -3,52 -2,90 -2,59
1CT
-3,17 -3,68 -3,11 -2,82 5
CT
0,07 0,22 0,15 0,12
D(LSELICR) 0 N
-7,32 -2,60 -1,95 -1,61
3N
-7,29 -2,60 -1,95 -1,61
0CT
-6,91 -3,68 -3,11 -2,82 1
C
0,04 0,74 0,46 0,35
LTCOMP 0 N
-1,30 -2,60 -1,95 -1,61
3N
-1,26 -2,60 -1,95 -1,61
0CT
-1,08 -3,68 -3,11 -2,82 6
CT
0,25 0,22 0,15 0,12
D(LTCOMP) 0 N
-8,41 -2,60 -1,95 -1,61
3N
-8,43 -2,60 -1,95 -1,61
0CT
-7,61 -3,68 -3,11 -2,82 3
C
0,21 0,74 0,46 0,35
LSPREAD 0 N
-0,50 -2,60 -1,95 -1,61
2N
-0,50 -2,60 -1,95 -1,61
0CT
-1,87 -3,68 -3,11 -2,82 6
C
0,19 0,74 0,46 0,35
D(LSPREAD) 0 N
-9,75 -2,60 -1,95 -1,61
1N
-9,74 -2,60 -1,95 -1,61
1CT
-5,13 -3,68 -3,12 -2,82 2
C
0,09 0,74 0,46 0,35
LEMBI 1 N
-0,78 -2,60 -1,95 -1,61
4N
-0,73 -2,60 -1,95 -1,61
1CT
-1,90 -3,68 -3,11 -2,82 6
CT
0,23 0,22 0,15 0,12
D(LEMBI) 0 N
-4,94 -2,60 -1,95 -1,61
2C
-5,02 -3,52 -2,90 -2,59
0CT
-4,69 -3,68 -3,11 -2,82 4
C
0,21 0,74 0,46 0,35
LDESEMPA_SA 1 N
-0,01 -2,60 -1,95 -1,61
3N
0,02 -2,60 -1,95 -1,61
1CT
-1,76 -3,68 -3,11 -2,82 6
C
0,28 0,74 0,46 0,35
D(LDESEMPA_SA) 0 N
-5,92 -2,60 -1,95 -1,61
12 N
-5,74 -2,60 -1,95 -1,61
0CT
-5,89 -3,68 -3,11 -2,82 3
C
0,16 0,74 0,46 0,35
LPROD_SA 3 CT
-2,80 -4,09 -3,47 -3,16
5CT
-4,64 -4,09 -3,47 -3,16
3CT
-2,94 -3,69 -3,12 -2,82 6
CT
0,18 0,22 0,15 0,12
D(LPROD_SA) 1 N
-8,98 -2,60 -1,95 -1,61
3N
-13,91 -2,60 -1,95 -1,61
1CT
-9,21 -3,68 -3,12 -2,82 4
C
0
,05 0,74 0,46 0,35
LPERCONCAT_SA 2 N
0,43 -2,60 -1,95 -1,61
6CT
-6,21 -4,09 -3,47 -3,16
2CT
-1,47 -3,69 -3,13 -2,83 6
CT
0,12 0,22 0,15 0,12
D(LPERCONCAT_SA) 1 N
-11,55 -2,60 -1,95 -1,61
5N
-20,55 -2,60 -1,95 -1,61
1CT
-9,78 -3,69 -3,13 -2,83 4
C
0,14 0,74 0,46 0,35
LPERCONCPFT_SA 0 C
-2,34 -3,52 -2,90 -2,59
3C
-2,12 -3,52 -2,90 -2,59
0CT
-3,40 -3,69 -3,12 -2,82 6
C
0,79 0,74 0,46 0,35
D(LPERCONCPFT_SA ) 1 N
-8,49 -2,60 -1,95 -1,61
3N
-10,45 -2,60 -1,95 -1,61
1CT
-8,38 -3,69 -3,13 -2,83 4
C
0,08 0,74 0,46 0,35
LOPCREDPUBR_SA 2 N
0,65 -2,60 -1,95 -1,61
1N
0,83 -2,60 -1,95 -1,61
3CT
-1,57 -3,69 -3,12 -2,82 6
CT
0,24 0,22 0,15 0,12
D(LOPCREDPUBR_SA) 1 N
-7,68 -2,60 -1,95 -1,61
2N
-7,00 -2,60 -1,95 -1,61
1CT
-7,99 -3,68 -3,12 -2,82 1
C
0,22 0,74 0,46 0,35
LOPCREDPRIVR_SA 3 CT
-2,91 -4,09 -3,47 -3,16
6N
4,72 -2,60 -1,95 -1,61
3CT
-2,10 -3,69 -3,12 -2,82 6
CT
0,13 0,22 0,15 0,12
D(LOPCREDPRIVR_SA) 1 C
-3,38 -3,52 -2,90 -2,59
5C
-7,11 -3,52 -2,90 -2,59
1CT
-3,39 -3,68 -3,12 -2,82 6
C
0,19 0,74 0,46 0,35
LPERCPFPUB_SA 0 C
-3,05 -3,52 -2,90 -2,59
4C
-3,17 -3,52 -2,90 -2,59
0CT
-1,18 -3,68 -3,11 -2,82 6
CT
0,16 0,22 0,15 0,12
D(LPERCPFPUB_SA) 0 N
-7,66 -2,60 -1,95 -1,61
0N
-7,66 -2,60 -1,95 -1,61
0CT
-8,11 -3,68 -3,11 -2,82 1
C
0,41 0,74 0,46 0,35
LPERCPFPRIV_SA 0 N
-5,07 -2,60 -1,95 -1,61
5N
-3,69 -2,60 -1,95 -1,61
0CT
-1,22 -3,68 -3,11 -2,82 6
CT
0,19 0,22 0,15 0,12
D(LPERCPFPRIV_SA) 1 C
-4,04 -3,52 -2,90 -2,59
4C
-7,69 -3,52 -2,90 -2,59
1C
-3,06 -2,60 -1,95 -1,61 5
C
0,12 0,74 0,46 0,35
Notas: 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-GLSPPADF
Séries
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
None * 0,4497 43,6063 38,3310
At most 1 0,4021 27,5483 32,1183
At most 2 0,2095 17,1586 25,8232
At most 3 0,1590 12,6434 19,3870
At most 4 0,0539 4,0417 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.
