The Determinants of Brazilian Banks' Credit Rating Levels

Lima, Fabiano Guasti; Fonseca, Camila Veneo C.; Silveira, Rodrigo Lanna Franco; Assaf Neto, Alexandre

doi:10.1590/1982-7849rac2018160373

Fabiano Guasti Lima

Universidade de São Paulo, Departamento de Contabilidade, Ribeirão Preto, SP, Brasil

Camila Veneo C. Fonseca

Universidade Estadual de Campinas, Instituto de Economia, Campinas, SP, Brasil

Rodrigo Lanna Franco Silveira

Universidade Estadual de Campinas, Instituto de Economia, Campinas, SP, Brasil

Alexandre Assaf Neto

Instituto Assaf, São Paulo, SP, Brasil

Dados dos Autores

Fabiano Guasti Lima

Av. Bandeirantes, 3900, 14401-050, Ribeirao Preto, SP, Brasil. E-mail: fabianoguastilima@gmail.com; fgl@usp.br

Camila Veneo C. Fonseca

Rua Pitágoras, 353, 13083-872, Campinas, SP, Brasil. E-mail: camilaveneo@yahoo.com.br

Rodrigo Lanna Franco Silveira

Rua Pitágoras, 353, 13083-872, Campinas, SP, Brasil. E-mail: rodrigolanna@yahoo.com

Alexandre Assaf Neto

Rua Madre Cabrini 341, 01020-001, Sao Paulo, SP, Brasil. E-mail: alexandreassafneto@gmail.com

