Por que o juro para pessoa física ainda é tão alto no Brasil?

Na semana passada, o Banco Central acabou cedendo à tentação e aumentou a taxa básica de juros em 75 pontos-base, para 2,75% ao ano. A despeito de ser um valor bastante baixo para os padrões brasileiros, o juro na ponta, aquele que é pago por pessoas físicas, ainda permanece bastante elevado. Nesse Comentário de Conjuntura, vamos explorar um modelo que procura explicar os motivos para essa diferença.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

O gráfico abaixo ilustra a diferença entre a taxa básica de juros e os juros associados ao crédito livre, pessoa física. 

Como se pode ver no gráfico, enquanto a taxa básica de juros na ponta flertou com os 2% (na série mensal terminada em janeiro de 2021), o juro pago por pessoas físicas estava próximo aos 40%. A diferença entre um e outro ponto pode ser explicado, basicamente, pelo spread bancário.

O spread bancário expressa "a diferença entre os juros que o banco te paga para captar os recursos (quando você empresta dinheiro ao banco por meio da poupança e de renda fixa) e os juros que esse mesmo banco cobra para te emprestar dinheiro (em um empréstimo ou financiamento)". Como pode ser visto no gráfico acima, há, de fato, uma queda muito forte do spread nos últimos anos, ainda que o mesmo permaneça em patamar bastante elevado.

Por que, então, o spread ainda é tão alto no Brasil?

Atualizamos no âmbito do Clube AM um modelo que explica o spread bancário no Brasil. A tabela abaixo relata o modelo.

Dependent variable:
spread
provisoes 0.758
(0.614)
compulsorio 0.016***
(0.003)
inadimplencia 1.689***
(0.443)
selic 0.500***
(0.037)
desemprego 0.524***
(0.138)
Constant -8.742***
(1.613)
Observations 106
R2 0.915
Adjusted R2 0.910
Residual Std. Error 0.855 (df = 100)
F Statistic 214.116*** (df = 5; 100)
Note: *p<0.1; **p<0.05; ***p<0.01

Das variáveis que podem ser candidatas para explicar o spread bancário, a inadimplência, a taxa básica de juros e o desemprego aparecem como variáveis explicativas mais relevantes. Em outras palavras, o juro a pessoa física ainda é alto no Brasil porque há ainda muita dificuldade para recuperar o dinheiro que é emprestado por instituições financeiras e também porque a conjuntura de curto prazo permanece tendo efeito sobre o spread.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

____________________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com Python”.

Estudo de Caso: Impacto do Metro em São Paulo

O que é Pareamento? E o que significa Propensity Score? Como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto? Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em Python, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.Quer saber como essa análise foi construída? Seja aluno do nosso curso Avaliação de Políticas Públicas usando Python, e tenha acesso às aulas teóricas e práticas, com o código disponibilizado em Python.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.