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_SA
Method: Least Squares Method: Least Squares
Included observations: 74 after adjustments Included observations: 74 after adjustments
V
ariable Coefficient Std. Error
V
ariable Coefficient Std. Error
C 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 1,0272
LDESEMPA_SA(-1) 0,0540 0,4094 0,1320 LDESEMPA_SA(-1) 0,1237 0,3348 0,3694
LDESEMPA_SA(-2) 0,1863 0,2737 0,6808 LDESEMPA_SA(-2) 0,1480 0,2238 0,6614
LPROD_SA -0,2708 0,2462 -1,0998 LPROD_SA -0,2555 0,2013 -1,2696
LPROD_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 1,0874
LSELIC(-1) -0,5954 3,1326 -0,1901 LSELIC(-1) 2,1872 2,6106 0,8378
LSELIC(-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 0,5085
LTCOMP(-1) 0,2160 0,1425 1,5162 LTCOMP(-1) 0,1307 0,1175 1,1123
LTCOMP(-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 -3,2827
Adjusted R-squared 0,8901 F-statistic 40,4157 *** Adjusted R-squared 0,9266 F-statistic 58,5805 ***
DF Test Statistic DF Test Statistic
Wald 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 1,5254
Breusch-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:
A
RCH Test:
F-statistic 2,3476 ** F-statistic 0,9135
Obs.R-squared 12,7564 ** Obs.R-squared 5,6060
White Heteroskedasticity Test: White Heteroskedasticity Test:
F-statistic 1,6865 * F-statistic 1,2191
Obs.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 5,5127
Chow Forecast Test: Forecast from 2006:01 to 2006:06
F-statistic 0,4597
Log likelihood ratio 3,8249
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.
V
alue
t-Statistic
V
alue
t-Statistic
159
Tabela A.8
Teste de Hausman – Bancos Públicos
Included observations: 73 after adjustments
Dependent Variable: DLRISK1PUB_SA
Sample (adjusted): 2000:06 2006:06
Method: Least Squares
Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente
C 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
t
DLSELICDLPROD_SA(-2)
ttt
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, apriori,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_SA
t
DLPROD_SA(-1)
Variable
DLTCOMP(-2)
tt
160
Tabela A.9
Teste de Precedência Temporal de Granger – Variáveis em Nível
V
1
V
2
Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability
LDESEMPA_SA LRISK1PUB_SA 0,1786 0,8369 1,0206 0,4213 0,9317 0,5263 1,4891 0,4222
LRISK1PUB_SA LDESEMPA_SA 2,0940 0,1310 1,4941 0,1966 0,9583 0,5028 2,7587 0,2194
LPROD_SA LRISK1PUB_SA 0,6940 0,5031 0,7380 0,6212 1,0544 0,4225 1,2573 0,4915
LRISK1PUB_SA LPROD_SA 0,8048 0,4513 1,3359 0,2564 0,6795 0,7602 2,9334 0,2041
LSELIC LRISK1PUB_SA 2,4238 0,0961 1,1192 0,3628 1,2463 0,2884 12,1728 0,0309
LRISK1PUB_SA LSELIC 0,4205 0,6584 1,5570 0,1766 0,7410 0,7037 5,7586 0,0868
LTCOMP LRISK1PUB_SA 6,2738 0,0031 2,4591 0,0349 3,3104 0,0023 1,7709 0,3564
LRISK1PUB_SA LTCOMP 5,3435 0,0070 5,6559 0,0001 3,4195 0,0018 0,5055 0,8559
LSPREAD LRISK1PUB_SA 4,3258 0,0170 3,9473 0,0023 1,9108 0,0635 1,6069 0,3925
LRISK1PUB_SA LSPREAD 4,8841 0,0104 2,5272 0,0307 2,7484 0,0085 1,3659 0,4570
LDESEMPA_SA LRISK1PRIV_SA 4,4002 0,0159 4,0339 0,0020 0,8803 0,5730 3,4455 0,1680
LRISK1PRIV_SA LDESEMPA_SA 2,5232 0,0876 2,3026 0,0465 0,5757 0,8480 2,1709 0,2876
LPROD_SA LRISK1PRIV_SA 1,8314 0,1679 2,6874 0,0229 1,1136 0,3771 8,2658 0,0531
LRISK1PRIV_SA LPROD_SA 0,1904 0,8270 0,4424 0,8473 0,2964 0,9864 1,5862 0,3975
LSELIC LRISK1PRIV_SA 6,1951 0,0034 1,5492 0,1790 0,6234 0,8093 12,7101 0,0291
LRISK1PRIV_SA LSELIC 4,3157 0,0171 1,8045 0,1145 1,2512 0,2855 58,3034 0,0031
LTCOMP LRISK1PRIV_SA 0,2161 0,8062 2,0255 0,0770 1,6714 0,1118 0,5546 0,8265
LRISK1PRIV_SA LTCOMP 3,4751 0,0365 1,6163 0,1594 1,8087 0,0809 1,3341 0,4667
LSPREAD LRISK1PRIV_SA 4,0371 0,0220 2,0077 0,0795 1,9223 0,0617 0,6137 0,7912
LRISK1PRIV_SA LSPREAD 2,8512 0,0646 2,7906 0,0189 5,1574 0,0000 1,9409 0,3243
LPROD_SA LDESEMPA_SA 2,1473 0,1245 1,3447 0,2528 1,0919 0,3934 2,7225 0,2228
LDESEMPA_SA LPROD_SA 0,1442 0,8659 0,9318 0,4794 0,9150 0,5413 0,5358 0,8378
LSELIC LDESEMPA_SA 2,7715 0,0695 1,6608 0,1474 1,5834 0,1371 39,4165 0,0056
LDESEMPA_SA LSELIC 1,1310 0,3286 0,8775 0,5173 0,6611 0,7766 0,6369 0,7775
LTCOMP LDESEMPA_SA 1,5621 0,2170 1,5380 0,1824 1,9505 0,0577 0,5383 0,8362
LDESEMPA_SA LTCOMP 2,1651 0,1225 1,5227 0,1873 2,4187 0,0187 0,9869 0,5959
LSPREAD LDESEMPA_SA 3,3383 0,0413 1,2943 0,2746 1,0473 0,4281 0,6499 0,7699
LDESEMPA_SA LSPREAD 1,4881 0,2330 1,8800 0,1000 1,1806 0,3302 2,3629 0,2619
LSELIC LPROD_SA 3,0359 0,0545 4,0463 0,0019 3,1679 0,0031 0,6135 0,7913
LPROD_SA LSELIC 0,1152 0,8914 0,9127 0,4925 2,5096 0,0150 1,3837 0,4517
LTCOMP LPROD_SA 1,6874 0,1925 0,8995 0,5017 0,7659 0,6803 1,0521 0,5680
LPROD_SA LTCOMP 0,1412 0,8685 0,2637 0,9515 0,8447 0,6061 5,5589 0,0910
LSPREAD LPROD_SA 2,8107 0,0671 3,8004 0,0030 2,3483 0,0221 1,2698 0,4873
LPROD_SA LSPREAD 0,4948 0,6118 0,6468 0,6924 0,3323 0,9781 0,7255 0,7266
LTCOMP LSELIC 4,5216 0,0143 1,8679 0,1022 0,9790 0,4848 8,2136 0,0536
LSELIC LTCOMP 0,2903 0,7490 1,0442 0,4067 1,0810 0,4017 1,4278 0,4390
LSPREAD LSELIC 0,8539 0,4302 1,2886 0,2771 0,9810 0,4831 3,3283 0,1753
LSELIC LSPREAD 10,2778 0,0001 2,7339 0,0210 1,1944 0,3210 3,2337 0,1815
LSPREAD LTCOMP 3,3169 0,0421 0,6767 0,6689 0,7855 0,6618 6,3444 0,0763
LTCOMP LSPREAD 3,1468 0,0492 1,2394 0,3001 1,4006 0,2070 0,8350 0,6681
Note: 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 Tests
Sample: 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
V
1
V
2
Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability
DLDESEMPA_SA DLRISK1PUB_SA 0,0619 0,9400 0,9474 0,4690
63
0,7977 0,6502
51
0,7320 0,7258
DLRISK1PUB_SA DLDESEMPA_SA 1,6180 0,2058 2,3428 0,0434 0,7513 0,6938 0,7182 0,7321
DLPROD_SA DLRISK1PUB_SA 2,8202 0,0666 0,4586 0,8359
63
0,7554 0,6899
51
0,4901 0,8481
DLRISK1PUB_SA DLPROD_SA 1,9017 0,1572 1,4565 0,2100 0,9871 0,4784 2,3961 0,3365
DLSELIC DLRISK1PUB_SA 2,1885 0,1199 1,3292 0,2597
63
0,6939 0,7469
51
4,9990 0,1800
DLRISK1PUB_SA DLSELIC 0,3398 0,7131 0,8695 0,5231 0,4984 0,9026 2,2130 0,3583
DLTCOMP DLRISK1PUB_SA 4,3410 0,0168 1,9132 0,0946
63
2,0825 0,0428
51
0,5600 0,8108
DLRISK1PUB_SA DLTCOMP 2,9869 0,0571 3,1926 0,0091 4,4556 0,0002 0,5594 0,8111
DLSPREAD DLRISK1PUB_SA 3,0448 0,0542 2,0651 0,0720
63
1,7966 0,0843
51
0,7899 0,6999
DLRISK1PUB_SA DLSPREAD 1,9241 0,1539 2,2602 0,0505 1,7732 0,0891 1,0680 0,5941
DLDESEMPA_SA DLRISK1PRIV_SA 7,5747 0,0011 2,7819 0,0194
63
1,5811 0,1390
51
5,4805 0,1656
DLRISK1PRIV_SA DLDESEMPA_SA 2,8776 0,0632 1,0770 0,3873 0,4840 0,9116 1,3523 0,5121
DLPROD_SA DLRISK1PRIV_SA 1,0182 0,3667 2,3736 0,0410
63
1,3748 0,2202
51
1,9134 0,4005
DLRISK1PRIV_SA DLPROD_SA 0,0430 0,9579 0,2955 0,9366 0,9699 0,4931 1,0174 0,6112
DLSELIC DLRISK1PRIV_SA 1,8774 0,1608 1,7999 0,1158
63
0,9328 0,5256
51
201,9480 0,0049
DLRISK1PRIV_SA DLSELIC 3,1465 0,0493 0,5966 0,7317 0,9302 0,5279 16,2796 0,0594
DLTCOMP DLRISK1PRIV_SA 0,1401 0,8696 0,6217 0,7121
63
1,4232 0,1981
51
1,0213 0,6099
DLRISK1PRIV_SA DLTCOMP 5,1123 0,0085 1,1406 0,3512 2,0240 0,0492 0,6926 0,7442
DLSPREAD DLRISK1PRIV_SA 0,3635 0,6966 1,4576 0,2096
63
2,1779 0,0341
51
4,6708 0,1912
DLRISK1PRIV_SA DLSPREAD 2,3968 0,0987 2,3256 0,0448 3,3166 0,0024 0,7864 0,7014
DLPROD_SA DLDESEMPA_SA 0,2113 0,8101 1,2977 0,2734
63
1,2221 0,3042
51
3,6488 0,2374
DLDESEMPA_SA DLPROD_SA 0,8930 0,4142 0,8028 0,5719 1,0468 0,4291 0,4178 0,8872
DLSELIC DLDESEMPA_SA 0,5076 0,6042 1,9956 0,0816
63
1,4793 0,1749
51
75,5577 0,0131
DLDESEMPA_SA DLSELIC 0,3550 0,7024 0,8839 0,5129 0,5086 0,8960 0,6349 0,7723
DLTCOMP DLDESEMPA_SA 2,4578 0,0932 2,6955 0,0227
63
1,9021 0,0657
51
0,4936 0,8462
DLDESEMPA_SA DLTCOMP 2,1244 0,1274 1,2126 0,3136 2,0042 0,0516 2,0613 0,3785
DLSPREAD DLDESEMPA_SA 1,3952 0,2548 1,2323 0,3039
63
0,7749 0,6717
51
0,4266 0,8825
DLDESEMPA_SA DLSPREAD 0,4674 0,6287 2,0513 0,0738 0,7801 0,6668 2,3859 0,3377
DLSELIC DLPROD_SA 5,3683 0,0068 4,2502 0,0014
63
3,0970 0,0039
51
42,6128 0,0232
DLPROD_SA DLSELIC 0,4961 0,6111 1,1673 0,3369 1,5751 0,1409 0,6036 0,7882
DLTCOMP DLPROD_SA 1,9311 0,1529 0,6394 0,6982
63
0,6134 0,8173
51
0,8990 0,6549
DLPROD_SA DLTCOMP 0,1532 0,8583 0,6315 0,7044 0,6562 0,7806 2,0105 0,3858
DLSPREAD DLPROD_SA 5,1569 0,0082 3,5101 0,0051
63
2,3608 0,0220
51
0,9473 0,6364
DLPROD_SA DLSPREAD 0,6840 0,5080 0,5830 0,7423 0,2960 0,9864 0,2728 0,9592
DLTCOMP DLSELIC 3,1453 0,0494 1,3230 0,2623
63
0,829
9 0,6200
51
3,8277 0,2278
DLSELIC DLTCOMP 3,0576 0,0535 1,0268 0,4177 1,0904 0,3952 0,7533 0,7161
DLSPREAD DLSELIC 3,1754 0,0480 2,0210 0,0779
63
0,8949 0,5598
51
1,2344 0,5434
DLSELIC DLSPREAD 5,5730 0,0057 2,3504 0,0428 1,4662 0,1801 0,9202 0,6467
DLSPREAD DLTCOMP 2,9554 0,0588 0,9844 0,4446
63
1,1876 0,3264
51
3,1889 0,2662
DLTCOMP DLSPREAD 1,4415 0,2437 2,1722 0,0593 1,5962 0,1343 0,3896 0,9023
Note: Probability calculed for Eviews 5.
Null Hypothesis:
V1
does not Granger Cause
V2
Sample: 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 ***
DF Test Statistic Value
Wald Test:
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
None * 0,4564 101,5788 88,8038
At most 1 0,2914 57,0831 63,8761
At most 2 0,2134 31,9363 42,9152
At most 3 0,0972 14,4091 25,8721
At most 4 0,0907 6,9425 12,5180
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value
None * 0,4564 44,4957 38,3310
At most 1 0,2914 25,1468 32,1183
At most 2 0,2134 17,5272 25,8232
At most 3 0,0972 7,4665 19,3870
At most 4 0,0907 6,9425 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.
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 ***
DF Test Statistic Value
Wald Test:
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 root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
Augmented Dickey-Fuller t-Statistic -3,2194
Test critical values: 1% level -5,5978
5% level -4,9351
10% level -4,6022
Note: (*) MacKinnon (1996) one-sided p-values.
Tabela A.15
Modelo ADL de Longo Prazo – Bancos Privados
Dependent Variable: LRISK1PRIV_SA
Method: Least Squares
Included observations: 74 after adjustments
V
ariable Coefficient Std. Erro
r
C 0,5543 0,7289 0,7605
T 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 -0,3557
LDESEMPA_SA(-2) -0,1024 0,1354 -0,7559
LPROD_SA 0,1069 0,1067 1,0021
LPROD_SA(-1) -0,1580 0,1051 -1,5037
LPROD_SA(-2) -0,2643 0,1091 -2,4218 **
LSELIC 0,6463 0,8136 0,7944 *
LSELIC(-1) 0,1841 1,4599 0,1261
LSELIC(-2) -0,4914 0,7865 -0,6248
LTCOMP -0,0245 0,0459 -0,5344
LTCOMP(-1) 0,0320 0,0635 0,5043
LTCOMP(-2) -0,0440 0,0473 -0,9290 *
R-squared 0,9236 Schwarz criterion -4,1257
Adjusted R-squared 0,9039 F-statistic 46,7621 ***
DF Test Statistic
Wald Test:
All coefficients = 1 (1, 58) /1 F-statistic/Chi-square 0,2410
LRISK1PUB_SA(-t) (1, 58) /1 F-statistic/Chi-square 13,4736
***
Jarque-Bera:
J-B statistic 1,0110
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1,7386
Obs.R-squared 12,3644 *
ARCH Test:
F-statistic 0,2511
Obs.R-squared 1,6390
White Heteroskedasticity Test:
F-statistic 1,2947
Obs.R-squared 35,1194
Ramsey RESET Test:
F-statistic 0,9730
Log likelihood ratio 1,2525
Chow 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
V
alue
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.
165
Tabela A.16
Teste de Hausman – Bancos Privados
Included observations: 69 after adjustments
Dependent Variable: DLRISK1PRIV_SA
Sample (adjusted): 2000:10 2006:06
Method: Least Squares
Coeficient
e
Coeficient
e
Coeficient
e
Coeficient
e
Coeficient
e
Coeficient
e
Coeficient
e
C 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 0,2436
DLRISK1PRIV_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)
tt
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, apriori,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.
tttt
Variable
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)
Hypothesized Trace 0,05
No. of CE(s) Eigenvalue Statistic Critical Value
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
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0,05
No. of CE(s) Eigenvalue Statistic Critical Value
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 CointEq2
LRISK1PUB_SA(-1) 1,000000 0,000000
LDESEMPA_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
0,0000
0,0000
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 0,2764
res2*res2 0,3697 2,0892 0,0218 27,3549 0,0377 0,7378 1,8550 0,0409 54,6000 0,1314
res3*res3 0,1480 0,6188 0,8555 10,9521 0,8124 0,3102 0,2964 0,9999 22,9580 0,9963
res4*res4 0,1275 0,5204 0,9255 9,4313 0,8946 0,5597 0,8379 0,7072 41,4200 0,5828
res5*res5 0,6963 8,1676 0,0000 51,5258 0,0000 0,8713 4,4610 0,0000 64,4742 0,0237
res6*res6 0,1439 0,5989 0,8716 10,6492 0,8306 0,6322 1,1331 0,3662 46,7858 0,3588
res2*res1 0,0649 0,2474 0,9983 4,8048 0,9966 0,7118 1,6277 0,0842 52,6717 0,1736
res3*res1 0,1613 0,6849 0,7965 11,9325 0,7486 0,3665 0,3814 0,9981 27,1231 0,9786
res3*res2 0,1723 0,7417 0,7403 12,7523 0,6908 0,6233 1,0906 0,4088 46,1254 0,3844
res4*res1 0,3261 1,7242 0,0680 24,1344 0,0866 0,7120 1,6293 0,0838 52,6871 0,1733
res4*res2 0,0992 0,3925 0,9792 7,3432 0,9661 0,5525 0,8139 0,7362 40,8885 0,6058
res4*res3 0,2113 0,9545 0,5159 15,6366 0,4786 0,5965 0,9742 0,5399 44,1379 0,4658
res5*res1 0,3827 2,2090 0,0149 28,3230 0,0289 0,7497 1,9738 0,0280 55,4753 0,1150
res5*res2 0,1521 0,6389 0,8384 11,2532 0,7936 0,7217 1,7088 0,0651 53,4025 0,1566
res5*res3 0,2416 1,1351 0,3471 17,8815 0,3309 0,7132 1,6389 0,0813 52,7758 0,1711
res5*res4 0,1404 0,5817 0,8846 10,3875 0,8456 0,5546 0,8207 0,7280 41,0417 0,5992
res6*res1 0,2567 1,2301 0,2748 18,9938 0,2690 0,6179 1,0659 0,4350 45,7256 0,4003
res6*res2 0,2183 0,9949 0,4750 16,1546 0,4422 0,7263 1,7492 0,0573 53,7480 0,1490
res6*res3 0,2557 1,2239 0,2791 18,9220 0,2727 0,6061 1,0140 0,4930 44,8495 0,4360
res6*res4 0,2332 1,0833 0,3916 17,2549 0,3693 0,6714 1,3466 0,2005 49,6823 0,2572
res6*res5 0,3583 1,9888 0,0299 26,5113 0,0472 0,6781 1,3885 0,1768 50,1809 0,2417
Notes: 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)
Hypothesized Trace 0,05
No. of CE(s) Eigenvalue Statistic Critical Value
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
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0,05
No. of CE(s) Eigenvalue Statistic Critical Value
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: CointEq1
LRISK1PRIV_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
0,0000
0,0000
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
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 15,5731 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
Chi-sq df Prob. Chi-sq df Prob.
331,8463 294,0000 0,0636 809,4527 735,0000 0,0289
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 0,0170
res2*res2 0,2376 1,3132 0,2275 17,5807 0,2265 0,4624 0,9340 0,5793 34,2206 0,5056
res3*res3 0,1595 0,8000 0,6654 11,8060 0,6219 0,3027 0,4714 0,9866 22,4022 0,9510
res4*res4 0,1199 0,5739 0,8745 8,8691 0,8393 0,3493 0,5828 0,9450 25,8472 0,8698
res5*res5 0,6869 9,2443 0,0000 50,8284 0,0000 0,8521 6,2530 0,0000 63,0521 0,0025
res6*res6 0,2126 1,1380 0,3461 15,7342 0,3299 0,6079 1,6831 0,0591 44,9834 0,1203
res2*res1 0,1811 0,9319 0,5312 13,4002 0,4953 0,4839 1,0181 0,4767 35,8107 0,4302
res3*res1 0,1645 0,8299 0,6347 12,1754 0,5922 0,5271 1,2099 0,2823 39,0023 0,2945
res3*res2 0,1752 0,8950 0,5682 12,9629 0,5294 0,3782 0,6605 0,8909 27,9891 0,7940
res4*res1 0,2163 1,1629 0,3270 16,0039 0,3131 0,5621 1,3935 0,1589 41,5928 0,2056
res4*res2 0,0861 0,3970 0,9704 6,3708 0,9563 0,5681 1,4281 0,1417 42,0398 0,1923
res4*res3 0,1809 0,9308 0,5323 13,3869 0,4963 0,4153 0,7712 0,7799 30,7325 0,6743
res5*res1 0,3856 2,6451 0,0047 28,5358 0,0121 0,6206 1,7759 0,0426 45,9240 0,1024
res5*res2 0,1600 0,8025 0,6629 11,8372 0,6194 0,5549 1,3533 0,1810 41,0589 0,2222
res5*res3 0,1451 0,7154 0,7504 10,7387 0,7064 0,4540 0,9029 0,6184 33,5985 0,5358
res5*res4 0,1343 0,6536 0,8085 9,9353 0,7669 0,3870 0,6853 0,8691 28,6353 0,7677
res6*res1 0,3411 2,1814 0,0194 25,2391 0,0323 0,5962 1,6029 0,0783 44,1172 0,1389
res6*res2 0,2031 1,0742 0,3986 15,0312 0,3760 0,6505 2,0209 0,0178 48,1378 0,0687
res6*res3 0,2748 1,5970 0,1070 20,3361 0,1199 0,4207 0,7884 0,7599 31,1308 0,6555
res6*res4 0,1744 0,8901 0,5731 12,9045 0,5341 0,4835 1,0165 0,4786 35,7826 0,4315
res6*res5 0,4282 3,1561 0,0010 31,6880 0,0044 0,7139 2,7097 0,0016 52,8316 0,0270
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No 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
Joint 6 12,1726 0,0582 10,1456 0,1187
Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob.
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
Joint 6 16,6544 0,0106 8,5356 0,2014
Component df Jarque-Bera Prob. Jarque-Bera Prob.
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
V
1
V
2
Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability Obs F-Statistic Probability
LEMBI 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 0,0625
LOPCREDPUBR_SA LEMBI 1,1494 0,3228 1,1401 0,3512 1,7103 0,1021 3,0938 0,1915
LEMBI LOPCREDPRIVR_SA 6,9959 0,0017 1,3387 0,2553 1,9535 0,0573 0,4647 0,8800
LOPCREDPRIVR_SA LEMBI 0,6213 0,5402 2,6144 0,0262 1,4038 0,2056 18,4840 0,0170
LEMBI LPERCPFPUB_SA 0,6665 0,5168 0,7600 0,6043 1,0227 0,4480 3,2184 0,1826
LPERCPFPUB_SA LEMBI 0,0335 0,9671 1,2681 0,2865 1,1305 0,3649 2,4227 0,2547
LEMBI LPERCPFPRIV_SA 6,8365 0,0020 1,0332 0,4135 0,9457 0,5138 0,4423 0,8928
LPERCPFPRIV_SA LEMBI 2,7627 0,0701 1,6795 0,1427 1,1175 0,3743 0,7755 0,6993
Note: 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 Tests
Sample: 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
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 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 0,0291
res2*res2 0,0889 0,7564 0,6419 6,3136 0,6121 0,2143 1,0907 0,3858 15,2119 0,3638
res2*res1 0,0499 0,4072 0,9123 3,5443 0,8957 0,1684 0,8099 0,6551 11,9551 0,6099
Notes: Sample 2000:06 2006:06, included observations 71, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No Cross Terms (only levels and squares) Includes Cross Terms
Joint test: Joint test:
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
Joint 2 6,8369 0,0328 2,6886 0,2607
Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob.
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
Joint 2 0,2028 0,9036 5,5278 0,0630
Component df Jarque-Bera Prob. Jarque-Bera Prob.
1 2 4,0463 0,1322 5,0180 0,0813
2 2 2,9934 0,2239 3,1983 0,2021
Joint 4 7,0398 0,1338 8,2164 0,0840
Notes: Sample, 2000:06 2006:06, included observations, 71, and probs calculed for Eviews 5.
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
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 0,8165 NA* 0,8282 NA* NA* 2,7992 0,5920
2 3,9463 NA* 4,0487 NA* NA* 4,4220 0,3519
3 5,8749 0,2087 6,0624 0,1945 4 2,1555 0,7072
4 6,9082 0,5466 7,1574 0,5198 8 1,1134 0,8921
5 10,9906 0,5297 11,5490 0,4825 12 4,4038 0,3541
6 13,1368 0,6627 13,8934 0,6067 16 2,1122 0,7151
7 17,7198 0,6059 18,9777 0,5233 20 4,7484 0,3141
8 18,7992 0,7626 20,1941 0,6857 24 1,1381 0,8882
9 20,7537 0,8355 22,4323 0,7609 28 1,9165 0,7511
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
Chi-sq df Prob. Chi-sq df Prob.
22,8859 24 0,5265 39,5339 42 0,5798
Dependent R-squared F(8,62) Prob. Chi-sq(8) Prob. R-squared F(14,59) Prob. Chi-sq(14) Prob.
res1*res1 0,0827 0,6988 0,6912 5,8725 0,6615 0,1127 0,5078 0,9187 7,9987 0,8894
res2*res2 0,2158 2,1321 0,0457 15,3185 0,0532 0,3149 1,8387 0,0551 22,3591 0,0715
res2*res1 0,0521 0,4258 0,9012 3,6974 0,8833 0,1727 0,8352 0,6293 12,2637 0,5851
Notes: Sample 2000:06 2006:06, included observations 71, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No Cross Terms (only levels and squares) Includes Cross Terms
Joint test: Joint test:
Tabela A.37
Testes de Normalidade Lutkepohl e Doornik-Hansen – Concessão de Crédito à PF
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 -0,9477 10,6282 0,0011 -0,8549 8,2229 0,0041
2 1 0,3866 1,7686 0,1836 0,3526 1,6606 0,1975
Joint 2 12,3967 0,0020 9,8835 0,0071
Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob.
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
Joint 2 2,7409 0,2540 3,7419 0,1540
Component df Jarque-Bera Prob. Jarque-Bera Prob.
1 2 13,3516 0,0013 11,4735 0,0032
2 2 1,7861 0,4094 2,1518 0,3410
Joint 4 15,1376 0,0044 13,6254 0,0086
Notes: Sample, 2000:06 2006:06, included observations, 71, and probs calculed for Eviews 5.
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
Notes: No root lies outside the unit circle. VAR satisfies the stability
condition.
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
No Trend No Trend No Trend Trend Trend
Trace: 0 0 0 0 0
Max-Eig: 0 0 0 0 0
No. of CEs
Information Criteria by Rank and Model
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
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 0,5829 NA* 0,5909 NA* NA* 5,9703 0,2014
2 7,2925 NA* 7,4869 NA* NA* 7,4349 0,1146
3 10,4938 0,0329 10,8235 0,0286 4 3,5835 0,4653
4 11,2112 0,1900 11,5819 0,1709 8 0,7166 0,9493
5 18,7179 0,0956 19,6325 0,0744 12 7,8535 0,0971
6 20,1362 0,2142 21,1759 0,1718 16 1,4017 0,8439
7 22,9907 0,2893 24,3286 0,2283 20 2,8034 0,5912
8 24,2435 0,4477 25,7334 0,3668 24 1,2982 0,8617
9 27,5359 0,4892 29,4815 0,3884 28 3,1543 0,5323
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
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.
177
Tabela A.41
Teste White de Heteroscedasticidade – Operações de Crédito Bancos Públicos
Chi-sq df Prob. Chi-sq df Prob.
32,0099 24,0000 0,1267 56,9835 42,0000 0,0613
Dependent R-squared F(8,65) Prob. Chi-sq(8) Prob. R-squared F(14,59) Prob. Chi-sq(14) Prob.
res1*res1 0,1655 1,6116 0,1387 12,2484 0,1405 0,2518 1,4179 0,1738 18,6298 0,1796
res2*res2 0,1590 1,5358 0,1623 11,7637 0,1621 0,2078 1,1057 0,3721 15,3800 0,3527
res2*res1 0,0892 0,7959 0,6082 6,6020 0,5801 0,2976 1,7853 0,0627 22,0206 0,0782
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No Cross Terms (only levels and squares) Includes Cross Terms
Joint test: Joint test:
Tabela A.42
Testes de Normalidade Lutkepohl e Doornik-Hansen – Operações de Crédito Bancos
Públicos
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 -2,3282 34,2811 0,0000 -2,3282 34,2811 0,0000
2 1 0,5584 4,0621 0,0439 0,5584 4,0621 0,0439
Joint 2 38,3432 0,0000 38,3432 0,0000
Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob.
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
Joint 2 30,7461 0,0000 30,7461 0,0000
Component df Jarque-Bera Prob. Jarque-Bera Prob.
1 2 64,6961 0,0000 64,6961 0,0000
2 2 4,3933 0,1112 4,3933 0,1112
Joint 4 69,0894 0,0000 69,0894 0,0000
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
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
Notes: No root lies outside the unit circle. VAR satisfies the stability
condition.
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
Data Trend: None None Linear Linear Quadratic
Test Type: No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace: 1 0 0 1 1
Max-Eig: 1 0 0 1 1
No. of CEs
Information Criteria by Rank and 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
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 0,8859 NA* 0,8980 NA* NA* 11,0837 0,0256
2 9,2177 NA* 9,4612 NA* NA* 8,9251 0,0630
3 11,7258 0,0195 12,0754 0,0168 4 2,7340 0,6033
4 13,0391 0,1105 13,4637 0,0969 8 1,3781 0,8480
5 21,6073 0,0422 22,6528 0,0308 12 9,3530 0,0529
6 23,3613 0,1044 24,5615 0,0779 16 2,0322 0,7298
7 26,8232 0,1403 28,3851 0,1006 20 3,8896 0,4212
8 29,1217 0,2156 30,9623 0,1549 24 2,6272 0,6220
9 31,2548 0,3059 33,3907 0,2217 28 2,3884 0,6647
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
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.46
Teste White de Heteroscedasticidade – Operações de Crédito Bancos Privados
Chi-sq df Prob. Chi-sq df Prob.
61,7168 24 0,0000 81,7330 42 0,0002
Dependent R-squared F(8,65) Prob. Chi-sq(8) Prob. R-squared F(14,59) Prob. Chi-sq(14) Prob.
res1*res1 0,5468 9,8015 0,0000 40,4602 0,0000 0,5950 6,1925 0,0000 44,0334 0,0001
res2*res2 0,1524 1,4606 0,1891 11,2756 0,1866 0,2367 1,3067 0,2312 17,5144 0,2298
res2*res1 0,1308 1,2223 0,3004 9,6766 0,2885 0,2632 1,5058 0,1375 19,4802 0,1474
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No Cross Terms (only levels and squares) Includes Cross Terms
Joint test: Joint test:
179
Tabela A.47
Testes de Normalidade Lutkepohl e Doornik-Hansen – Operações de Crédito Bancos Privados
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 0,3928 1,9028 0,1678 0,3535 1,7289 0,1886
2 1 0,7278 6,5324 0,0106 0,6388 5,1692 0,0230
Joint 2 8,4351 0,0147 6,8980 0,0318
Component df Kurtosis Chi-sq Prob. Kurtosis Chi-sq Prob.
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
Joint 2 18,4533 0,0001 9,6050 0,0082
Component df Jarque-Bera Prob. Jarque-Bera Prob.
1 2 18,2702 0,0001 10,8537 0,0044
2 2 8,6182 0,0134 5,6493 0,0593
Joint 4 26,8884 0,0000 16,5030 0,0024
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
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
Notes: No root lies outside the unit circle. VAR satisfies the stability
condition.
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
Data Trend: None None Linear Linear Quadratic
Test Type: No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace: 1 0 0 0 2
Max-Eig: 1 0 0 0 0
No. of CEs
Information Criteria by Rank and 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
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 0,1434 NA* 0,1453 NA* NA* 0,5885 0,9643
2 2,1843 NA* 2,2430 NA* NA* 1,9506 0,7449
3 7,0969 0,1309 7,3631 0,1179 4 4,9876 0,2886
4 8,6505 0,3726 9,0055 0,3418 8 1,5984 0,8091
5 15,1514 0,2333 15,9775 0,1923 12 6,8065 0,1465
6 15,2626 0,5055 16,0985 0,4461 16 0,1129 0,9985
7 19,5153 0,4886 20,7955 0,4093 20 4,2195 0,3771
8 20,4200 0,6727 21,8098 0,5906 24 0,9485 0,9175
9 23,2425 0,7208 25,0232 0,6266 28 2,6817 0,6124
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
Chi-sq df Prob. Chi-sq df Prob.
20,4419 24 0,6714 55,8705 42 0,0744
Dependent R-squared F(8,65) Prob. Chi-sq(8) Prob. R-squared F(14,59) Prob. Chi-sq(14) Prob.
res1*res1 0,0607 0,5253 0,8332 4,4939 0,8100 0,1314 0,6373 0,8228 9,7212 0,7823
res2*res2 0,1068 0,9719 0,4657 7,9064 0,4427 0,1395 0,6834 0,7810 10,3260 0,7380
res2*res1 0,1276 1,1889 0,3195 9,4459 0,3061 0,4893 4,0384 0,0001 36,2116 0,0010
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No Cross Terms (only levels and squares) Includes Cross Terms
Joint test: Joint test:
Tabela A.52
Testes de Normalidade Lutkepohl e Doornik-Hansen – Percentual de Crédito à PF dos
Bancos Públicos
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 3,9189 189,4158 0,0000 3,5530 53,1098 0,0000
2 1 0,5564 3,8181 0,0507 0,4924 3,2272 0,0724
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
Joint 4 2168,5210 0,0000 83,1941 0,0000
Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5.
181
Tabela A.53
Raízes Características – Percentual de Crédito à PF dos Bancos Públicos
Roots of Characteristic Polynomial
Endogenous variables: LOPCREDPUBR_SA LEMBI
Exogenous variables: C
Lag specification: 1 2
Root Modulus
0,9459 0,9459
0,8971 0,8971
0,5660 0,5660
0,0059 0,0059
Notes: No root lies outside the unit circle. VAR satisfies the stability
condition.
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
Data Trend: None None Linear Linear Quadratic
Test Type: No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace: 1 1 1 1 2
Max-Eig: 1 1 1 1 2
No. of CEs
Information Criteria by Rank and 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
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 0,8275 NA* 0,8388 NA* NA* 7,0306 0,1343
2 11,7809 NA* 12,0965 NA* NA* 11,0132 0,0264
3 14,4633 0,0060 14,8923 0,0049 4 2,8582 0,5818
4 17,9307 0,0218 18,5578 0,0174 8 3,5562 0,4694
5 20,9520 0,0511 21,7980 0,0398 12 3,2118 0,5230
6 21,8421 0,1484 22,7666 0,1201 16 0,9408 0,9186
7 23,8021 0,2511 24,9314 0,2041 20 1,9773 0,7399
8 25,9316 0,3566 27,3191 0,2898 24 2,1873 0,7013
9 27,1311 0,5111 28,6846 0,4287 28 1,2293 0,8733
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
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.
182
Tabela A.56
Teste White de Heteroscedasticidade – Percentual de Crédito à PF dos Bancos Privados
Chi-sq df Prob. Chi-sq df Prob.
41,7397 24 0,0138 66,0940 42 0,0102
Dependent R-squared F(8,65) Prob. Chi-sq(8) Prob. R-squared F(14,59) Prob. Chi-sq(14) Prob.
res1*res1 0,2776 3,1220 0,0048 20,5411 0,0085 0,4056 2,8756 0,0023 30,0138 0,0076
res2*res2 0,1388 1,3091 0,2549 10,2684 0,2467 0,2441 1,3607 0,2016 18,0616 0,2040
res2*res1 0,1216 1,1243 0,3591 8,9948 0,3427 0,2025 1,0700 0,4022 14,9845 0,3792
Notes: Sample 2000:03 2006:06, included observations 74, and probs calculed for Eviews 5.
Individual components: Individual components:
VEC Residual Heteroskedasticity Tests
No Cross Terms (only levels and squares) Includes Cross Terms
Joint test: Joint test:
Tabela A.57
Testes de Normalidade Lutkepohl e Doornik-Hansen – Percentual de Crédito à PF dos
Bancos Privados
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 0,2212 0,6033 0,4373 0,2171 0,6706 0,4128
2 1 0,4091 2,0642 0,1508 0,4788 3,0648 0,0800
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
Joint 4 2,7383 0,6025 4,4001 0,3546
Notes: Sample, 2000:03 2006:06, included observations, 74, and probs calculed for Eviews 5.
Tabela A.58
Raízes Características – Percentual de Crédito à PF dos Bancos Privados
Roots of Characteristic Polynomial
Endogenous variables: LOPCREDPUBR_SA LEMBI
Exogenous variables: C
Lag specification: 1 2
Root Modulus
0,9839 0,9839
0,8318 0,8318
0,5798 0,5798
-0,0629 0,0629
Notes: No root lies outside the unit circle. VAR satisfies the stability
condition.
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
0
0,2
0,4
0,6
0,8
1
1,2
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
Recursive C(6) Estimates ± 2 S.E.
-20
-15
-10
-5
0
5
2002 2003 2004 2005 2006
Recursive C(7) Estimates ± 2 S.E.
-0.8
-0.4
0.0
0.4
0.8
1.2
2002 2003 2004 2005 2006
Recursive C(8) Estimates ± 2 S.E.
-1
0
1
2
3
4
2002 2003 2004 2005 2006
Recursive C(3) Estimates ± 2 S.E.
-5
-4
-3
-2
-1
0
1
2
3
4
2002 2003 2004 2005 2006
Recursive C(4) Estimates ± 2 S.E.
-.06
-.04
-.02
.00
.02
.04
.06
2002 2003 2004 2005 2006
Recursive C(1) Estimates ± 2 S.E.
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
2002 2003 2004 2005 2006
Recursive C(2) Estimates ± 2 S.E.
-1.6
-1.2
-0.8
-0.4
0.0
0.4
0.8
1
.
2
2002 2003 2004 2005 2006
Recursive C(9) Estimates ± 2 S.E.
-4
-3
-2
-1
0
1
2002 2003 2004 2005 2006
Recursive C(10) Estimates ± 2 S.E.
-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
Recursive C(1) Estimates ± 2 S.E.
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
2002 2003 2004 2005
Recursive C(2) Estimates ± 2 S.E.
-.2
-.1
.0
.1
.2
.3
.4
.5
.6
2002 2003 2004 2005
Recursive C(3) Estimates ± 2 S.E.
-1.2
-0.8
-0.4
0.0
0.4
0.8
1.2
2002 2003 2004 2005
Recursive C(4) Estimates ± 2 S.E.
-2.0
-1.6
-1.2
-0.8
-0.4
0.0
2002 2003 2004 2005
Recursive C(5) Estimates ± 2 S.E.
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
2002 2003 2004 2005
Recursive C(6) Estimates ± 2 S.E.
-1.6
-1.2
-0.8
-0.4
0.0
0.4
0.8
2002 2003 2004 2005
Recursive C(7) Estimates ± 2 S.E.
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2002 2003 2004 2005
Recursive C(8) Estimates ± 2 S.E.
-1.6
-1.2
-0.8
-0.4
0.0
0.4
0.8
2002 2003 2004 2005
Recursive C(9) Estimates ± 2 S.E.
.0
.1
.2
.3
.4
.5
2002 2003 2004 2005
Recursive C(10) Estimates ± 2 S.E.
-5
-4
-3
-2
-1
0
1
2002 2003 2004 2005
Recursive C(11) Estimates ± 2 S.E.
-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
Cointegrating relation 2
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 pontual
quartis 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
estimativa pontual
quartis 0,025 e 0,975
-0.04
-0.03
-0.02
-0.01
0
0.01
0.02
0 2 4 6 8 10 12 14 16 18
estimativa pontual
quartis 0,025 e 0,975
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
estimativa pontual
quartis 0,025 e 0,975
-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
estimativa pontual
quartis 0,025 e 0,975
-0.02
-0.015
-0.01
-0.005
0
0.005
0.01
0 2 4 6 8 10 12 14 16 18
estimativa pontual
quartis 0,025 e 0,975
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
Cointegrating relation 1
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 e
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.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
estimativa pontual
quartis 0,025 e 0,975
-0.015
-0.01
-0.005
0
0.005
0.01
0 2 4 6 8 10 12 14 16 18
estimativa pontual
quartis 0,025 e 0,975
-0.025
-0.02
-0.015
-0.01
-0.005
0
0.005
0 2 4 6 8 10 12 14 16 18
estimativa pontual
quartis 0,025 e 0,975
-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
estimativa pontual
quartis 0,025 e 0,975
-0.005
0
0.005
0.01
0.015
0.02
0 2 4 6 8 10 12 14 16 18
estimativa pontual
quartis 0,025 e 0,975
-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
estimativa pontual
quartis 0,025 e 0,975
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
