Determinantes macroeconômicos e o papel das expectativas: uma análise do spread bancário no Brasil (2003-2011)^♦

Resumo

A teoria econômica reconhece a importância das expectativas para a tomada de decisão dos agentes econômicos em um ambiente dinâmico sem previsibilidade perfeita. Apesar de relativamente extensa, a literatura sobre spread bancário no Brasil trata desta questão apenas de forma superficial, não incluindo variáveis macroeconômicas expectacionais. Estas expectativas, que podem afetar as estratégias da firma bancária no processo de maximização de sua rentabilidade, são rotineiramente coletadas e divulgadas pela autoridade monetária e de regulação bancária brasileira e por outras entidades. Incorporamos estas variáveis em um modelo empírico dinâmico de determinação do spread bancário específico de cada banco, seguindo a abordagem de Maudos e Solís (2009). Os dados são trimestrais e a amostra vai de 2003 a 2011. Os resultados corroboram a hipótese aqui proposta de que as variáveis macroeconômicas expectacionais, como a inflação esperada e os juros futuros, são relevantes na determinação do spread bancário no Brasil, mesmo condicional a seus valores correntes.

Palavras-Chave
Spread bancário; Variáveis macroeconômicas expectacionais; Dados em painel

Abstract

Economic theory recognize the central role of expectations on decision making in an environment without perfect foresight. The relatively long literature on the determinants of banking spread in Brazil has considered this issue only superficially, not including direct measures of market expectations of macroeconomic variables. These variables, that may affect the bank's strategies in the process of the profitability optimization, are routinely disseminated by the Central monetary and banking regulatory agency and market participants. We include these macroeconomic measures in a dynamic empirical model of bank specific bank spreads following Maudos and Solís (2009), using quarterly data from 2003 to 2011. The sample includes the period after the recent world economic crisis. The results support the hypothesis posed here that expactational macroeconomic variables, such as expected inflation and future interest rates, are relevant in determining the banking spread in Brazil, even conditional to current observed values.

Keywords
Banking Spread; Expectational macroeconomics variables; Panel data

1. Introdução

É vasta a literatura sobre os determinantes do spread bancário no Brasil, seja desenvolvida pelo Banco Central do Brasil (BCB), seja pela academia. Desde Affanasieff et al. (2001), seguindo o estudo de Ho e Saunders (1981) para os EUA, os modelos empíricos sobre estes determinantes indicam a importância de variáveis microeconômicas, específicas de cada banco, reconhecendo seu poder de mercado, e variáveis macroeconômicas, relativas ao contexto macroeconômico que os bancos estão inseridos, como, inter alliaDantas et al. (2011) e Manhiça e Jorge (2012), em exemplos mais recentes. Um ponto central dessa literatura é a relevância, empiricamente verificada, da inflação e da taxa básica de juros (Selic) sobre os spreads. Por exemplo, um aumento da inflação irá corroer a rentabilidade futura dos bancos, induzindo um movimento protetivo de suas margens. Com poder de mercado, os bancos buscarão aumentar seus spreads. Indiretamente, um aumento da inflação pode indicar um aumento da taxa Selic no futuro, que pode aumentar os juros do crédito bancário em tandem. Com efeito, um aumento na taxa básica de juros também eleva os custos de funding dos bancos, que são repassados para os ativos de crédito ampliando a margem líquida de juros.

Todavia, na literatura existente estas variáveis são medidas em seus valores correntes ao invés de considerar seus valores futuros, relevantes quando da determinação do preço do dinheiro no tempo. Essa é uma grave lacuna, visto que a atividade bancária trata em grande parte da gestão de recursos e obrigações marcados em diferentes datas no futuro. Particularmente no mercado bancário, a tomada de decisão leva em consideração as expectativas quanto ao futuro.

Pode-se analisar a relevância das variáveis correntes na rentabilidade futura da atividade bancária (quando os empréstimos serão pagos) através de diferentes modelos expectacionais, de diferentes matizes teóricas. Implicitamente, os modelos empíricos do spread bancário utilizam-se destes modelos para justificar a inclusão de variáveis macroeconômicas correntes (e passadas, em modelos dinâmicos).

Neste trabalho seguimos uma rota alternativa. Ao invés de buscar um modelo de expectativas, menos informal ou ad hoc, que justifique a lógica do uso de variáveis correntes do ambiente econômico como indicadores do ambiente futuro, incorporamos ao modelo variáveis que medem diretamente as expectativas de mercado. Assim, pretende-se contribuir para o avanço da literatura, ao mensurar empiricamente os determinantes do spread bancário no Brasil, destacando-se o papel das variáveis expectacionais.

Isso será feito com base na abordagem de Maudos e Solís (2009), utilizando-se um painel dinâmico não balanceado de bancos com carteira de crédito para a economia brasileira, com dados trimestrais para o período entre os anos de 2003 e 2011. O uso de um painel dinâmico justifica-se frente à relevância de aspectos microeconômicos, específicos de cada banco (forma de gestão, foco de mercado) que influenciam os seus spreads e à possibilidade de que os bancos não conseguem realizar o ajuste desejado nos spreads dentro do trimestre. Estudar o comportamento da média dos bancos em uma análise exclusiva de séries de tempo levaria a associar mudanças na composição do mercado bancário a mudanças nas variáveis macroeconômicas, mesmo que aquelas não sejam específicas destas últimas. A presença de efeitos deslocados temporalmente das variáveis, ou de ajustamento não instantâneos (dentro do trimestre) no spread indica o uso de um modelo dinâmico, que levanta várias questões técnicas empíricas relevantes, para que o estimador empregado gere estimativas consistentes e não viesadas sistematicamente.

A margem líquida de juros (NIM) é calculada neste trabalho pela diferença entre as receitas com operações de crédito e o custo de captação em relação aos ativos financeiros, calculadas no trimestre corrente. Este tipo de análise ex-post do spread bancário difere da forma ex-ante de mensuração do spread, em que cotejam-se as taxas praticadas nas operações de crédito ofertado e as taxas oferecidas para remuneração dos depósitos (curto ou longo prazo).

A escolha de uma medida ex-post se justifica, antes de tudo, pela indisponibilidade dados que possibilitem o cálculo do spread ex ante em um modelo com dados em painel, tanto com variáveis microeconômicas quanto macroeconômicas.¹ De fato, os únicos artigos que empregam a metodologia ex ante cotejando informações micro e macroeconômicas foram realizados por pesquisadores do Banco Central do Brasil. Além disso, a literatura (nacional e internacional) destaca a relevância dos fatores microeconômicos no estudo do spread bancário. Fabris e Ferrari-Filho (2012) são um exemplo recente dos modelos estimados com séries macroeconômicas de tempo utilizando o spread ex-ante. Em modelos com dados em painel, Affanasieff et al. (2001) empregam uma medida de spread ex-ante, enquanto Dantas et al. (2011) usam uma medida ex-post. Por fim, Demirguç-Kunt e Huizinga (1999) indicam esta medida para permitir comparações internacionais.

Não obstante, Dantas et al. (2011) e Leal (2007) argumentam que o spread ex-ante poderia refletir de forma mais eficaz as expectativas de mudanças do cenário macroeconômico do que o spread ex-post, que, por sua vez, apresentaria um comportamento mais estável. Segundo eles, essa medida captaria os efeitos da mudança nas expectativas da firma bancária de forma parcial. Esse é um debate em aberto que não pretendemos aprofundar.²

Além das questões empíricas e da (in)disponibilidade de dados levantadas anteriormente, o uso da medida ex-post para mensuração do spread também é perfeitamente justificável do ponto de vista teórico. A empresa bancária necessita balancear os fluxos de receita e de despesa financeira em cada momento do tempo - para manter sua liquidez e, até mesmo, sua solvência, e evitar uma intervenção do regulador - mesmo que as operações de débito (aplicações financeiras no banco) e de crédito sejam descasadas. O cálculo do spread deve incorporar esse fato. Consequentemente, a relevância das variáveis expectacionais se mantém, mesmo com a mensuração do spread ex-post, visto que as operações de crédito e de débito impactam a rentabilidade do banco imediatamente após a sua realização - i.e., seus efeitos são sentidos ao longo de todo o período de maturação e, não, apenas ao final deste.³

Os estudos do spread ex-ante para o Brasil não incluem fatores que refletem as expectativas dos agentes, especialmente as da firma bancária. Outrossim, o spread ex-post pode capturar os efeitos das expectativas em relação a mudanças conjunturais da economia de acordo com um conjunto de hipóteses e fundamentação teórica aqui utilizadas, quais sejam: a firma bancária, além de intermediador de recursos, toma suas decisões de portfólio balizada na preferência pela liquidez e nos riscos de descasamento entre ativo e passivo, uma vez que os depósitos são variáveis endógenas; as decisões de política econômica, sobretudo a política monetária, tem efeito sobre o mark-up bancário; e o cálculo aqui utilizado para margem líquida de juros não leva em conta apenas as receitas das operações de crédito, mas também os ganhos com operações de tesouraria, cuja estratégia é formada de acordo com as expectativas dos agentes em relação a fatores macroeconômicos. Affanasieff et al. (2001) reconhecem a limitação da medida ex-ante, que não utiliza os juros efetivamente pagos, apenas os publicados, excluindo taxas, tarifas, descontos e outros.⁴

Além desta introdução, o presente artigo está estruturado em mais três seções. A segunda apresenta uma revisão da literatura empírica sobre o spread bancário, tanto no que se refere à experiência internacional quanto aos estudos aplicados ao Brasil. Na terceira, é desenvolvido o modelo econométrico em que a margem líquida de juros (proxy para spread bancário) é regredida contra um vetor de variáveis idiossincráticas e um vetor de variáveis macroeconômicas. Na quarta seção, os resultados são analisados. Por fim, são apresentadas as considerações finais. O principal avanço em relação à literatura reside na evidência apresentada a favor da hipótese de que as variáveis macroeconômicas expectacionais - particularmente a expectativa de inflação e os juros futuros - são relevantes na determinação do spread bancário.