Referência	Amostra e período de análise	Método	Principais resultados
*Pasiouras et al. (2006)*Pasiouras, F., Gaganis, C., & Doumpos, M. (2006). The impact of bank regulations, supervision, market structure, and bank characteristics on individual bank ratings: A cross-country analysis. Review of Quantitative Finance and Accounting, 27(4), 403-438. http://dx.doi.org/10.1007/s11156-006-0045-0 http://dx.doi.org/10.1007/s11156-006-004...	857 bancos (71 países) 2004	Logit ordenado	Rentabilidade, eficiência, liquidez, nível de provisões, tamanho, presença de acionistas institucionais, características relativas à regulação e à estrutura do mercado influenciaram os ratings.
Godlewski (2007)Godlewski, C. J. (2007). Are bank ratings coherent with bank default probabilities in emerging market economies? Emerging Markets Finance and Trade, 43(4), 5-23. http://dx.doi.org/10.2139/ssrn.588162 http://dx.doi.org/10.2139/ssrn.588162...	740 bancos de mercados emergentes 1998-2002	Logit ordenado, associado a técnicas de scoring e mapping	Rentabilidade, liquidez, qualidade e adequabilidade do ativo impactaram os ratings. Além disso, fatores relativos à regulação e ao quadro institucional elevaram o desempenho do modelo.
Bissoondoyal-Bheenick e Treepongkaruna (2011)	20 bancos australianos e 49 ingleses 2006-2009	Probit ordenado	Qualidade dos ativos, risco de liquidez, adequação de capital e desempenho operacional influenciaram os ratings de crédito.
Bellotti, Matousek e Stewart (2011aBellotti, T., Matousek, R., & Stewart, C. (2011a). Are rating agencies’ assignments opaque? Evidence from international banks. Expert Systems with Applications, 38(4), 4206-4214. http://dx.doi.org/10.1016/j.eswa.2010.09.085 http://dx.doi.org/10.1016/j.eswa.2010.09... , 2011bBellotti, T., Matousek, R., & Stewart, C. (2011b). A note comparing support vector machines and ordered choice models’ predictions of international banks’ rating. Decision Support Systems, 51(3), 682-687. http://dx.doi.org/10.1016/j.dss.2011.03.008 http://dx.doi.org/10.1016/j.dss.2011.03.... )	629 bancos (90 países) 2000-2007	Probit e Logit ordenados e Support Vector Machine (SVM)	Rentabilidade, liquidez, tamanho, nível de despesas e país de origem impactaram a classificação. Técnica SVM resultou em melhores previsões.
*Caporale et al. (2012)*Caporale, G., Matousek, R., & Stewart, C. (2012). Rating assignments: Lessons from international banks. Journal of International Money and Finance, 31(6), 1593-1606. http://dx.doi.org/10.1016/j.jimonfin.2012.02.018 http://dx.doi.org/10.1016/j.jimonfin.201...	681 bancos 2000-2007	Logit ordenado	Ativo total, nível de capitalização, return on assets (ROA), liquidez, despesas operacionais e país de origem impactaram as notas de crédito.
Shen, Huang e Hasan (2012)Shen, C., Huang, Y., & Hasan, I. (2012). Asymmetric benchmarking in bank credit rating. Journal of International Financial Markets, Institutions & Money, 22(1), 171-193. http://dx.doi.org/10.1016/j.intfin.2011.08.004 http://dx.doi.org/10.1016/j.intfin.2011....	3.347 bancos (86 países) 2002-2008	Logit ordenado	Grau de assimetria informacional dos países interfere na intensidade do impacto das variáveis econômico-financeiras sobre os ratings de crédito.
Hammer, Kogan e Lejeune. (2012)Hammer, P. L., Kogan, A., & Lejeune, M. A. (2012). A logical analysis of banks’ financial strength ratings. Expert Systems with Applications, 39(9), 7808-7821. http://dx.doi.org/10.1016/j.eswa.2012.01.087 http://dx.doi.org/10.1016/j.eswa.2012.01...	800 bancos (70 países) 2001	Logit ordenado, SVM e análise lógica de dados.	A técnica de análise lógica de dados (LAD) se mostrou mais acurada na definição dos ratings.
Öğüt Doğanay, Ceylan e Aktaş. (2012)Öğüt, H., Doğanay, M., Ceylan, N., & Aktaş, R. (2012). Prediction of bank financial strength ratings: The case of Turkey. Economic Modelling, 29(3), 632-640. http://dx.doi.org/10.1016/j.econmod.2012.01.010 http://dx.doi.org/10.1016/j.econmod.2012...	17 bancos turcos 2003-2009	Técnicas multivariadas e métodos de mineração de dados	O modelo Logit ordenado teve melhor desempenho preditivo quando as variáveis foram baseadas em scores fatoriais. Já os métodos de análise discriminante e SVM tiveram previsões mais acuradas com o uso das variáveis originais. As variáveis mais importantes para previsão dos ratings foram eficiência, rentabilidade e proporção dos empréstimos em relação aos ativos.
Hassan e Barrell (2013)Hassan, O., & Barrel, R. (2013). Accounting for the determinants of banks’ credit ratings [Working Paper, n° 13/2]. Brunel University London. Retrieved March 01, 2016, from https://www.brunel.ac.uk/data/assets/pdf_file/0015/274011/1302.pdf https://www.brunel.ac.uk/data/assets/pdf...	206 bancos norte-americanos e ingleses 1994-2009	Logit ordenado	Tamanho, rentabilidade e eficiência dos bancos impactaram as classificações.
Salvador, Pastor e Guevara (2014)Salvador, C., Pastor, J. M., & Guevara, J. F. (2014). Impact of the subprime crisis on bank ratings: The effect of the hardening of rating policies and worsening of solvency. Journal of Financial Stability, 11, 13-31. http://dx.doi.org/10.1016/jjfs.2013.10.005 http://dx.doi.org/10.1016/jjfs.2013.10.0...	44 bancos espanhóis; 2000-2009	Probit ordenado	Tamanho, alavancagem, liquidez, exposição ao risco de crédito, poder de mercado, depósitos sobre total do ativo, eficiência, nível de provisão sobre o ativo, diversificação geográfica e ciclo econômico influenciaram a nota de crédito.
Gogas, Papadimitriou e Agrapetidou (2014)Gogas, P., Papadimitriou, T., & Agrapetidou, A. (2014). Forecasting bank credit ratings. The Journal of Risk Finance, 15(2), 195-209. http://dx.doi.org/10.1108/JRF-11-2013-0076 http://dx.doi.org/10.1108/JRF-11-2013-00...	92 bancos norte-americanos 2012	Probit ordenado	Tamanho e indicadores de desempenho e qualidade dos ativos influenciaram os ratings.
Loon e Haan (2015)Loon, E. V., & Haan, J. (2015). Location of banks and their credit ratings. The Journal of Risk Finance, 16(3), 220-232. http://dx.doi.org/10.1108/JRF-11-2014-0161 http://dx.doi.org/10.1108/JRF-11-2014-01...	831 bancos de dentro e fora da zona do euro 2011	Probit ordenado	Bancos situados nos países da zona do Euro tiveram melhores ratings comparativamente aos demais. Obteve-se evidência dos efeitos too-big-to-fail e too-big-to-rescue.
Karminsky e Khromova (2016)Karminsky, A. M., & Khromova, E. (2016). Extended modeling of banks’ credit ratings. Procedia Computer Science, 91, 201-210. http://dx.doi.org/10.1016/j.procs.2016.07.058 http://dx.doi.org/10.1016/j.procs.2016.0...	3.256 bancos 1996-2011	Probit ordenado	Variáveis econômico-financeiras, macroeconômicas, de localização geográfica e de ciclo dos negócios impactaram o rating dos bancos.
D’Apice, Ferri e Lacitignola (2016)D’Apice, V., Ferri, G., & Lacitignola, P. (2016). Rating performance and bank business models: Is there a change with the 2007-2009 crisis? Italian Economic Journal, 2(3), 385-420. http://dx.doi.org/10.1007/s40797-016-0036-9 http://dx.doi.org/10.1007/s40797-016-003...	241 bancos (de 39 países) 2006-2009	Modelos dados em painel (efeito fixo e mínimos quadrados)	A partir da crise mundial de 2007, as agências conferiram maior importância aos indicadores econômico-financeiros (baseados na rentabilidade, liquidez e características do ativo) dos bancos para estabelecimento dos ratings.

Moody’s	Standard & Poor’s	Nível de risco de crédito adotado no trabalho	Significado
Aaa	AAA	0	Grau de investimento com qualidade alta e/ou baixo risco
Aa1, Aa2 e Aa3	AA+, AA e AA-	1
A1, A2 e A3	A+, A e A-	2
Baa1, Baa2 e Baa3	BBB+, BBB e BBB-	3	Grau de investimento qualidade média
Ba1, Ba2 e Ba3	BB+, BB e BB-	4	Categoria de especulação com baixa classificação
B1, B2 e B3	B+, B e B-	5
Caa1, Caa2 e Caa3	CCC+, CCC e CCC-	6	Risco alto de inadimplência e baixo interesse
Ca, C	CC, C e D	7

Ano	Nota de risco de crédito^a a Análise baseada no primeiro trimestre de cada ano.				Grau de risco^b b Enquanto os níveis 2 e 3 representam classificações de grau de investimento, os níveis 4 e 5 correspondem ao grau especulativo.
Ano	2	3	4	5	Investimento	Especulativo	Total
2006	2	0	0	0	2	0	2
2007	4	0	3	0	4	3	7
2008	4	1	3	0	5	3	8
2009	4	1	3	0	5	3	8
2010	4	1	4	0	5	4	9
2011	2	4	5	0	6	5	11
2012	2	4	5	0	6	5	11
2013	2	5	5	0	7	5	12
2014	0	7	5	0	7	5	12
2015	0	6	5	1	6	6	12
Total	24	29	38	1	53	39	92
%	26,1	32,5	41,3	0,1	57,6	42,3	100,0

Variável	Siglas	Fórmula	Relação esperada^a a Na avaliação da relação esperada entre variáveis explicativas e os ratings (RATit), deve-se levar em conta que os níveis do risco de crédito variam entre 0 e 7, sendo que, quanto maior o nível, pior o rating.	Fator captado	Referência
Margem Líquida	MgLiq	$\frac{L u c r o L í q u i d o}{R e c . d e I n t e r m . F i n a n c e i r a}$	–	Desempenho	*Gogas et al. (2014)Gogas, P., Papadimitriou, T., & Agrapetidou, A. (2014). Forecasting bank credit ratings. The Journal of Risk Finance, 15(2), 195-209. http://dx.doi.org/10.1108/JRF-11-2013-0076 http://dx.doi.org/10.1108/JRF-11-2013-00... , Karminsky e Khromova (2016)Karminsky, A. M., & Khromova, E. (2016). Extended modeling of banks’ credit ratings. Procedia Computer Science, 91, 201-210. http://dx.doi.org/10.1016/j.procs.2016.07.058 http://dx.doi.org/10.1016/j.procs.2016.0... , Caporale et al. (2012)Caporale, G., Matousek, R., & Stewart, C. (2012). Rating assignments: Lessons from international banks. Journal of International Money and Finance, 31(6), 1593-1606. http://dx.doi.org/10.1016/j.jimonfin.2012.02.018 http://dx.doi.org/10.1016/j.jimonfin.201... , Hammer et al. (2012)*Hammer, P. L., Kogan, A., & Lejeune, M. A. (2012). A logical analysis of banks’ financial strength ratings. Expert Systems with Applications, 39(9), 7808-7821. http://dx.doi.org/10.1016/j.eswa.2012.01.087 http://dx.doi.org/10.1016/j.eswa.2012.01...
Leverage	LEV	$\frac{A t i v o T o t a l}{P a t r i m ô n i o L í q u i d o}$	+	Adequabilidade/Qualidade do ativo	*Gogas et al. (2014)Gogas, P., Papadimitriou, T., & Agrapetidou, A. (2014). Forecasting bank credit ratings. The Journal of Risk Finance, 15(2), 195-209. http://dx.doi.org/10.1108/JRF-11-2013-0076 http://dx.doi.org/10.1108/JRF-11-2013-00... , Salvador et al. (2014)*Salvador, C., Pastor, J. M., & Guevara, J. F. (2014). Impact of the subprime crisis on bank ratings: The effect of the hardening of rating policies and worsening of solvency. Journal of Financial Stability, 11, 13-31. http://dx.doi.org/10.1016/jjfs.2013.10.005 http://dx.doi.org/10.1016/jjfs.2013.10.0...
Estrutura de Capital	EST_CAP	$\frac{E L P + P L}{A t i v o T o t a l}$	–
Potencial de Inadimplência	INADIM	$\frac{P D D}{O p e r a çõ e s d e C r é d i t o}$	+
GAP	GAP	$\frac{A t i v o s S e n s í v e i s}{P a s s i v o s S e n s í v e i s}$	–
Índice Empréstimos/Depósitos	ED	$\frac{O p e r a çõ e s d e C r é d i t o}{D e p ó s i t o s}$	+	Liquidez	*Öğüt et al. (2012)Öğüt, H., Doğanay, M., Ceylan, N., & Aktaş, R. (2012). Prediction of bank financial strength ratings: The case of Turkey. Economic Modelling, 29(3), 632-640. http://dx.doi.org/10.1016/j.econmod.2012.01.010 http://dx.doi.org/10.1016/j.econmod.2012... , Shen et al. (2012)Shen, C., Huang, Y., & Hasan, I. (2012). Asymmetric benchmarking in bank credit rating. Journal of International Financial Markets, Institutions & Money, 22(1), 171-193. http://dx.doi.org/10.1016/j.intfin.2011.08.004 http://dx.doi.org/10.1016/j.intfin.2011.... , Karminsky e Khromova (2016)*Karminsky, A. M., & Khromova, E. (2016). Extended modeling of banks’ credit ratings. Procedia Computer Science, 91, 201-210. http://dx.doi.org/10.1016/j.procs.2016.07.058 http://dx.doi.org/10.1016/j.procs.2016.0...
Ativos Expostos ao Risco	AER	$\frac{T V M + D e r i v + C r é d i t o}{A t i v o T o t a l}$	+
Tamanho	TAM	Variável binária: valor 1 para bancos considerados grandes e 0 caso contrário			*Salvador et al. (2014)Salvador, C., Pastor, J. M., & Guevara, J. F. (2014). Impact of the subprime crisis on bank ratings: The effect of the hardening of rating policies and worsening of solvency. Journal of Financial Stability, 11, 13-31. http://dx.doi.org/10.1016/jjfs.2013.10.005 http://dx.doi.org/10.1016/jjfs.2013.10.0... , Caporale et al. (2012)Caporale, G., Matousek, R., & Stewart, C. (2012). Rating assignments: Lessons from international banks. Journal of International Money and Finance, 31(6), 1593-1606. http://dx.doi.org/10.1016/j.jimonfin.2012.02.018 http://dx.doi.org/10.1016/j.jimonfin.201... , Shen et al. (2012)*Shen, C., Huang, Y., & Hasan, I. (2012). Asymmetric benchmarking in bank credit rating. Journal of International Financial Markets, Institutions & Money, 22(1), 171-193. http://dx.doi.org/10.1016/j.intfin.2011.08.004 http://dx.doi.org/10.1016/j.intfin.2011....

		ED	LEV	MgLiq (%)	INADIM (%)	EST_CAP (%)	ERA (%)	GAP
Média		2,65	11,17	10,37	5,67	21,43	77,61	2,42
	Grandes	2,51	12,46	12,61	2,38	14,12	73,64	3,84
	Médios	2,74	10,16	8,67	8,09	26,88	80,57	1,36
Mediana		2,55	10,92	11,75	2,04	23,39	75,77	2,10
	Grandes	2,29	12,51	12,92	2,18	14,88	73,35	3,14
	Médios	2,87	9,80	8,05	1,89	25,70	82,98	1,35
Mínimo		0,77	4,07	-15,44	0,00	0,17	49,88	0,03
	Grandes	1,09	4,07	-4,64	0,51	0,17	67,33	1,10
	Médios	0,77	4,68	-15,44	0,00	9,64	49,98	0,03
		22.39	20,37	27,51	11,31	61,17	97,50	7,93
	Grandes	22,39	20,37	27,51	6,13	47,65	93,33	7,93
	Médios	16,55	19,88	23,12	11,31	61,17	97,50	3,61
Desvio padrão		14.95	3,69	6,71	59,46	14,26	9,97	1,85
	Grandes	18,78	3,78	5,34	1,26	13,96	3,89	1,79
	Médios	11,21	3,32	7,12	78,31	11,81	11,91	0,97

		ED	LEV	MgLiq (%)	INADIM (%)	EST_CAP (%)	AER (%)	GAP
Média
	Nível 2	2,09	12,74	14,35	2,42	14,11	73,09	4,00
	Nível 3	2,38	11,29	11,86	1,89	19,83	75,87	2,84
	Nível 4	4,87	9,83	7,35	8,53	27,17	82,49	1,15
	Nível 5	3,10	16,78	-2,35	3,31	26,98	64,54	1,87
Desvio Padrão
	Nível 2	0,55	3,43	4,60	1,30	14,02	4,10	1,87
	Nível 3	0,92	3,69	5,40	1,25	12,89	9,83	1,56
	Nível 4	21,09	3,14	6,70	10,06	13,26	9,58	0,94
	Nível 5	40,01	4,66	3,99	8,61	15,61	23,33	0,72

	Modelo I (sem dummies de ano)	Modelo II (com dummies de ano)
	Coef.	p-valor	Coef.	p-valor
ED	1,401	0,000	1,456	0,000
LEV	0,321	0,000	0,357	0,000
MgLíq	-14,558	0,000	-11,886	0,005
INADIM	27,413	0,008	71,590	0,000
EST_CAP	-7,691	0,000	-14,864	0,000
AER	4,518	0,027	7,366	0,003
GAP	-0,692	0,000	-1,169	0,000
TAM	-20,844	0,000	-21,822	0,000
Dummies
2007			1,700	0,007
2008			0,991	0,152
2009			1,150	0,066
2010			3,509	0,000
2011			4,127	0,000
2012			3,592	0,000
2013			4,242	0,000
2014			5,410	0,000
2015			6,085	0,000
N		348		348
_R2		0,6040		0,6861
Teste de Wald		6728,77		1509,02
Prob>Chi2		(0.0000)		(0.0000)

Rating das Agências	Rating Previsto
Rating das Agências	2	3	4	5	Total
2	90	6	0	0	96
3	12	72	18	0	109
4	0	12	132	3	148
5	0	0	3	3	6
Total	102	98	153	6	359

Rating das Agências	Rating Previsto – Bancos Grandes
Rating das Agências	2	3	4	5	Total
2	90	6	0	0	96
3	12	44	0	0	56
4	0	1	0	0	1
5	0	0	0	0	0
Total	102	51	0	0	153

Rating das Agências	Rating Previsto – bancos médios
Rating das Agências	2	3	4	5	Total
2	0	0	0	0	0
3	0	35	18	0	53
4	0	12	132	3	147
5	0	0	3	3	6
Total	0	47	153	6	206

E [R A T_{i t}^{*} | μ_{α - 1} \leq R A T_{i t}^{*} \leq μ_{α}, V I] = β V I + σ [\frac{Φ (\frac{μ_{α} - β V I}{σ}) - Φ (\frac{μ_{α - 1} - β V I}{σ})}{Φ (\frac{μ_{α} - β V I}{σ}) - Φ (\frac{μ_{α - 1} - β V I}{σ})}]

R A T_{i t} = {\begin{array}{l} 0 s e R A T_{i t}^{*} < τ_{o} \\ 1 s e τ_{o} \leq R A T_{i t}^{*} < τ_{1} \\ 2 s e τ_{1} \leq R A T_{i t}^{*} < τ_{2} \\ 3 s e τ_{2} \leq R A T_{i t}^{*} < τ_{3} \\ 4 s e τ_{3} \leq R A T_{i t}^{*} < τ_{4} \\ 5 s e τ_{4} \leq R A T_{i t}^{*} < τ_{5} \\ 6 s e τ_{5} \leq R A T_{i t}^{*} < τ_{6} \\ 7 s e R A T_{i t}^{*} \geq τ_{6} \end{array}

[1] Dados dos Autores

Fabiano Guasti Lima

Av. Bandeirantes, 3900, 14401-050, Ribeirao Preto, SP, Brasil. E-mail: fabianoguastilima@gmail.com; fgl@usp.br

Camila Veneo C. Fonseca

Rua Pitágoras, 353, 13083-872, Campinas, SP, Brasil. E-mail: camilaveneo@yahoo.com.br

Rodrigo Lanna Franco Silveira

Rua Pitágoras, 353, 13083-872, Campinas, SP, Brasil. E-mail: rodrigolanna@yahoo.com

Alexandre Assaf Neto

Rua Madre Cabrini 341, 01020-001, Sao Paulo, SP, Brasil. E-mail: alexandreassafneto@gmail.com

Brasil

Brasil

The Determinants of Brazilian Banks' Credit Rating Levels

Abstract