Tag

spread bancário Archives - Análise Macro

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

By | Comentário de Conjuntura

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.

____________________________

Modelando o spread bancário no Brasil

By | Clube AM

No próximo dia 15/12, darei uma aula ao vivo sobre como criar scripts de R que automatizam a coleta, o tratamento, a modelagem e a apresentação de dados. A aula faz parte do lançamento do Clube AM, um novo espaço aqui na Análise Macro para compartilhar os scripts de R que produzimos aqui no Blog e internamente na Análise Macro. Para se inscrever na aula, clique aqui. O projeto de compartilhamento de códigos da Análise Macro vai avançar para uma versão 2.0, que incluirá a existência de um grupo fechado no Whatsapp, de modo a reunir os membros do Novo Clube, compartilhando com eles todos os códigos dos nossos posts feitos aqui no Blog, exercícios de análise de dados de maior fôlego, bem como tirar dúvidas sobre todos os nossos projetos, exercícios e nossos Cursos e Formações.

Para ilustrar o que vamos compartilhar lá nesse novo ambiente, estou publicando nesse espaço alguns dos nossos exercícios de análise de dados. Esses exercícios fazem parte do repositório atual do Clube do Código, que deixará de existir. Além de todos os exercícios existentes no Clube do Código, vamos adicionar novos exercícios e códigos toda semana, mantendo os membros atualizados sobre o que há de mais avançado em análise de dados, econometria, machine learning, forecasting e R.

Hoje, vou mostrar os resultados de um modelo que fizemos no âmbito do Clube para explicar o spread bancário. Em termos gerais, chamamos de spread bancário a diferença entre as taxas de empréstimo para clientes e captação de recursos que os bancos fazem.

Como variáveis explicativas para o spread bancário, foram utilizadas as provisões dos bancos, compulsórios bancários, taxa de inadimplência, taxa básica de juros e taxa de desemprego. À exceção das provisões, todas as demais variáveis se mostraram estatisticamente significativas para explicar o spread.

A tabela abaixo resume os resultados encontrados.

Dependent variable:
spread
provisoes 0.869
(0.629)
compulsorio 0.015***
(0.004)
inadimplencia 1.443***
(0.472)
selic 0.500***
(0.038)
desemprego 0.528***
(0.141)
Constant -8.232***
(1.670)
Observations 103
R2 0.912
Adjusted R2 0.907
Residual Std. Error 0.868 (df = 97)
F Statistic 200.607*** (df = 5; 97)
Note: *p<0.1; **p<0.05; ***p<0.01

 

_______________________

Por que temos juros tão altos: uma resposta econométrica

By | Macroeconometria

Na Edição 60 do Clube do Código, construímos um modelo simples que explica a trajetória do spread bancário no Brasil. O spread é a diferença entre as taxas de captação e de empréstimo bancário, que é sistematicamente mais elevado no país do que a evidência internacional. De modo a entender essa anomalia, utilizamos como variáveis explicativas para o spread as provisões dos bancos, compulsórios bancários, taxa de inadimplência, taxa Selic e taxa de desemprego. Abaixo o ajuste do modelo.

O modelo que construímos tem um R^2 de 0,96, o que significa que o mesmo consegue explicar 96% da variação na nossa variável de interesse. Abaixo, colocamos uma tabela que resume os resultados encontrados.

Dependent variable:
spread
provisoes 1.232**
(0.512)
compulsorio 0.007**
(0.003)
inadimplencia 1.338***
(0.386)
selic 0.559***
(0.030)
desemprego 0.559***
(0.115)
Constant -7.509***
(1.426)
Observations 84
R2 0.962
Adjusted R2 0.960
Note: *p<0.1; **p<0.05; ***p<0.01

Como se depreende da tabela, todas as variáveis foram estatisticamente significativas para explicar o spread bancário. Em particular, os resultados encontrados sugerem que um aumento de 1 p.p. na taxa de inadimplência faz o spread bancário aumentar em 1,33 p.p.

Como de praxe, os códigos do exercício estão disponíveis no repositório do Clube do Código.

____________________

ps: estamos aqui na Análise Macro com inscrições abertas para os cursos de Macro Aplicada e para a Formação em Produção de Trabalhos Empíricos usando o R, onde você aprende a lidar com dados da forma que eu mostrei no post com o uso do R. O primeiro lote está com 30% de desconto, mas deve acabar logo, então corre e se inscreve logo!  