2. Revisão de literatura

O estudo seminal de Ho e Saunders (1981) pode ser considerado precursor na literatura sobre spread bancário, que, por sua vez, deu início a uma vasta série de trabalhos sobre o tema. Nesse estudo, os autores, com dados contábeis de 53 bancos norte-americanos, entre o quarto trimestre de 1976 e o último trimestre de 1979 (12 trimestres), estimam o modelo (ex-ante) através de uma regressão em dois estágios.

O primeiro estágio estima o "spread puro" com a utilização de um modelo estrutural em cross-section para a margem de intermediação, não considerando a receita com serviços e controlando três fatores específicos (pagamento de juros implícitos sobre os depósitos, custo de oportunidade das reservas exigidas e risco de inadimplência) ou imperfeições, que podem afetar positivamente a margem líquida de juros (spread). Os resultados mostram que o indicador de estrutura de mercado foi significativo e com o sinal esperado em todos os períodos (maturidades da taxa de juros). Já o coeficiente de risco de juros apresenta-se significativo, e também positivo, para apenas um ano de maturidade, o que indica que o spread aumenta tanto quanto aumenta o risco da taxa de juros. No segundo estágio, Ho e Saunders (1981) dividem a amostra por tamanho de bancos, grandes e pequenos, de acordo com os ativos totais. Com a amostra desagregada, os resultados indicam que o "spread puro" é menor para os bancos grandes. Uma explicação para isso está associada à estrutura de mercado, em que os grandes bancos são mais competitivos, tanto no mercado interno quanto no externo, e estão inseridos em estrutura de mercado mais competitiva em comparação aos bancos menores, além de possuírem, em muitos casos, certo poder de monopólio nas regiões em que atuam.⁵ Dentre os estudos que utilizaram o trabalho de Ho e Saunders (1981) como ponto de partida, destacam-se as contribuições de Allen (1988), de Angbazo (1997), de Demirgüç-Kunt e Huizinga (1999) e de Saunders e Schumacher (2000). Mais recentemente, merecem referência os trabalhos de Maudos e Guevara (2004) e Maudos e Solís (2009).

Maudos e Guevara (2004) utilizam um método de estimação em um único estágio para dados em painel não balanceado. No modelo, o spread puro é regredido contra variáveis características de bancos, de estrutura de mercado e fatores macroeconômicos em uma única equação. Os resultados, estatisticamente relevantes, apontam que o spread bancário é positivamente relacionado com o Índice de Lerner, custo operacional, grau de aversão ao risco, risco de crédito e risco de juros. Cabe aqui citar que outras fontes de receita, fora da atividade de crédito, foram responsáveis pela redução do pagamento implícito de juros e, consequentemente, dos spreads nos maiores mercados financeiros da Europa. Por fim, os autores argumentam que a estabilidade econômica e a continuidade de políticas, que mirem ampliar a competição bancária, são fatores determinantes para que os spreads permaneçam na trajetória de queda.

Através de um modelo integrado, Maudos e Solís (2009) analisam os determinantes do spread no México entre os anos de 1993 e 2005. Com uso do modelo dinâmico system-GMM de Arellano e Bover (1995) e Blundell e Bond (1998), os autores estimam a margem líquida de juros em função do spread puro, um vetor de variáveis idiossincráticas e um vetor de fatores macroeconômicos. A amostra utilizada foi um painel não balanceado composto de 43 bancos comerciais que operaram no mercado mexicano entre 1993 e 2005. Os resultados indicam que os spreads praticados no México são mais elevados, em comparação aos padrões internacionais, devido aos altos custos de intermediação. Dentre as variáveis mais representativas na determinação da margem líquida de juros estão os custos operacionais médios e o Índice de Lerner. Além disso, os bancos majoram as taxas de juros cobradas sobre os contratos de crédito para se protegerem do risco de juros diante da volatilidade do nível da taxa de juros.

Em relação à literatura sobre spread no Brasil, o presente estudo tem como referência as contribuições de Aronovich (1994), Koyama e Nakane (2001), Affanasieff, et al. (2002), Bignotto e Rodrigues (2005), que analisam sob a ótica do spread ex-ante e, mais recentemente, Dantas et al. (2011) e Manhiça e Jorge (2012), que estudam os determinantes do spread ex-post. Contudo, tanto os estudos que abordam o spread ex-ante como o ex-post, são, em sua maioria, oriundos de pesquisas do Banco Central do Brasil sobre o tema, o que mostra uma carência de trabalhos acadêmicos nesta área.

Nesta linha, o trabalho de Dantas et al. (2011) aplica a metodologia do modelo dinâmico de dados em painel para explicar os determinantes do spread ex-post praticados por 197 bancos brasileiros que operaram entre fevereiro de 2000 e outubro de 2009. O método de estimação utilizado foi o de efeitos fixos dinâmico. Assim, é possível capturar o efeito inercial do spread bancário, tendo em vista que o spread ex-post carrega informações dos contratos de crédito em vigor e não somente as novas operações realizadas no período t.

De acordo com os resultados do teste empírico, as variáveis risco de crédito da carteira (saldo da provisão para liquidação duvidosa sobre a carteira total), participação relativa da instituição no mercado de crédito (relação entre a carteira de crédito do banco sobre o total da carteira do mercado), nível de concentração de mercado (medido pelo HHI) e nível de crescimento da economia (variação do PIB real) mostram-se estatisticamente significantes para explicar o spread ex-post no Brasil.

Manhiça e Jorge (2012), tendo como pano de fundo o modelo de comportamento da firma bancária desenvolvido por Ho e Saunders (1981), analisam o impacto das variáveis macroeconômicas, notadamente o da taxa de juros sobre o spread praticado pelos bancos brasileiros entre o primeiro trimestre de 2000 e o terceiro de 2010. Em relação ao método de estimação utilizado foi o system-GMM para dados em painel não balanceados, com informações contábeis de 140 bancos que operaram e possuíam carteira de crédito, e pela presença de quebras estruturais que poderiam estar impactando na robustez do exercício econométrico, os autores dividem a análise em três períodos: 2000 a 2002, 2003 a 2006 e 2007 a 2010.

Os resultados mostram diferentes comportamentos de acordo com o intervalo temporal utilizado no estudo. Enquanto as variáveis microeconômicas apresentam-se relevantes em alguns períodos, os fatores macroeconômicos, com exceção da variável que representa a volatilidade da taxa de juros, são significativos em todo o período da amostra (2000-2010), com destaques para a taxa de desemprego e o nível da taxa de juros. A primeira, utilizada como proxy para o risco de crédito, apresenta-se positivamente relacionada com o spread bancário. A segunda, mostra-se positivamente relacionado com o spread, medido pela taxa Selic, que está em linha com a hipótese de custo de oportunidade associado aos títulos públicos indexados à taxa básica de juros que representa ganhos expressivos para os ativos de tesouraria do banco.

Neste estudo, optou-se por analisar o spread ex-post, não somente pela disponibilidade na obtenção dos dados, conforme já citado aqui, mas também em função de: (i) existem poucos estudos sobre spread ex-post no Brasil; (ii) ausência de variáveis macroeconômicas que refletem as expectativas do mercado, em especial dos bancos, que também são empresas maximizadoras de lucro; (iii) verificação de resultados contraditórios com a teoria econômica, como, por exemplo, a relação negativa da volatilidade da taxa de juros com spread bancário encontrado na pesquisa de Affanasieff et al. (2001). Sendo assim, o presente trabalho busca contribuir para preencher essa lacuna e incluir novas variáveis, até então ausentes em outras pesquisas e, por conseguinte, ampliar a discussão sobre o tema, notadamente no que diz respeito ao comportamento do spread ex-post.

3. Desenvolvimento e metodologia de pesquisa

O exercício empírico utilizado neste estudo se baseia em um modelo para a variável dependente margem líquida de juros (NIM, em inglês), nossa medida para o spread bancário. Ela é explicada por três vetores de variáveis: i) que representam o market share do banco; ii) específicas de bancos (idiossincráticas); e iii) macroeconômicas. Além disso, por tratar-se de um modelo dinâmico, há a inclusão da variável dependente defasada como uma explanatória no modelo, devido à possibilidade de que os bancos não possam ajustar seu spread no intervalo de tempo de uma observação temporal (Arellano e Bond, 1991). O modelo estimado (equação 1) segue a forma abaixo:

(1)

A variável explicada NIM representa a margem líquida de juros, calculada pela diferença entre o retorno obtido pelas operações de crédito e o custo de captação dos depósitos em relação aos ativos de intermediação financeira (ativos que rendem juros). Grosso modo, é o resultado da intermediação financeira divido pelos ativos rentáveis médios (operações de crédito, títulos e valores mobiliários, derivativos e aplicações interfinanceiras). A variável dependente será regredida contra um vetor de variáveis de market share, ou MS, (ativo total do banco em relação ao ativo total do sistema e carteira de crédito do banco em relação à carteira de crédito total do mercado), por um vetor de variáveis específicas de bancos, BV, (eficiência, risco de crédito, custo de captação, índice de Basileia, liquidez) e por um vetor de fatores macroeconômicos, MV, (Selic, inflação, PIB, inflação esperada, PIB esperado, juros futuros, capitalização em bolsa, volatilidade da taxa de câmbio). Tendo como referência o trabalho de Maudos e Solís (2009) e Dantas et al. (2011), além de outros trabalhos da literatura, para cada variável explicativa foi construída uma hipótese para explicar a respectiva relação com o spread bancário, conforme descritos a seguir.

Os dados foram obtidos diretamente dos balancetes trimestrais dos 135 bancos que operaram no mercado brasileiro, disponibilizados no sítio do BCB. Foram considerados apenas os bancos múltiplos que atuaram no país entre o primeiro trimestre de 2003 e o quarto trimestre de 2011.

A escolha do período da amostra se fundamenta em duas razões: i) na consolidação do regime de metas de inflação (RMI) com sistema de câmbio flexível - durante os dois anos anteriores (2000-2002) houve espécie de quebra estrutural, uma vez que se trata do período em que a taxa de câmbio, a taxa básica de juros (Selic) e a inflação apresentaram, respectivamente, seus maiores patamares após a implementação do RMI (em meados de 1999); e ii) a investida do Governo Dilma contra os altos spreads em 2012 - capitaneada, principalmente, pelos bancos públicos -, implicado uma quebra estrutural na relação entre o spread e os seu determinantes. Assim, optou-se por excluir da amostra tanto os dois primeiros anos de utilização do RMI no país, bem como o período da chamada "cruzada contra o spread ".

O emprego de um modelo de ajustamento parcial com dados em painel exige a estimação pelo método Generalizado dos Momentos em Sistemas (System-GMM), desenvolvido por Arellano e Bover (1995) e Blundell e Bond (1998). Esse método gera estimativas consistentes mesmo com possível endogeneidade das variáveis, e permite a verificação de hipóteses subjacentes através de testes de especificação como os testes de autocorrelação dos resíduos e de sobreidentificação.

3.1 Variáveis idiossincráticas

A seguir serão detalhadas as hipóteses quanto às variáveis idiossincráticas do modelo, que refletem as características individuais dos bancos. Em que pese as evidências do impacto dos fatores macroeconômicos na determinação do spread bancário, não se deve negligenciar a influência das variáveis microeconômicas. De fato, os bancos são firmas dinâmicas e seu comportamento está associado a vários fatores de mercado, tais como grau de aversão ao risco, estrutura de mercado, controle de capital, estrutura organizacional, ambiente legal e regulatório, inovações, etc. (Manhiça e Jorge, 2012). Utilizar uma média de mercado, em uma análise de séries tempo, abre espaço a interpretações equivocadas de efeitos macroeconômicos sobre todos os bancos quando de movimentos do spread apenas por parte de fatores idiossincráticos, banco específicos, mas correlacionados com a macroeconomia. Controlando estas características, excluímos da dinâmica ser explicada por variáveis macroeconômicos aquela dinâmica que foi firma específica. Em outras palavras, isolamos o efeito efetivo da macroeconomia sobre a firma bancária.

Com base na literatura sobre o tema, o conjunto de fatores que representa as características microeconômicas no modelo estrutural está subdividido em dois vetores (um de market share e outro de peculiaridades da firma bancária) e composto pelas seguintes sete variáveis, descritas a seguir.

Market Share 1 -Ativos Totais: a variável que representa a participação de mercado de cada instituição financeira, medido pela participação dos ativos do banco em relação ao total dos ativos do sistema, a cada período da amostra. Segundo Bignotto e Rodrigues (2005), quanto maior for o banco em termos de ativos, maior será sua capacidade em exercer poder de mercado sobre os clientes e, consequentemente, cobrar spreads mais elevados. Nesse sentido, o presente trabalho testa a hipótese (H1) de que há uma relação positiva entre a participação de mercado e a margem líquida de juros.⁶

Market Share 2 - Operações de Crédito: outra medida utilizada para representar o market share é a participação dos ativos de crédito de cada banco no total das operações de crédito do mercado. A hipótese (H2), subjacente a esse argumento, é de que a participação de cada banco no mercado de crédito é positivamente relacionada com o spread. Porém, cabe aqui citar que Dantas et al. (2011), diferentemente da hipótese aqui utilizada, argumenta que há uma relação inversa, considerando que ganhos de escala possam afetar o spread bancário negativamente.

Aqui vale um comentário importante. Como estamos tratando de uma regressão múltipla, a análise dos coeficientes é ceteris paribus das outras explicativas do modelo. A presença de medidas de ativo de operações de crédito, que compõem os ativos exige uma alteração das hipóteses H1 e H2. Esperamos um efeito negativo de um aumento relativo do ativo de um banco, mantida a carteira de crédito constante, e, de forma similar, esperamos um efeito positivo sobre o spread do aumento do tamanho da carteira de crédito de um banco (de forma relativa), mantido constante seu ativo. Um aumento de carteira de crédito sem aumento de ativo sugere uma substituição de tipos de ativos.

Eficiência: uma proxy para o indicador de eficiência, comumente utilizado no sistema financeiro, é a relação entre as receitas com intermediação financeira e de serviços e as despesas administrativas- que representam os custos em manter o banco em operação.⁷ A premissa é de que os bancos com maior indicador de eficiência reduzem as taxas de juros cobradas nas operações de crédito, uma vez que há ganhos auferidos por meio de prestação de serviços. Cabe aqui citar que a participação das receitas de prestação de serviços pode aumentar a rentabilidade da firma bancária sem a exigência de capital regulatório - por não estar associado a qualquer ativo - e, com isso, os bancos poderiam cobrar menores margens. Por outro lado, com a inclusão das receitas de tesouraria (títulos e valores mobiliários, câmbio e derivativos), os bancos podem tomar posturas mais arriscadas que, por sua vez, poderão exigir, por parte das autoridades, maior requerimento de capital e, assim, levar o banco a repassar isso aos spreads (Manhiça e Jorge, 2012).

Por outro lado, quando grande parte dos ganhos advém dos resultados com tesouraria e prestação de serviços, para abrir mão dessas receitas em operações com ativos de maior risco - crédito - os bancos podem repassar essa exposição para os preços dos contratos de empréstimos (taxa de juros). Diante do exposto, o presente estudo assume que a hipótese (H3) de que o spread bancário tem uma relação ambígua com o indicador de eficiência da instituição financeira.⁸

Risco de Crédito: a relação spread e risco de default se faz presente em diversos estudos sobre o tema, não só para o caso brasileiro, como em Bignotto e Rodrigues (2005) e Dantas et al. (2011), mas também na literatura estrangeira, como em Maudos e Guevara (2004) e Maudos e Solís (2009). O argumento teórico é de que os bancos com maior probabilidade de terem contratos de crédito não performados cobram maiores taxas de juros sobre os empréstimos, o que fundamenta a hipótese (H4) de que há uma relação positiva entre o nível de risco de crédito da carteira do banco, medido pela relação entre a provisão para operações de crédito e o total da carteira de crédito com o spread.

Custo de Captação (funding): como uma empresa qualquer, para conduzir seus negócios, o banco necessita tanto de capital próprio quanto de capital de terceiros (obrigações e dívidas). Assim sendo, a instituição financeira pode captar por diversas vias, a saber: (i) depósitos à vista e a prazo; (ii) empréstimos e repasses; (iii) dívida subordinada; (iv) letras financeiras e etc. Nesse sentido, os bancos remuneram seu funding pagando juros que são repassados para os contratos de crédito, sendo formulada a hipótese (H5) de que há uma relação positiva entre o custo de captação da instituição financeira e o spread.⁹ Este indicador é construído pela relação entre os custos de captação e os depósitos que são remunerados (depósito a prazo, por exemplo) e os dados foram obtidos junto aos balancetes dos bancos.

Índice de Basileia: o indicador de Basileia também mede a variação da carteira de ativos de crédito de um banco diante de choques na taxa de juros.¹⁰ Em última instância, mensura a necessidade de capital, na forma de permitir ao banco se alavancar, uma vez que seu cálculo leva em consideração a ponderação de ativos de acordo com o grau de risco. A hipótese (H6), resultante desse argumento, é de que, quanto maior for a necessidade de capital, maior será o spread. De forma simplificada, uma maior exposição aos ativos de risco exige maior integralização de capital Nível 1,¹¹ o que reforça a premissa de relação positiva entre o Índice de Basileia e a margem líquida de juros. Cabe aqui dizer que esta relação não depende do percentual provisionado em crédito de liquidação duvidosa, uma vez que a ponderação é sobre o total da carteira em não sobre a qualidade do crédito.¹²

Liquidez: a variável que representa o comportamento da firma bancária quanto a sua liquidez é mensurada pela razão entre os ativos totais de intermediação financeira e os depósitos totais. Esta medida representa a capacidade do banco em atender as demandas por saque dos depositantes. Como esta variável também representa uma proxy para exposição ao risco de liquidez do banco, espera-se uma relação negativa (H7) com o spread bancário.

3.2 Variáveis macroeconômicas

A seguir serão apresentadas as variáveis macroeconômicas utilizadas. Como já visto, alguns estudos empíricos mostram que os fatores macroeconômicos são relevantes na determinação da margem líquida de juros praticada no mercado bancário brasileiro. Todavia, destaca-se em todos esses estudos a ausência de variáveis macroeconômicas que representem as expectativas dos participantes do mercado financeiro. Aqui reside a principal inovação deste artigo: a inclusão de variáveis macroeconômicas expectacionais, que podem afetar as estratégias da firma bancária no processo de maximização de sua rentabilidade e, portanto, o spread bancário. O vetor que representa os fatores macroeconômicos no modelo estrutural é composto por oito vaiáveis explicativas, descritas a seguir.

Taxa Selic: tanto os estudos que analisaram o comportamento do spread ex-ante (Affanasieff et al., 2001 e 2002; Bignotto e Rodrigues, 2005) quanto os que avaliaram o spread ex-post (Dantas et al., 2011 e Manhiça e Jorge, 2012) concluem que a taxa básica de juros é uma variável explicativa de grande interesse. A taxa Selic é uma proxy para o custo de oportunidade do dinheiro¹³ e a variável de controle da política monetária em regime de metas de inflação. Além disso, momentos de volatilidade da economia implicam em maiores taxas de juros para as operações de crédito. A variável Selic é calculada pela média geométrica trimestral da taxa Selic acumulada ao mês e divulgada pelo BCB. A hipótese (H8) subjacente é de que o spread bancário é positivamente relacionado com o nível da taxa de Selic.

Inflação: assim como o nível de taxa de juros, a taxa de inflação - medida pelo Índice de Preços ao Consumidor Amplo (IPCA) - pode ser entendida como um indicador do risco de juros, particularmente ao qual estão sujeitas às operações de crédito dos bancos. Ele foi interpretado por Manhiça e Jorge (2012) como um indicador de volatilidade da economia pois, em geral, um aumento da Selic resulta de uma elevação da inflação (acima da meta) ou do crescimento do PIB (acima do potencial), em linha com a regra de Taylor. Entretanto, a relação causal também pode ser inversa: a elevação da inflação faz com que a autoridade monetária seja impelida a aumentar a taxa básica de juros no intuito de manter o poder aquisitivo da moeda. A inflação, por sua vez, corrói o valor (e, portanto, o rendimento) real de contratos fixados em termos nominais, como empréstimos, títulos, obrigações etc. A variável IPCA foi obtida pela média geométrica dos últimos três meses do índice fornecido pelo IBGE. Assim, a hipótese (H9) a ser testada é de que a inflação (IPCA) tem uma relação positiva com o spread bancário.

PIB: é comum a inclusão da variável que mensura a atividade econômica em estudos sobre spread. Entretanto, não é consensual o sinal esperado entre estas variáveis. Por um lado, alguns autores consideram que quando há expansão da economia há, também, aumento na demanda por crédito, o que possibilitaria aos bancos exigirem maiores remunerações sobre os contratos de empréstimos (Dantas et al., 2011). Por outro lado, a variação do PIB pode afetar o risco de crédito negativamente. Em momentos de estagnação econômica (e/ou de queda do PIB), há diminuição da capacidade dos tomadores de crédito em honrarem seus compromissos financeiros. Dada a ambiguidade teórica subjacente à relação entre o spread e o nível de atividade econômica, considera-se que a hipótese (H10) é inconclusiva. A variável PIB foi calculada com base no PIB Trimestral a preços de mercado dessazonalizados, divulgados pelo IBGE.

Expectativa de inflação: a primeira variável independente que reflete as expectativas dos agentes econômicos é a inflação esperada. Os agentes econômicos, em geral, particularmente os bancos, tomam decisões com base nas expectativas quanto ao comportamento futuro do nível geral de preços. Esse argumento - aliado à hipótese H9 - dá suporte à hipótese (H11) de que a expectativa de inflação é positivamente relacionada com o spread bancário. A expectativa de inflação é dada pela mediana da expectativa do IPCA doze meses à frente ao trimestre, disponibilizada pelo boletim Focus do BCB.

PIB esperado: considera-se que a relação entre o PIB esperado e o spread bancário (H12) é inconclusiva - pela mesma razão subjacente à indefinição quanto à hipótese H10. Os dados foram obtidos pela mediana da expectativa do PIB doze meses à frente, disponibilizado pelo boletim Focus do BCB.

Juros futuros (diferencial entre o Swap-DI 360 e o Swap-DI 90): os agentes do mercado monetário negociam contratos de juros futuros com base nas expectativas quanto ao comportamento futuro da taxa de juros dos depósitos interfinanceiro (DI) vis-à-vis a taxa básica Selic vigente. Uma aposta na queda da taxa de juros futura (ou seja, quando os contratos precificam os juros futuros abaixo da Selic) é denominada de "posição vendida". Isso aumenta a demanda por liquidez por parte dos agentes do mercado monetário, particularmente dos bancos. Uma situação oposta (quando há aposta em um aumento da taxa de juros) é chamada de "posição comprada", em que os agentes abrem mão da liquidez em troca de ativos mais rentáveis.

Assim, o diferencial entre o swap-DI e a taxa Selic reflete o prêmio de liquidez embutido nos contratos de juros futuros. A variável swap foi calculada pelo diferencial entre o swap-DI 360 e o swap-DI 90.¹⁴ Essa medida é comumente utilizada como uma proxy para o risco de juros de mais longo prazo (que espelha o formato da estrutura a termo da taxa de juros).¹⁵ Os dados utilizados são disponibilizados no sítio da BM&F BOVESPA. Espera-se que, quanto maior esse prêmio de liquidez, maior será o spread bancário (H13).

Capitalização Bolsa: Alguns estudos sugerem que um mercado de ações mais desenvolvido permite às empresas outras fontes alternativas de financiamento, o que reduz o poder de mercado dos bancos e, consequentemente, a margem líquida de juros. Por outro lado, um mercado bursátil mais ampliado permite que os bancos tenham maiores ganhos, via spread, possivelmente por conta de que o banco faz um melhor uso das informações disponíveis, ampliando assim o leque de potenciais tomadores, via redução de custos dos empréstimos (Tan, 2012 e Demirgüç-Kunt and Huizinga, 2000). Essa variável representa a relação entre o valor de mercado das empresas listadas na BOVESPA e o PIB. A hipótese (H14) subjacente é de que o spread é positivamente relacionado a essa variável, uma vez que, quanto maior for a capitalização do mercado, maiores serão as opções de aplicação dos bancos além dos ativos de crédito. Em última instância, dada a amplitude do mercado de capitais, em especial o mercado secundário, o banco não terá incentivos para abrir mão de ativos de menor risco e se expor a maiores riscos. Outra interpretação, mas que também relaciona diretamente valorização das empresas em relação ao PIB e o spread é a de que a capitalização em bolsa reflete de modo mais claro as perspectivas de lucratividade futura da economia e assim a atividade econômica relevante para os bancos.

Volatilidade da taxa de câmbio: com a maior inserção do Brasil no cenário internacional, a taxa de câmbio tem desempenhado um papel crucial na determinação dos retornos dos bancos. O argumento teórico subjacente é que a presença do sistema bancário brasileiro no setor externo amplia o risco cambial dos bancos - visto que parcela não desprezível de suas captações é feitas no exterior. Isso gera um risco cambial associado ao descasamento de moedas entre o ativo (denominado em moeda doméstica) e parcela do passivo (atrelado ao dólar). Dessa forma, é definida a hipótese (H15) de que o risco cambial - medido pela volatilidade da taxa de câmbio - é positivamente relacionado com spread bancário. O cálculo dessa variável foi feito pelo desvio padrão dos dados diários. Foi utilizada, ainda, a taxa de câmbio nominal livre em relação ao dólar norte-americano, medido em percentual ao trimestre.

Vale destacar que o artigo tenta entender o conteúdo informacional das expectativas de inflação, crescimento econômico e juros, condicional à informação já transmitida pelos valores correntes das medidas. Ou seja, avaliamos se há informações novas trazidas nestas variáveis expectacionais que não está contida das variáveis correntes. Toda a literatura anterior empregou variáveis correntes mesmo em modelos com medidas ex-ante de spread supondo que as variáveis correntes refletem de modo suficiente a expectativa de comportamento futuro destas relevantes variáveis macroeconômicas para a firma bancária. Neste trabalho buscamos ir além, verificando o papel das expectativas efetivas de mercado, impondo um teste empírico bastante duro para esta verificação, isto é, utilizando uma medida ex-post de spread e fazendo a análise condicional a variáveis correntes.

Tabela 1
Quadro resumo das variáveis

Variáveis Idiossincráticas		Hipótese	Sinal Esperado	Variáveis Macroeconômicas	Hipótese	Sinal Esperado
Market Share	Ativos	H1	-	Selic	H8	+
	Carteira de Crédito	H2	+	Inflação	H9	+
Específicas de Bancos	Eficiência	H3	+	PIB	H10	+/-
	Risco de Crédito	H4	+	Inflação Esperada	H11	+
	Custo de Captação	H5	+	PIB Esperado	H12	+/-
	Índice de Basileia	H6	+	Juros Futuros	H13	+
	Liquidez	H7	-	Capitalização em Bolsa	H14	+
				Volatilidade da Taxa de Câmbio	H15	+

4. Análise dos resultados

Dos resultados da estimação do modelo de painel dinâmico Arellano-Bond (System-GMM), na Tabela 2, destaca-se, a priori, que o teste de Sargan sugere que o modelo ajustado ao spread bancário brasileiro está especificado de forma adequada. Assim sendo, não há evidências para rejeitar a hipótese nula de ausência de correlação entre os erros e os instrumentos a um nível de significância de 1%; portanto, os instrumentos são válidos.

Tabela 2
Resultados do modelo estrutural (Equação 1)

Estimação System - GMM - Determinantes do spread bancário no Brasil: 2003-2011

Variável Dependente:	NIM
Trimestres	36
Observações	3.829
	1 Variáveis Micro e Macroeconômicas		2 Apenas Variáveis Macroeconômicas		3 Apenas Variáveis Macroeconômicas, e 3 defasagens para o spread defasado
Variáveis	Coeficiente	Desvio padrão	Coeficiente	Desvio padrão	Coeficiente	Desvio padrão
L.NIM	0,19***	(0,06)	-0,07	(0,09)	-0,04**	(0,02)
Market Share - Ativos	-0,48***	(0,18)
Market Share - Carteira de crédito	0,37**	(0,16)
Eficiência	0,15*	(0,09)
Provisão - Risco de crédito	0,19*	(0,11)
Liquidez	-0,004	(0,001)
Custo de captação	0,18	(0,10)
Basileia	-0,004	(0,007
Inflação (IPCA)	0,49**	(0,21)	0,66***	(0,22)	0,87***	(0,25)
PIB	0,08	(0,08)	0,072	(0,08)	0,09	(0,08)
Selic	0,77***	(0,13)	0,96***	(0,16)	1,14***	(0,25)
Inflação esperada	0,44***	(0,12)	0,39***	(0,14)	0,37**	(0,17)
PIB esperado	0,07	(0,12)	-0,06	(0,11)	-0,02	(0,08)
Expectativa de taxa de juros (Swap)	0,01***	(0,003)	0,01***	(0,00)	0,02**	(0,01)
Capitalização da Bolsa	0,07***	(0,01)	0,05***	(0,02)	0,06***	(0,02)
Volatilidade da taxa de câmbio	0,02***	(0,01)	0,02***	(0,01)	0,03***	(0,01)
Constante	-0,04***	(0,02)	-0,04**	(0,02)	-0,05**	(0,02)
Número de instrumentos	23		16		16
Teste Arellano-Bond (AR1)	0,00		0,00		0,00
Teste Arellano-Bond (AR2)	0,20		0,97		0,78
Teste de Sargan	0,18		0,13		0,88
Teste de Hansen	0,73		0,35		0,94
Teste de Fisher (H0: raiz unitária)	0,00		0,00		0,00
*** p<0.01, ** p<0.05, * p<0.1

O resultado do teste AR(2), por seu turno, mostra que não há evidências de autocorrelação de segunda ordem no modelo estrutural, demonstrando que todos os instrumentos são potencialmente válidos. Aplica-se até duas defasagens como instrumentos, de modo a evitar proliferação dos instrumentos que enfraquecem o desempenho do estimador. Também foi realizado o Teste de Raiz Unitária de Fisher e a hipótese nula foi rejeitada ao nível de significância de 1% (Maddala e Wu, 1999; Hoang e Mcnown, 2006).

Em relação aos determinantes do spread bancário, observa-se, preliminarmente, que a variável dependente defasada mostrou-se positiva e estatisticamente relevante. Nesse sentido, há evidências de que o diferencial de juros cobrados nos contratos de crédito e pagos no funding não se ajusta instantaneamente (dentro do trimestre, nosso período temporal observacional) a choques. Este ajuste é coerente com custos de ajustamento quadráticos do spread nos bancos (Arellano e Bond, 1991).

As variáveis que representam o market share do banco, participação do ativo do banco no total do ativo de todos os bancos e a participação das operações de crédito do banco no total de operações de crédito da amostra, mostraram-se significativas a 1 e 5%, respectivamente. O resultado encontrado na primeira apresentou uma relação negativa com o spread bancário, como esperado na hipótese (H1) de que, quanto maior for o banco, menor o spread ex-post verificado, condicional à uma carteira de crédito constante. Da mesma forma a hipótese (H2), de que, quanto maior a participação da carteira do banco sobre o total do mercado pode afetar positivamente os spreads é verificada. Assim sendo, tal resultado vai ao encontro com o argumento apresentado por Dantas et al. (2011, p.19), de que os bancos com maior carteira tendem a cobrar menor spread, o que indica a transferência de parte dos ganhos de escala para os devedores.

No que tange às características específicas da firma bancária, com exceção das variáveis liquidez, custo de captação e Basileia, os coeficientes estimados das variáveis eficiência e risco de crédito apresentaram o resultado esperado e foram estatisticamente significativos. Em relação à variável eficiência, o resultado está em linha com a hipótese (H3) aqui apresentada, i.e., abrir mão de receitas em operações com ativos líquidos e de baixo risco implica maiores spreads. Em relação ao risco de crédito, a inadimplência é importante na determinação do spread bancário. As instituições detentoras de créditos de melhor qualidade cobram juros menores - e vice-versa.

Quanto aos aspectos macroeconômicos, foco deste trabalho, apenas o PIB medido em nível e PIB esperado não se apresentaram relevantes na equação estimada. Por outro lado, com exceção da inflação efetiva (IPCA), com significância de 5%, as demais variáveis mostram-se significativas a 1% e com todos os sinais esperados.

A taxa Selic apresentou-se relevante na determinação do spread bancário. Esse resultado reflete que para o banco manter e/ou aumentar seu mark up, o aumento da taxa básica é repassado para as taxas de juros sobre os contratos de crédito. Ademais, sinaliza que o elevado custo de oportunidade atrelado aos títulos públicos e aos ativos de tesouraria do banco também elevam os juros cobrados nos empréstimos. De fato as instituições financeiras, como qualquer agente econômico, são avessas ao risco e se preocupam com o grau de liquidez de seus ativos, principalmente em momentos de forte incerteza - como observado durante a crise e na financeira global de 2008.¹⁶ Nesse contexto, os bancos irão exigir um "prêmio" por abrir mão de ativos de portfólio rentáveis e com elevada liquidez em troca de ativos de crédito com menor grau de liquidez e maior risco, embora com maiores possibilidades de ganhos, corroborando-se a hipótese (H8) de quanto maior for o nível da taxa de juros maior será o spread cobrado.

A inflação (IPCA) revelou-se uma variável importante na determinação do spread e com sinal positivo, em linha com a hipótese (H9) de que também é um indicador para risco de taxa de juros, uma vez que um aumento na taxa Selic sinaliza que há elevação no nível geral de preços. Ademais, uma elevada taxa de inflação distorce os preços relativos e corrói os ganhos reais, o que leva o BCB a contrair a política monetária, como preconiza o RMI.

Dentre as variáveis macroeconômicas que representam as expectativas dos agentes, o PIB esperado apresentou uma relação inversa com spread bancário brasileiro, porém não significativa. Isto pode ser explicado pelo uso da variável capitalização da bolsa. Em relação à inflação esperada, o coeficiente estimado mostra que a resposta positiva a uma variação na expectativa de inflação é expressiva e significativa ao nível de 1%, corroborando a hipótese (H11) de que os bancos se antecipam ao comportamento dos preços no futuro, alterando a precificação dos novos contratos de crédito. De fato, em um RMI, uma elevação da taxa básica de juros, em geral, decorre de um aumento da expectativa de inflação (IPCA). Pelo lado do passivo do banco isso também é observado na remuneração dos novos contratos prefixados de funding, os quais são comumente precificados com uma taxa de juros (DI), acrescidos de um índice de inflação - que, no caso de um aumento ou expectativa de aumento no nível geral de preços - também eleva os custos de captação dos bancos, tendo em vista o aumento dos juros para manter a inflação próxima à meta.

No que diz respeito à expectativa quanto ao comportamento dos juros futuros, medido aqui pelo diferencial do swap-DI de 360 dias e o swap-DI de 90 dias, pode-se afirmar que os bancos conseguem elevar os juros cobrados nas operações de crédito quando há projeção de alta dos juros, seguindo a tendência do mercado de juros futuros. De fato, isso corrobora a hipótese de que os bancos balizam suas estratégias com base na liquidez de seu portfólio. Para abrirem mão dos ganhos com ativos de tesouraria que compõem sua carteira, repassarão esse custo de oportunidade para os contratos de empréstimos, que são ativos de menor liquidez e maior risco.

Por fim, as variáveis que representam a capitalização de mercado e a volatilidade cambial mostraram-se relevantes na determinação do spread. A primeira, com sinal positivo. Isso porque, quanto maior for o nível de capitalização da Bovespa (valor de mercado/PIB), maiores serão as opções de ativos financeiros (exceto operações de crédito), em que o banco poderá alocar seus recursos com alto grau de liquidez. Assim, o argumento de que os bancos desenham seus de negócios baseados na estratégia de alocação de portfólio de acordo com liquidez e risco de cada ativo mostra seu poder explicativo, em linha com a hipótese (H14) - de que há um trade-off entre os retornos esperado do portfólio de crédito e o prêmio de liquidez que cada ativo oferece. Além disso, repare que as expectativas quanto ao comportamento da bolsa explicam melhor os spreads do que o nível de atividade econômica, mensurado pelo PIB.

A segunda, também com sinal positivo, indica que uma maior exposição ao risco cambial implica maiores spreads cobrados para compensar futuras perdas. Esse resultado está em linha com os resultados encontrados por Alencar et al. (2007) e com Manhiça (2009), que corrobora com a hipótese (H15) - quanto maior for a volatilidade dos ativos precificados em moeda estrangeira, maiores são os riscos de perdas cambiais que são repassados ao spread.

Em suma, os resultados são favoráveis à hipótese de que as variáveis macroeconômicas são relevantes na determinação dos spreads bancários praticados no Brasil. Entretanto, como o banco é uma empresa maximizadora de lucro, inserida em um ambiente de incerteza, as variáveis microeconômicas não devem ser negligenciadas, assumindo que a instituição financeira se comporta como um agente avesso ao risco. A fim de aprofundar a discussão sobre a importância de tais fatores e explicar os elevados spreads praticados pelo sistema bancário brasileiro, foram incluídas variáveis que refletem a formação das expectativas do mercado. Para reforçar tal argumento, foi realizado mais um exercício econométrico, apenas com as variáveis macroeconômicas, obtendo-se resultados altamente significativos, além de bem especificados, de acordo com os testes de robustez (regressões 2 e 3, na Tabela 2). Em síntese, é reforçada a hipótese de que os bancos desenham suas estratégias de negócios com base nas expectativas quanto aos eventos futuros, de tal forma que o ambiente macroeconômico em que estão inseridos pode explicar os elevados spreads observados no mercado bancário brasileiro.

Ainda com o intuito de checar robustez dos resultados, foram estimados outros modelos alternativos. Na Tabela A.II reportamos alguns resultados dessas estimações. Na primeira, repetimos as mesmas regressões da Tabela 2, apenas excluindo da amostra os pontos extremos (i.e, os valores do maior e do menor percentil de cada variável idiossincrática). Os resultados foram mantidos: tanto o IPCA esperado quanto os juros futuros se mostraram significativos e com o mesmo sinal. Além disso, estimamos mais dois modelos: um apenas com as variáveis correntes (sem as variáveis expectacionais) e outro apenas com as variáveis expectacionais (sem as variáveis correntes). As variáveis expectacionais mantiveram seu poder explicativo mesmo sem as variáveis correntes. Ademais, o modelo 1 da Tabela 2 apresenta testes de especificação (notadamente de Sargan e Hansen) melhores do que os modelos 1 e 2 (Tabela A.II). Assim, atestou-se a robustez dos resultados e, particularmente, confirmou-se a relevância das variáveis expectacionais na determinação do spread.

5. Considerações finais

A fim de contribuir para o debate e aprofundar a discussão sobre os determinantes do spread bancário no Brasil, o presente estudo utilizou a metodologia de cálculo do spread ex-post, não somente por conta da disponibilidade de dados ao público, mas também pelo fato de que esta medida considera o resultado de intermediação financeira do banco de forma mais ampla e, também, por existir poucos estudos que utilizam esta metodologia em dados de painel (com variáveis micro e macroeconômicas) aplicada ao caso brasileiro. Partindo-se do pressuposto de que os bancos desenham suas estratégias de negócios baseadas em expectativas quanto ao comportamento de determinadas variáveis macroeconômicas fundamentais, também foram incluídas no modelo estrutural variáveis macroeconômicas expectacionais. Essa é uma importante inovação em relação à literatura existente, que ignora o papel das expectativas na formação do spread bancário.

Além da importância das variáveis idiossincráticas avaliadas neste estudo, focaram-se os fatores macroeconômicos que - à exceção do PIB corrente e o PIB esperado - se mostram estatisticamente significantes e com os sinais esperados, com destaque para a taxa Selic e as variáveis que representam as expectativas de mercado. No que tange a Selic, o resultado encontrado corrobora com a hipótese de que os bancos repassam para a taxa de juros dos empréstimos o prêmio por abrir mão de ativos com liquidez superior aos ativos de crédito. De fato, um aumento na taxa Selic aumenta tanto os custos explícitos do passivo - aumento do custo de captação - quanto os custos implícitos, em função do aumento do volume de depósitos em decorrência da elevação da demanda por títulos mais rentáveis. Ademais, o resultado corrobora a hipótese de correlação positiva entre a taxa de básica de juros e taxa de juros dos empréstimos, devido ao mark up bruto, que se mantém.

No que se referem as variáveis que refletem as expectativas dos agentes, a inflação esperada e os juros futuros se mostraram altamente relevantes na determinação do spread bancário. A primeira indica que os bancos se antecipam ao comportamento do nível de preços para manter os ganhos reais, via reprecificação dos ativos de crédito. Além disso, uma elevação da taxa básica de juros pode sinalizar um período (futuro) de aceleração inflacionária que, aumentando as taxas de juros dos contratos prefixados de depósitos, normalmente precificados com base em uma taxa de juros DI acrescida da inflação, eleva o custo de captação do banco.

No que diz respeito aos juros futuros, quando há expectativa de aumento de juros há, também, possibilidade de descasamento de prazos entre ativos e passivos do banco, o que leva o banco a optar por ativos mais líquidos. Isso faz o banco elevar os spreads como prêmio de liquidez por abrir mão da liquidez e correr risco de descasamento pelo lado passivo. Em outras palavras, a Selic afeta diretamente as taxas de juros de longo termo que balizam as decisões de investimentos dos agentes, dentre eles os bancos. Os bancos tendem a alterar a composição de seus ativos quando o BCB age sobre a estrutura de juros de curto prazo, dado que o movimento da política monetária altera a dinâmica da taxa de juros de longo prazo o que, por sua vez, se reflete na expectativa da taxa curta e no prêmio de liquidez.

Por fim, as variáveis que representam o grau de capitalização de mercado e a volatilidade cambial, também se apresentaram estatisticamente significativas na determinação do spread. O resultado da primeira, em linha com a hipótese de que firma bancária se preocupa com a liquidez de seu portfólio - notadamente em momentos de forte incerteza - mostra que há um trade-off entre a rentabilidade do portfólio e o prêmio de liquidez de cada ativo. O segundo indica que quanto maior for a exposição cambial maior será a taxa de juros dos empréstimos, já que a volatilidade dos ativos precificados em moeda estrangeira é repassada para a margem líquida de juros.

Em síntese, foi mostrada a relevância das variáveis macroeconômicas, com destaque para o papel das expectativas dos agentes econômicos - particularmente em relação ao IPCA e ao comportamento dos juros futuros -, na determinação do spread bancário. Este é o principal avanço realizado em relação à literatura existente.

• 1
  A despeito de o Banco Central do Brasil disponibilizar as taxas de juros por modalidade de crédito e por instituição financeira, não há uma série histórica bem definida, o que inviabiliza, no caso brasileiro, uma análise ex-ante do spread bancário. Ver http://www.bcb.gov.br/pt-br/sfn/infopban/txcred/txjuros/Paginas/default.aspx.
• 2
  A utilização da metodologia ex-post teria como principal problema o fato de que parte das operações que estão sendo consideradas para o seu cálculo podem ter sido contratadas em um período anterior ao momento da análise. Nesse caso, a utilização do spread ex-post contemplaria um conjunto de operações cuja precificação teria sido realizada em contexto diferente. Isto poderia tornar a avaliação dos efeitos das variáveis expectacionais extemporâneas. Nessa hipótese, a metodologia do spread ex-ante se mostraria mais indicada para a avaliação dos efeitos das variáveis expectacionais na formação do spread. Entretanto, é preciso notar que a literatura apresenta argumentos favoráveis para o uso de ambas as medidas.
• 3
  Por exemplo, um financiamento de 12 meses iniciado no 1° mês do trimestre I já gera um fluxo de receitas ao longo do trimestre, mesmo sua taxa sendo definida para um horizonte maior. Além disso, de modo perfeito, a mensuração do spread ex-ante deveria considerar operação de exata maturidade e volume, para manter equilibrado o balanço dos bancos. Isto não é feito pela autoridade monetária, o que sugere que a decisão dos bancos segue o resultado destas operações, ou seja, a lucratividade ex-post das operações bancárias.
• 4
  A relevância destes pontos pode ser reconhecida pela imposição pela autoridade monetária de divulgação ao consumidor do Custo Efetivo Total (CET), ao invés da taxa de juros apenas, diante da sua significativa diferença.
• 5
  Uma das características no mercado bancário norte-americano é existência de pequenos bancos regionais, que não expandem suas atividades para outros estados e/ou cidades, que lhe garantem o poder de mercado.
• 6
  Existe também um grupo de trabalhos que têm encontrado valor negativo para esse coeficiente. A argumentação é de que as instituições de maior porte possuem um ganho de escala, podendo cobrar spreads menores devido ao ganho no volume total. Para maiores detalhes ver Bignotto e Rodrigues (2005) e Dantas et al. (2011).
• 7
  A medida utilizada aqui difere daquela comumente utilizada pelo sistema bancário e empregada por Dantas et al. (2011). Nesse caso, acrescentamos os ganhos com intermediação financeira por ser a principal fonte de receita, oriunda da atividade fim, de uma empresa bancária. É comum outros trabalhos utilizarem apenas a relação entre as receitas de serviços e as despesas administrativas.
• 8
  Bancos de investimentos, por terem seu principal negócio a tesouraria, quando realizam operações de crédito, o fazem para clientes preferenciais, com um amplo histórico, o que que justificaria a cobrança de um baixo spread. Assim, o sinal esperado, conforme texto acima, é negativo.
• 9
  Esta é uma relação de taxas de juros em percentuais.
• 10
  Sobre esta relação, ver Bignotto e Rodrigues (2005) e Dantas et al. (2011).
• 11
  Capital composto por ações ordinárias, ações preferenciais não cumulativas (patrimônio dos acionistas) e lucros retidos.
• 12
  Para uma análise mais detalhada, ver Sobreira, Martins e Gouveia da Silva (2013).
• 13
  O custo de oportunidade está relacionado com a remuneração dos títulos da dívida pública que compõem os ativos de tesouraria adquiridos pelos bancos. Assim, uma taxa de juros mais elevada levaria os bancos a optarem pelos títulos (que são ativos mais líquidos) e, portanto, cobrariam mais por abrirem mão da liquidez em troca de ativos mais rentáveis, porém ilíquidos e com maior risco, como no caso dos ativos de crédito.
• 14
  O swap-DI é um derivativo negociado por intermédio de contratos na BM&F Bovespa e reflete a expectativa de juros no mercado futuro. O swap-DI de 360 dias se refere a expectativa de juros futuros no prazo de 360 dias e o swap-DI de 90 dias a expectativa de juros futuros no prazo de 90 dias.
• 15
  A diferença entre o swap-DI de 360 dias e o swap-DI de 90 dias é uma proxy para expectativa de comportamento dos juros futuros. Este indicador mede o risco de juros e de liquidez em resposta a eventos exógenos e aos movimentos de políticas econômicas.
• 16
  Desde a crise financeira 2008 e com maior intensidade após eclosão da crise da dívida na Zona do Euro, os mercados financeiros globais, incluindo no Brasil, vêm assistindo um movimento defensivo por parte dos bancos. De fato, observa-se um declínio substancial nas operações de crédito em troca de ativos mais líquidos, também conhecido no mercado como "efeito empoçamento de liquidez". Este mesmo movimento pode ser observado no Brasil, cuja taxa de crescimento do estoque de crédito pulou de um patamar de 34,5%, em setembro de 2008, para 16,2% em dezembro de 2012. Para mais detalhes, ver Gouveia da Silva (2012).
• ♦
  Os autores agradecem o apoio do CNPq.

Anexos

A.I
Tabela de correlação

	NIM	L.NIM	MS Ativo	MS Crédito	Provisão	Liquidez	Custo Cap.	Eficiência	Basileia	Selic	PIB	IPCA	PIB Esp.	IPCA Esp.	Swap	Cap. Bolsa	Câmbio Vol
NIM	1,0000
L.NIM	0,5252	1,0000
MS Ativo	-0,0705	-0,0707	1,0000
MS Crédito	0,0551	-0,0553	0,9809	1,0000
Provisão	0,1121	0,1049	-0,0030	-0,0032	1,0000
Liquidez	-0,0483	-0,0477	-0,0202	-0,0212	-0,0202	1,0000
Custo Cap.	0,0162	-0,0205	-0,0163	-0,0165	-0,0362	0,4652	1,0000
Eficiência	0,0776	0,0629	-0,0286	-0,0201	0,0116	-0,0078	0,0208	1,0000
Basileia	-0,0850	-0,0721	-0,0436	-0,0433	0,0235	0,0642	-0,0121	0,0087	1,0000
Selic	0,1037	0,1244	-0,0052	-0,0054	-0,0134	-0,0127	0,0224	-0,0227	-0,2471	1,0000
PIB	-0,1175	-0,0737	-0,0063	-0,0054	0,0230	0,0065	-0,0100	0,0241	0,0047	-0,2198	1,0000
IPCA	0,0593	0,0598	-0,0007	-0,0006	0,0187	0,0063	0,0022	-0,0133	-0,0349	0,0137	-0,2003	1,0000
PIB Esp.	-0,0705	-0,1403	-0,0048	-0,0040	0,0075	0,0058	-0,0073	0,0336	0,0474	-0,4243	0,3370	-0,3369	1,0000
IPCA Esp.	0,0803	0,0440	-0,0006	-0,0012	0,0015	0,0049	0,0159	-0,0166	0,0091	0,4392	-0,2019	-0,4281	-0,1550	1,0000
Swap	0,0623	0,1068	0,0006	0,0007	0,0243	0,0095	0,0119	0,0198	0,1313	-0,6026	0,2588	-0,3747	0,4803	0,1107	1,0000
Cap.Bolsa	0,0255	-0,0578	0,0042	0,0038	0,0132	0,0109	-0,0275	0,0059	0,2711	-0,5982	-0,2846	0,2038	0,1831	-0,1564	0,0908	1,0000
Câmbio Vol	0,1240	0,0523	0,0086	0,0075	-0,0018	-0,0025	0,0048	-0,0068	0,0084	-0,0561	-0,6736	0,2105	-0,1830	-0,1038	-0,0316	0,3472	1,0000

A.II
Resultados sem pontos extremos Estimação System - GMM - Determinantes do spread bancário no Brasil: 2003-2011

Variável Dependente:	NIM
Trimestres	36
Observações	3.829
	1 Variáveis Micro e Macroeconômicas (sem os maiores e menores percentis)		2 Variáveis Micro e Macroeconômicas correntes (sem expectacionais)		3 Variáveis Micro e Macroeconômicas expectacionais e Selic (sem correntes)
Variáveis	Coeficiente	Desvio padrão	Coeficiente	Desvio padrão	Coeficiente	Desvio padrão
L.NIM	0,116***	(0,04)	0,21***	(0,06)	0,20***	(0,06)
Market Share - Ativos	-0,41*	(0,22)	-0,48***	(0,18)	-0,47***	(0,18)
Market Share - Carteira de crédito	0,29*	(0,23)	0,37**	(0,16)	0,37**	(0,16)
Eficiência	0,45*	(0,25)	0,16*	(0,09)	0,15*	(0,09)
Provisão - Risco de crédito	0,84***	(0,30)	0,22**	(0,10)	0,19*	(0,10)
Liquidez	-0,02	(0,005)	-0,003**	(0,001)	-0,003**	(0,001)
Custo de captação	0,82***	(0,29)	0,18*	(0,10)	0,18*	(0,10)
Basileia	-0,02	(0,01)	-0,004	(0,01)	-0,004	(0,01)
Inflação (IPCA)	0,04	(0,11)	0,02	(0,10)
PIB	0,02	(0,08)	0,06	(0,10)
Selic	0,69***	(0,11	0,74***	(0,12)	0,86***	(0,11)
Inflação esperada	0,36***	(0,09)			0,36***	(0,10)
PIB esperado	-0,04	(0,06)			0,05	(0,11)
Expectativa de taxa de juros (Swap)	0,01***	(0,002)			0,01***	(0,001)
Capitalização da Bolsa	0,04*	(0,02)	0,06***	(0,02)	0,06***	(0,02)
Volatilidade da taxa de câmbio	0,02***	(0,01)	0,02***	(0,01)	0,02***	(0,01)
Constante	-0,04***	(0,004)	-0,01**	(0,01)	-0,03***	(0,01)
Número de instrumentos	23		16		23
Teste Arellano-Bond (AR1)	0,00		0,00		0,00
Teste Arellano-Bond (AR2)	0,20		0,97		0,78
Teste de Sargan	0,00		0,10		0,33
Teste de Hansen	0,20		0,63		0,82
Teste de Fisher (H0: raiz unitária)	0,00		0,00		0,00
*** p<0.01, ** p<0.05, * p<0.1

A.III
Tabela estatísticas das variáveis usadas no modelo

Variable	Obs	Mean	Std. Dev.	Min	Max
NIM	3829	0,05	0,02	0,03	0,10
MS_Ativos	3829	0,01	0,00	0,01	0,01
MS_Crédito	3829	0,01	0,00	0,01	0,01
Provisão	3829	-0,45	2,72	-1,63	0,25
Eficiência	3829	1,87	1,85	-0,45	1,08
Liquidez	3829	5,86	6,82	3,66	2,75
Basileia	3829	0,22	0,27	0,00	0,95
Custo de Capt.	3829	9,39	1,54	0,10	7,52
PIB	3829	0,01	0,01	-0,04	0,03
Selic	3829	0,03	0,01	0,02	0,06
Inflação	3829	0,02	0,01	0,00	0,05
Inflação Esperada	3829	0,05	0,01	0,03	0,11
PIB Esperado	3829	0,04	0,01	0,01	0,05
Juros Futuros	3829	-0,03	0,44	-2,26	0,39
Capitalização	3829	0,40	0,08	0,28	0,57
Volatilidade Câmbio	3829	0,53	0,30	0,20	1,90

Referências

• AFFANASIEFF, T. S., Lhacer, P. M. V., Nakane, M. I. The determinants of bank interest spread in Brazil, XXIX ENCONTRO NACIONAL De ECONOMIA, Salvador, Anais do XXIX Encontro Nacional de Economia, 2001.
• AFFANASIEFF, T. S., Lhacer, P. M. V., Nakane, M. I. The determinants of bank interest spread in Brazil, Money Affairs, Cidade do México, v. 15, n. 2, p. 183-207, 2002.
• ALENCAR, L., Leite, D., e Ferreira, S. Spread bancário: um estudo cross-country, In: Banco Central do Brasil, Relatório de Economia Bancária e Crédito, p. 23-34, 2007.
• ALLEN, L. The Determinants of Banking Interest Margins: A note, Journal of Financial and Quantitative Analysis, V.23, n.2, p. 231-235, junho, 1988.
• ANGBAZO, L. Commercial bank net interest margins, default risk, interest rate risk and off-balance sheet banking, Journal of Banking and Finance, v.21, p.5-87, 1997
• ARELLANO, M., and Bond, S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations, Review of Economics Studies, v.58, p. 277-297, 1991.
• ARELLANO, M. and Bover O. Another look at the instrumental variable estimation of error component models, Journal of Econometrics, v.68, p. 29-51, 1995.
• ARONOVICH, S. Uma nota sobre os efeitos da inflação e do nível de atividade sobre o spread bancário, Revista Brasileira de Economia (FGV), v.48, n.1, p.125-140, 1994.
• BANCO CENTRAL DO BRASIL, Juros e Spread bancário no Brasil, Brasília, 1999 a 2009.
• BIGNOTTO, F. e Rodrigues, E., Fatores de risco e spread bancário no Brasil, Trabalhos para Discussão do Banco Central do Brasil, n. 110, 2005.
• BLUNDELL, R. and Bond, S., Initial conditional and moment restrictions in dynamic panel data models. Journal of Econometrics, V.87, n.1, p.115-143, 1998.
• DANTAS, J.A., Medeiros, O.R. e Capelletto, L.R., Determinantes do spread bancário ex-post no mercado brasileiro, Trabalhos para discussão 242, Banco Central do Brasil, 2011.
• DEMIRGÜÇ-KUNT, A. and Huizinga, H., Determinants of Commercial Bank Interest Margins and Profitability: Some International Evidence, The World Bank Economic Review, v. 13, n.2, p.379-408, 1999.
• FABRIS, M.J.Z. e Filho, F.F. Considerações sobre os determinantes do spread bancário no Brasil, Análise Econômica, v.30, n.58, p.121-148, Porto Alegre, 2012.
• GOUVEIA DA SILVA, T., Política monetária e sistema bancário: o papel das expectativas na determinação do spread brasileiro (2003-2011), Dissertação de Mestrado em Economia. Instituto de Economia da Universidade Federal do Rio de Janeiro, 2012.
• HO, T. S. Y., and Saunders, A., The determinants of bank interest margins: theory and empirical evidence, Journal of Financial and Quantitative Analysis, n. 16, p. 581-600, 1981.
• HOANG, N. T. and Mcnown, R. F., Panel data unit roots tests using various estimation methods, University of Colorado Bulletin, v. 6, p. 33-66, 2006.
• INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Endereço eletrônico: www.ibge.gov.br
  » www.ibge.gov.br
• INSTITUTO DE PESQUISA ECONÔMICA APLICADA. Base de dados Ipeadata, Disponível em: www.ipeadata.gov.br
  » www.ipeadata.gov.br
• LEAL, R. M. Estrutura e Determinantes do Spread Bancário no Brasil após 1994: uma análise da literatura empírica In: PAULA, Luiz F.; OREIRO, José L. (Org.) Sistema Financeiro: uma análise do setor bancário brasileiro. Rio de Janeiro: Elsevier, 2007, Cap. 10.
• KOYAMA, S.M. e Nakane, M. I. Os determinantes do spread bancário no Brasil, Relatório de Economia Bancária e Crédito, Banco Central do Brasil, 2001.
• MADDALA, G.S. and Wu, S., A comparative study of unit root with panel data and new simple test, Oxford Bulletin of Economic and Statistics, Special issue, p. 631-652, 1999.
• MANHIÇA, F. A., A política monetária e o spread bancário no Brasil: de 2000 a 2008, Dissertação de Mestrado em Economia. Instituto de Economia da Universidade Federal do Rio de Janeiro, 2009.
• MANHIÇA, F. A. e Jorge, C. T., O nível da taxa básica de juros e o spread bancário no Brasil: Uma análise de dados em painel, Texto para Discussão 1710, IPEA, 2012.
• MAUDOS, J. and Guevara, J. F., Factors explaining the interest margin in banking sectors of European Union, Journal of Banking and Finance, set., 2004.
• MAUDOS, J. and Solís, L., The determinants of net interest income in the Mexican banking system: An integrated model, Journal of Banking and Finance, v.33, p.1920-1931, 2009.
• SAUNDERS, A. and Schumacher, L., The determinants of interest rate margins: an international study. Journal of International Money and Finance, v.19, p. 813-832, 2000.
• SOBREIRA, R.; Martins, N.M. e Gouveia da Silva, T., Basel III and Brazilian Banks, 3^rd International Conference of the Financial Engineering and Banking Society: Financial Regulation & Systemic Risk, ESCP Europe Campus, Paris, 2013.
• TAN, T.B.P. (2012). Determinants of credit growth and interest margins in the Philippines and Asia, IMF Working Papers 12/123, 2012.

Datas de Publicação

• Publicação nesta coleção
  Jul-Sep 2016

Histórico

• Recebido
  27 Dez 2013
• Aceito
  23 Set 2015