Inadimplência vs. Spread bancário: refutando ideias heterodoxas

By | Política Monetária

Há muitas ideias equivocadas (e mesmo estapafúrdias) sendo ventiladas por aí quando o assunto é juro alto no Brasil. Há os que defendem, por exemplo, que o juro alto é consequência única e exclusiva da ganância de banqueiros. Como se os banqueiros brasileiros fossem mais gananciosos do que seus pares no resto do mundo. Há também aqueles que acham que o spread bancário, a diferença entre a taxa de captação de recursos pelos bancos e aquela taxa cobrada em empréstimos, deve ser reduzido na marra, por meio dos bancos públicos. Como se isso não tivesse sido tentado recentemente, com o fracasso já esperado. Essas e outras ideias são apenas exemplos de como o debate econômico no Brasil é contaminado por falta de entendimento da teoria e também da evidência empírica disponível. Nesse post, fazendo uso da relação entre inadimplência e spread bancário, mostro como economistas sérios orientam a construção de políticas eficazes para redução do juro alto no país - Saiba como fazer análises como essa em nossos Cursos Aplicados de R..

É razoável supor que inadimplência e spread bancário são variáveis que andam juntas ao longo do tempo. Isto é, tanto a inadimplência exerce influência sobre o spread, como o caso contrário. Isso é facilmente demonstrado pelo procedimento de Toda-Yamamoto, operacionalizado no código abaixo.


library(BETS)
library(ggplot2)
library(forecast)
library(gridExtra)
library(vars)
library(aod)

## Dados

inad = BETS.get(21082)
spread = BETS.get(20783)
data = ts.intersect(spread, inad)
df = data.frame(inad=data[,2], spread=data[,1])

### Toda-Yamamoto

### Selecionar Defasagem
def = VARselect(df,lag.max=12,type="both")
def$selection

var10 = VAR(df, p=10, type='both')
serial.test(var10)

### Teste de Wald

var11 = VAR(df, p=11, type='both')

### Wald Test 01: Spread não granger causa inadimplência

wald.test(b=coef(var11$varresult[[1]]), 
 Sigma=vcov(var11$varresult[[1]]), 
 Terms=c(2,4,6,8,10,12,14,16,18,20))

### Wald Test 02: Inadimplência não granger causa spread

wald.test(b=coef(var11$varresult[[2]]), 
 Sigma=vcov(var11$varresult[[2]]), 
 Terms= c(1,3,5,7,9,11,13,15,17,19))

Caso o leitor queira reproduzir o exercício, verá que de fato há uma causalidade bidirecional na relação entre inadimplência e spread bancário. Isso dito, como o policymaker deve atacar o problema? Faz sentido reduzir o spread bancário na marra para que a inadimplência caia? Por exemplo, vamos usar os bancos públicos para forçar uma redução do spread? Ou faz mais sentido atacar o risco de crédito, seja com a redução da assimetria de informação entre credor e o tomador de empréstimo, seja por meio de maior celeridade na recuperação de crédito? De um lado, estão economistas que olham o problema com base em teoria e evidência do que é feito ao redor do mundo. Do outro, estão pessoas que não têm a menor ideia do que estão falando.

 

Atacar o risco de crédito por meio de maior celeridade na recuperação de crédito e/ou na construção de um banco de dados público com informações sobre os tomadores tem efeitos permanentes sobre o mercado, fazendo com que tanto a inadimplência quanto o spread bancário caiam.

Uma outra forma de atacar o problema é simplesmente controlar preços, como fez recentemente o governo Dilma, com as taxas de juros da Caixa Econômica e do Banco do Brasil. Como não ataca o verdadeiro problema, que é o risco de crédito, ele terá apenas efeitos passageiros sobre o spread bancário.

Esse, de fato, é apenas um exemplo de como o debate econômico no Brasil antagoniza ideias prosaicas, de quem não tem a menor ideia do que está falando, com ideias baseadas em teoria e evidência empírica de quem realmente se deu ao trabalho de estudar o problema. Às vezes, cansa... 🙁

 

___________________________________

Saiba como fazer análises como essa em nossos Cursos Aplicados de R.

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente