A diversificação das receitas bancárias: seu impacto sobre o risco e o retorno dos bancos brasileiros

RESUMO

O objetivo deste estudo é determinar o impacto da diversificação das receitas bancárias sobre o risco e o retorno dos bancos brasileiros. Essa estratégia foi adotada por bancos em diversos países, inclusive no Brasil. Em 2003, as receitas noninterest (não decorrentes de juros) representavam 17,80% da receita operacional dos bancos analisados ​​e, em 2014, essa participação havia aumentado para 27,40%. Embora muitos estudos tenham abordado a questão para bancos americanos, europeus e asiáticos, este tema ainda não foi abordado para uma amostra de bancos brasileiros. Como o setor bancário é uma variável crucial à estabilidade do sistema financeiro, é importante estudar os fatores que afetam o risco e o retorno dos bancos. Analisamos a amostra para o período entre 2003 e 2014, utilizando dados em painel dinâmico através do Método Generalizado dos Momentos para abordar questões de endogeneidade, heterocedasticidade e autocorrelação. Nossos principais resultados mostram que as receitas noninterest possuem um papel importante no desempenho dos bancos estudados; nossa análise das atividades de intermediação financeira mostrou que as operações de crédito produziram melhores resultados do que as atividades de negociação de títulos. Além disso, confirmando as hipóteses propostas, as receitas noninterest apresentaram, de maneira geral, um impacto positivo sobre o retorno e o retorno ajustado ao risco nos bancos estudados. Entretanto, ao contrário do que esperávamos, as receitas noninterest mostraram uma relação positiva com o risco desses bancos (embora estatisticamente não significativa). É importante destacar as variáveis de controle, ou seja, a taxa de juros real, o PIB e o crescimento bancário, as quais foram relevantes para a determinação do desempenho dos bancos.

Palavras-chave
diversificação; bancos; receitas noninterest; risco e retorno

ABSTRACT

The present study aims to determine the impact of bank revenue diversification on Brazilian banks’ risk and return. This strategy has been adopted by banks in several countries, including Brazil. In 2003, noninterest income accounted for 17.80% of the operating revenue of the banks analyzed, and in 2014, this share increased to 27.40%. While many studies have addressed the subject in American, European and Asian banks, it still has not been approached in a sample of Brazilian banks. Since the banking industry is a key variable for the financial system’s stability, it is important to study the factors that affect banks’ risk and return. We analyzed the sample for the period from 2003 to 2014, using dynamic panel data GMM (Generalized Method of Moments) to address endogeneity, heteroscedasticity and autocorrelation problems. Our main results show that noninterest income has a major role in the performance of the banks studied; our analysis of financial intermediation activities showed that loan operations produced better results than trading. Moreover, confirming the hypotheses proposed, noninterest income showed a generally positive impact on return and risk adjusted return for the banks studied. However, against our expectation, noninterest income showed a positive relationship with the risk of these banks (although not statistically significant). It is worth highlighting the control variables, i.e., real interest rate, GDP and bank growth, which were relevant in determining bank performance.

Keywords
diversification; banks; noninterest income; risk and return

1. INTRODUÇÃO

A diversificação das receitas bancárias e sua influência no risco e no retorno dos bancos têm sido estudadas por vários autores nas últimas décadas, principalmente nos Estados Unidos e na Europa. No entanto, ainda são incipientes as pesquisas sobre o tema com relação ao mercado brasileiro. Genericamente falando, um banco diversifica suas receitas ao operar tanto com a intermediação financeira tradicional quanto com atividades não tradicionais. As receitas advindas da intermediação financeira tradicional são geralmente denominadas receitas interest (originárias de juros, em tradução livre), enquanto as receitas geradas de forma não tradicional são denominadas receitas noninterest (receitas não-juros, em tradução livre). Estas últimas incluem receitas de tarifas, comissões e serviços em geral.

Stiroh (2006) mostrou que as receitas noninterest representavam 42% das receitas operacionais totais dos bancos dos EUA em 2004, enquanto em 1980 essa participação era de apenas 20%. Na Europa, de acordo com Lepetit, Nys, Rous e Tarazi (2008a), a participação das receitas noninterest sobre a receita operacional dos bancos foi de 19% e 43% para 1989 e 2001, respectivamente. Essa mudança no setor bancário em direção à diversificação das receitas tornou-se possível devido a mudanças legais, uma vez que a legislação anteriormente em vigor impedia a integração de diferentes atividades financeiras na mesma instituição (De Jonghe, 2010).

Normalmente, a expectativa que se tem é de que uma maior participação de receitas noninterest em um banco diminua a volatilidade de seus lucros, uma vez que as receitas de serviços e tarifas não costumam depender tanto do ambiente de negócios quanto as receitas interest. Entretanto, os resultados nem sempre têm sido conforme o esperado na literatura sobre a influência da diversificação das receitas bancárias sobre o risco e o retorno dos bancos. Por exemplo, os resultados de Demsetz e Strahan (1997) e Stiroh (2004) lançam certo grau de dúvida sobre o potencial das receitas noninterest para estabilizar a rentabilidade dos bancos e reduzir seus riscos. Porém, essas relações ainda não foram analisadas em bancos brasileiros.

O sistema bancário brasileiro passou por mudanças drásticas desde a implementação do Plano Real, em 1994. No período entre 1990 e 1993, segundo De Paula e Marques (2006), as receitas advindas de floating representavam, em média, 38,50% das receitas totais dos bancos brasileiros. Os ganhos significativos com floating eram resultado de um nível elevado de inflação, e eram obtidos através da manutenção de saldos não remunerados aplicados pelos bancos em títulos públicos. Entretanto, com a implantação do Plano Real, esses ganhos caíram a quase zero. Desde então, os bancos brasileiros passaram a buscar receitas por meio da expansão do crédito, tarifas, comissões e outros serviços.

No Brasil, o portfólio de receitas dos bancos ainda é tratado como uma questão secundária, seja em artigos dedicados a outras características dos bancos brasileiros, ou em estudos abrangendo um grupo específico de países, como os países emergentes ou os BRICS. Araújo, Gomes, Guerra e Tabak (2011) constataram que as receitas noninterest são uma variável importante para determinar a eficiência bancária. Seus resultados sugerem que uma maior parcela de receitas noninterest está positivamente relacionada à eficiência bancária nos BRICS. Em outro interessante artigo sobre o tema, Sanya e Wolfe (2011) estudaram a diversificação das receitas bancárias em um grupo de 11 nações emergentes (inclusive o Brasil). Seus resultados mostraram uma relação positiva entre a diversificação das receitas e o desempenho do banco.

A diversificação das receitas bancárias tem ganhado importância nas pesquisas sobre o desempenho dos bancos, devido ao aumento do uso dessa estratégia nos últimos anos. De Paula e Marques (2006), que estudaram a consolidação bancária no Brasil, identificaram uma tendência de crescimento das receitas advindas de tarifas no setor bancário brasileiro. Eles constataram que a participação das receitas de tarifas na receita total dos bancos brasileiros era de 8,64% em junho de 1998, saltando para 14,43% em dezembro de 2004. Portanto, assim como ocorre com bancos americanos e europeus, a diversificação das receitas parece estar presente também nos bancos brasileiros. No entanto, ainda faltam pesquisas mais atualizadas e aprofundadas.

Assim, este trabalho tem por objetivo responder à seguinte pergunta: qual o impacto da diversificação das receitas sobre o risco e o retorno dos bancos brasileiros?

A defesa da importância de estudar os determinantes do risco e do retorno dos bancos baseia-se em muitos argumentos. De Jonghe (2010) aponta que o setor bancário merece atenção especial das agências reguladoras que buscam manter a estabilidade do sistema financeiro. Além disso, como destaca Wolf (2009), os bancos são a base de qualquer sistema financeiro moderno, e, nos países emergentes, eles são quase a totalidade do sistema financeiro.

Portanto, examinar as consequências da diversificação da receita bancária fornece relevantes contribuições para: (i) os executivos das instituições financeiras, no planejamento estratégico das atividades de seus bancos, (ii) os investidores, na avaliação dos melhores bancos para se investir, (iii) as agências reguladoras, na identificação das formas como a diversificação das receitas bancárias afeta o risco dos bancos e (iv) os acadêmicos que abordam essa questão com relação aos bancos brasileiros.

2. LITERATURA TEÓRICA E EMPÍRICA

Este capítulo está dividido da seguinte forma: (i) teoria da diversificação de portfólio e da firma, e o seu impacto sobre o risco e o retorno; (ii) desregulamentação dos sistemas financeiros internacional e brasileiro; e (iii) evidências empíricas do impacto da diversificação das receitas bancárias sobre o risco e o retorno.

2.1 Teoria da Diversificação de Portfólio e da Firma, e o seu Impacto sobre o Risco e o Retorno

A literatura sobre a diversificação de portfólio e seu impacto sobre o risco e o retorno pode ser dividida entre estudos que tratam da diversificação de uma carteira de ativos e estudos sobre a diversificação das atividades empresariais. O estudo de Markowitz (1952) é um dos marcos da literatura clássica sobre análise de portfólio de investimentos. Essa literatura trata da seleção de ativos de investimentos para uma carteira diversificada, onde os investidores são agentes avessos ao risco. Nas décadas que se passaram desde que seu trabalho foi escrito, publicaram-se vários artigos examinando os custos e benefícios da diversificação de atividades empresariais e o seu impacto sobre o resultado final e o valor das empresas.

Antes de Markowitz (1952), a hipótese de investimento mais utilizada sugeria que os investidores deveriam alocar todos os seus recursos no ativo que apresentasse o maior valor descontado esperado. Se mais de um ativo tivesse o mesmo valor esperado, acreditava-se que investir em qualquer um ou em uma combinação deles teria o mesmo efeito. Entretanto, a teoria de portfólio de Markowitz mostra que os investidores devem diversificar, e que diversificar maximiza o retorno esperado pelos investidores.

Se um investidor optar por investir em dois ativos com os mesmos risco e retorno, a rentabilidade de sua carteira, que é alcançada por meio de ambos, será o retorno ponderado de seus ativos (ou seja, a rentabilidade permanecerá inalterada). Entretanto, se os ativos não estiverem perfeitamente correlacionados, o risco dessa carteira será menor do que o de cada um dos ativos. A teoria desenvolvida no estudo de Markowitz (1952) recomenda que a diversificação não deve se basear apenas na quantidade de ativos. Um portfólio “diversificado” com ações de várias empresas de um mesmo setor não teria os benefícios da diversificação. Em outras palavras, a correlação entre os ativos dessa carteira seria muito alta, o que não traria os prováveis benefícios da diversificação. Assim, os investidores devem buscar diversificar seus portfólios com ativos que não sejam altamente correlacionados entre si (Markowitz, 1952).

A partir do estudo de Markowitz (1952), pode-se inferir que a diversificação de receitas provavelmente reduziria o risco de um banco. Isso ocorreria porque as receitas noninterest não estariam sujeitas a tantos fatores de risco quanto as receitas interest tradicionais. No entanto, alguns autores, como Stiroh (2004), Calmès e Liu (2009), e Mercieca, Shaeck e Wolfe (2007), encontraram evidências de que um aumento da participação das receitas noninterest contribui para um aumento do risco, sem um correspondente aumento de rentabilidade. Tais evidências contradizem a teoria de portfólio e a hipótese de aversão ao risco.

Embora as expectativas em torno da diversificação possam ser semelhantes tanto para uma carteira de ativos quanto para receitas bancárias, uma carteira de investimentos financeiros não pode ser considerada como igual ao portfólio de ativos de um banco ou empresa. Este ponto requer, ao menos, uma breve introdução à literatura sobre a diversificação das atividades empresariais.

Muitas evidências empíricas mostraram uma relação negativa entre a diversificação de atividades de uma empresa e seu valor (Berger & Ofek, 1995). Entretanto, de acordo com Denis, Denis e Sarin (1997), os gestores teriam incentivos para manter uma estratégia de diversificação, mesmo quando ela reduzisse o valor do acionista. Isso ocorreria porque a diversificação pode beneficiar os gestores com o poder e o prestígio de administrar uma grande empresa. Quanto mais a empresa cresce, maiores os benefícios para os gestores.

Dessa forma, os problemas de agência parecem ser responsáveis pelo aumento das estratégias de diversificação de atividades empresariais, mesmo quando reduzem o valor da empresa. A esse respeito, o aumento do controle corporativo pelo mercado parece ter impulsionado a tendência de as empresas retomarem a especialização a partir dos anos 80 (Denis et al., 1997).

Além dessas abordagens, há uma literatura que trata especificamente da diversificação das atividades bancárias. Essa literatura vem se desenvolvendo no sentido de compreender a mudança no setor bancário em direção à diversificação de receitas, bem como seu impacto no desempenho dos bancos. Primeiramente, no entanto, trataremos brevemente, na seção a seguir, da desregulamentação dos sistemas financeiros.

2.2 Desregulamentação dos Sistemas Financeiros Internacional e Brasileiro

Conforme destacado na introdução, as evidências mostram que a diversificação das receitas é uma tendência em crescimento entre os bancos no mundo inteiro. Um importante fator que pode levar à adoção dessa estratégia é a desregulamentação do sistema financeiro.

Wolf (2009) afirma que a liberalização (ou desregulamentação) dos sistemas financeiros levou as instituições financeiras e os reguladores a um contexto quase inteiramente desconhecido até mesmo para países desenvolvidos como o Japão, os EUA e muitos países europeus. Ele considera a desregulamentação financeira um problema fundamental que contribui para crises financeiras sistêmicas.

De Jonghe (2010) cita dois importantes movimentos na liberalização do sistema financeiro internacional. Um deles foi a Segunda Diretiva Bancária de 1989, permitindo que os bancos europeus combinassem as atividades tradicionais de intermediação financeira com seguros e outros serviços financeiros sob a mesma instituição. Outro movimento de desregulamentação financeira ocorreu nos EUA com uma série de medidas após 1980, culminando na Lei Gramm-Leach-Bliley (GLBA) de 1999, também conhecida como Lei de Modernização dos Serviços Financeiros. Essa mudança na legislação removeu as barreiras (impostas pela Lei Glass-Steagall, de 1933) que impediam os bancos americanos de consolidar atividades bancárias comerciais, de seguros e de banco de investimento. Esses movimentos também estimularam a diversificação das receitas bancárias. Por sua vez, o sistema financeiro brasileiro acompanhou o movimento de desregulamentação ocorrido nos países desenvolvidos.

Um fato importante na liberalização do sistema bancário brasileiro foi a criação do Banco Múltiplo em 21 de setembro de 1988, por meio da Resolução 1.524 do Conselho Monetário Nacional. Até então, não era permitido que a mesma instituição financeira atuasse em mais de uma das seguintes atividades: banco comercial, banco de investimento, empresas de crédito imobiliário etc. Essa mudança na legislação permitiu que os conglomerados financeiros incorporassem suas várias subsidiárias, levando a um movimento de consolidação no setor bancário brasileiro (Navarro & Procianoy, 1997).

A desregulamentação bancária internacional e nacional possibilitou uma maior diversidade de atividades financeiras sob uma mesma instituição, permitindo, consequentemente, um movimento de consolidação bancária. Essas mudanças se coadunam com as evidências citadas no início deste capítulo sobre o aumento da diversificação das receitas bancárias na Europa e nos EUA. Nosso estudo permite comparar esses resultados com o caso brasileiro. No entanto, antes de entrarmos nesta discussão, a próxima seção apresentará as evidências empíricas da literatura internacional com relação ao impacto da diversificação das receitas sobre o risco e o retorno dos bancos.

2.3 Evidências Empíricas do Impacto da Diversificação das Receitas Bancárias sobre o Risco e o Retorno dos Bancos

As evidências empíricas sobre a relação entre a diversificação das receitas bancárias e o risco e o retorno dos bancos são bastante conflitantes. No caso dos bancos dos EUA, a diversificação é geralmente mais arriscada, porém, mais lucrativa. Por outro lado, estudos enfocando o Canadá e a Europa mostram uma associação mais clara entre a diversificação e maiores riscos para os bancos, mas não demonstram a mesma consistência em termos de retornos. Trabalhos com foco na Ásia e em outros países geralmente mostram uma associação entre a diversificação das receitas bancárias e um menor risco e retornos mais elevados. A seguir, apresentamos o contexto e os resultados de alguns desses estudos.

Stiroh (2004) estudou bancos dos EUA entre 1978 e 2001 e constatou a ocorrência de uma redução na volatilidade das receitas bancárias nos anos 90. Entretanto, essa redução ocorreu devido à menor volatilidade das taxas de juros, e não em função do aumento da participação das receitas noninterest. Além disso, seus resultados também sugerem que o crescimento das receitas noninterest era muito mais volátil do que o crescimento das receitas interest. Ademais, Stiroh (2006), e Stiroh e Rumble (2006), mostraram que as atividades noninterest tiveram um retorno semelhante às atividades interest, porém apresentando um risco mais elevado, conforme mensurado pela volatilidade dos retornos e pelo beta.

Demsetz e Strahan (1997) mostraram que as holdings bancárias americanas de maior porte (BHCs) tendem a ser mais diversificadas. No entanto, eles também constataram que os bancos maiores também tendem a assumir mais riscos, operando com menos capital próprio e concentrando suas operações de crédito em setores mais arriscados do que os bancos menores. Assim, segundo os autores, os bancos utilizam os benefícios da diversificação das receitas para operar em um nível maior de risco, em sua busca por retornos mais elevados.

DeYoung e Roland (2001) encontraram evidências de um aumento no retorno e na volatilidade dos lucros, à medida que os bancos comerciais dos EUA mudavam seu mix de produtos para atividades baseadas em comissões, em detrimento das atividades tradicionais de intermediação financeira. Os autores sugeriram que havia um prêmio de risco para essas atividades, e advertiram que as agências reguladoras deveriam ficar atentas ao impacto dessa estratégia sobre o risco de insolvência dos bancos.

Por outro lado, a literatura também apresenta evidências favoráveis à visão de senso comum de que há redução de riscos para os bancos através da diversificação das atividades, começando por Templeton e Severiens (1992), que estudaram o efeito da diversificação das atividades não-bancárias sobre o risco das 100 maiores BHCs dos EUA para o período entre 1979 e 1986. Seus resultados mostraram que os bancos poderiam reduzir seus riscos de mercado através da diversificação de suas atividades.

Lee, Hsieh e Yang (2014) investigaram o impacto da diversificação das receitas bancárias sobre o desempenho dos bancos asiáticos durante o período entre 1995 e 2009. Seu estudo capturou um importante momento de reforma nos sistemas financeiros de alguns desses países, motivada pela crise financeira que assolou a região no final dos anos 90. Os resultados mostraram que o desempenho dos bancos poderia ser aprimorado através de uma estratégia de diversificação, e que a diversificação das receitas apresentou uma relação positiva com a rentabilidade desses bancos, apresentando, ao mesmo tempo, uma relação negativa com seus riscos.

Em outro estudo sobre bancos asiáticos, Lin, Chung, Hsieh e Wu (2012) analisaram a relação entre a diversificação de atividades e a margem de juros de 262 bancos de nove países asiáticos entre 1997 e 2005. Seus resultados mostraram que os bancos mais diversificados apresentavam margens de juros menos voláteis do que as dos bancos especializados.

Sanya e Wolfe (2011) analisaram 226 bancos de capital aberto baseados em 11 países emergentes no período entre 2000 e 2007. A diversificação das fontes de receitas mostrou-se positivamente relacionada com o retorno ajustado ao risco, mostrando também uma redução no risco de insolvência medido pelo Z _Score . Assim, Sanya e Wolfe (2011) encontraram evidências consistentes de que o uso da diversificação de receitas pode gerar valor para os bancos de países emergentes.

Elsas, Hackethal e Holzhäuser (2010) examinaram o impacto da diversificação das atividades bancárias sobre retorno de 380 bancos de nove países ao redor do mundo, para o período entre 1996 e 2003. Os resultados mostraram que a diversificação das receitas aumentou a rentabilidade dos bancos, proporcionando margens mais elevadas, além de ter um impacto positivo sobre o valor de mercado dos bancos.

Laeven e Levine (2007) analisaram o impacto da diversificação das atividades sobre o valuation de 836 bancos em 43 países de 1998 a 2002. Seus resultados indicaram que os bancos com foco em atividades menos tradicionais apresentaram um valuation mais elevado do que os bancos voltados para atividades mais tradicionais.

Vários autores se concentraram em bancos europeus. Por exemplo, Chiorazzo, Milani e Salvini (2008) utilizaram uma amostra de 85 bancos italianos entre 1993 e 2003 e encontraram uma relação positiva entre a diversificação das receitas e o retorno ajustado ao risco. No entanto, bancos de grande porte mostraram maiores benefícios de diversificação do que os bancos menores. Segundo os autores, tais diferenças podem ocorrer devido a ganhos de escala.

De Jonghe (2010) analisou os efeitos da diversificação das atividades sobre o risco em bancos europeus, utilizando dados contábeis e de mercado de 122 bancos para o período entre 1992 e 2007. Seus resultados mostraram que a mudança dos bancos em direção a atividades não tradicionais aumentou o beta de mercado dos bancos, reduzindo a estabilidade do sistema bancário. Lepetit et al. (2008a) analisaram as implicações de um aumento da participação das receitas noninterest em 734 bancos europeus para o período entre 1996 e 2002. Seus resultados mostraram que, em geral, uma maior participação das receitas noninterest estava associada a um risco maior dos retornos dos bancos.

Mercieca et al. (2007) examinaram o impacto da diversificação das atividades sobre o desempenho de pequenos bancos europeus. Seus resultados mostraram uma relação negativa entre a diversificação e o retorno ajustado ao risco. Assim, os autores sugeriram que os pequenos bancos europeus poderiam melhorar seu desempenho através da concentração de suas atividades nas áreas em que sua vantagem competitiva era maior, ao invés de buscar a diversificação.

3. HIPÓTESES

Com base na teoria e nos resultados empíricos encontrados na literatura, são apresentadas abaixo as hipóteses utilizadas neste estudo.

De maneira geral, as evidências empíricas demonstraram uma relação positiva entre a diversificação das receitas bancárias e o retorno dos bancos. Esses resultados foram obtidos para amostras de bancos dos EUA, Europa e também de outros países. Ademais, Sanya e Wolfe (2011), que estudaram apenas bancos de países emergentes, também apresentaram evidências de uma relação positiva entre a diversificação das receitas e o retorno desses bancos. Além disso, Lee et al. (2014) também demonstraram uma relação positiva entre a diversificação das receitas bancárias e o retorno em bancos asiáticos. Assim, a primeira hipótese deste estudo é a seguinte:

H1: A diversificação das receitas está positivamente relacionada ao retorno dos bancos.

Embora a relação entre a diversificação das receitas e o retorno tenha geralmente apresentado uma homogeneidade de evidências, não se pode afirmar o mesmo sobre a relação entre a diversificação de receitas e os riscos dos bancos. Por exemplo, DeYoung e Roland (2001), De Jonghe (2010) e Calmès e Liu (2009), concentrando-se nos EUA, Europa e Canadá, respectivamente, encontraram mais evidências de que a diversificação estava relacionada ao risco dos bancos. Entretanto, os resultados obtidos para bancos de países emergentes e asiáticos forneceram evidências de que a diversificação das receitas reduz o risco (Sanya & Wolfe, 2011; Lin et al., 2012; Lee et al., 2014).

Wolf (2009) lista algumas características típicas e comuns entre economias emergentes que mostram impactos significativos sobre seus sistemas financeiros; tais características incluem instituições subdesenvolvidas, pouca experiência em mercados financeiros liberalizados e ineficiência do governo. Além disso, Araújo et al. (2011) encontraram evidências de que os bancos da maioria dos BRICS apresentam comportamentos semelhantes em relação às receitas noninterest.

Nesse sentido, parece mais apropriado acreditar que os bancos brasileiros se comportam de maneira semelhante aos bancos de outros países emergentes. Assim, a segunda hipótese deste estudo é:

H2: A diversificação das receitas está negativamente relacionada ao risco dos bancos.

Por fimAssim, em função das duas hipóteses anteriores, a terceira hipótese é:

H3: A diversificação das receitas está positivamente relacionada com o retorno ajustado ao risco dos bancos.

4. VARIÁVEIS

4.1 Variáveis Independentes

Para medir a diversificação das receitas bancárias, foi utilizado o Índice Herfindal Hirschman (HHI). O HHI também foi utilizado por Elsas et al. (2010), Sanya e Wolfe (2011), Stiroh e Rumble (2006) e Mercieca et al. (2007). Segundo essa abordagem, o grau de diversificação das receitas é medido da seguinte forma:

$$HH{I}_{REC}={\left(\frac{INT}{NOR}\right)}^2+{\left(\frac{NON}{NOR}\right)}^2$$ (1)

em que HHI _REC = Índice de diversificação das receitas; INT = Receita interest líquida; NON = Receita noninterest; NOR = Receita operacional líquida = INT + NON.

O HHI _REC fornece uma medida entre 0,5 e 1, desde que não haja resultados negativos para nenhuma das fontes de receita. O índice será igual a 0,5 quando houver diversificação total - ou seja, 50% da receita sejam provenientes de cada fonte de receita. Por outro lado, o índice será igual a 1 quando a receita estiver totalmente concentrada em uma atividade. Assim, essa variável mede o grau de diversificação das receitas em interest e noninterest, mas não analisa especificamente o impacto de cada receita separadamente. Como o impacto direto dessas fontes de receita também é relevante para o objetivo deste artigo, a parcela das receitas noninterest é medida da seguinte forma:

$$PAR{T}_{NON}=\left(\frac{NON}{NOR}\right)$$ (2)

em que PART _NON = Participação das receitas noninterest; NON = Receita Noninterest; NOR = Receita operacional líquida = INT + NON.

Assim, a variável PART _NON mede o impacto direto da participação das receitas noninterest. Stiroh e Rumble (2006) foram dois dos primeiros autores a utilizar conjuntamente um índice de diversificação e outra variável para capturar a participação das receitas noninterest. Esses autores sugeriram que essas variáveis podem capturar, respectivamente, o efeito indireto e o efeito direto das receitas noninterest. Assim, HHI _REC captura o efeito indireto, enquanto PART _NON captura o efeito direto (Stiroh & Rumble, 2006).

A receita interest líquida é composta de um subgrupo das receitas, e seu impacto sobre o desempenho dos bancos também é um fator interessante de ser examinado. A receita interest líquida é formada por Receitas de Operações de Crédito, Receitas de Operações com Títulos e Valores Mobiliários e Outras Receitas de Intermediação Financeira (ou seja, câmbio, derivativos e outros).

Como realizado anteriormente, analisamos o impacto direto das participações de receitas de diferentes intermediações financeira. Essas variáveis são medidas da seguinte forma:

$$PAR{T}_{CRD}=\left(\frac{CRD}{INT}\right)$$ (3)

em que PART _CRD = Participação da receita de operações de crédito; CRD = Receita de operações de crédito; INT = Receita interest líquida = CRD + TIT + OUT.

$$PAR{T}_{TIT}=\left(\frac{TIT}{INT}\right)$$ (4)

em que PART _TIT = Participação das receitas de operações com títulos e valores mobiliários; TIT = Receita de operações com títulos e valores mobiliários; INT = Receita interest líquida = CRD + TIT + OUT.

4.1.1 Variáveis de controle

O risco e o retorno dos bancos são afetados por vários fatores, alguns dos quais específicos de cada banco, enquanto outros são macroeconômicos. Os fatores específicos dos bancos estão diretamente ligados à estratégia de negócios de cada instituição financeira, enquanto os fatores macroeconômicos afetam a economia como um todo, afetando também o desempenho dos bancos. A seguir são apresentadas as variáveis de controle específicas e macroeconômicas.

lnATIVO: esta é uma das variáveis de controle mais utilizadas na literatura bancária. Sua importância é baseada na expectativa de que bancos de tamanhos diferentes apresentem resultados diferentes. Ganhos de escala, capacidade de diversificação regional e poder de mercado são apenas alguns dos fatores que podem diferenciar o desempenho de acordo com o tamanho do banco. (Calmès & Liu, 2009; Chiorazzo et al., 2008; Demsetz & Strahan, 1997; Mercieca et al., 2007; Stiroh, 2006). Além disso, segundo Sanya e Wolfe (2011), ao entrar em um novo mercado, bancos maiores tendem a ter maiores oportunidades de diversificação e menor volatilidade de receita do que os bancos pequenos.

CAPITAL: esta variável é medida pela razão entre o Patrimônio Líquido e o Ativo e é utilizada como proxy para medir o grau de aversão ao risco de uma determinada instituição financeira. (Chiorazzo et al., 2008; Mercieca et al., 2007; Sanya & Wolfe, 2011; Calmès & Liu, 2009; Stiroh, 2006).

PCLD_Ativo: esta variável é medida pela razão entre as Provisões para Crédito de Liquidação Duvidosa e o Ativo de um banco. É utilizada para controlar os efeitos do risco da carteira de crédito aos ativos do banco (Calmès & Liu, 2009).

CRESC_ATIVO: esta variável é medida pela taxa de crescimento dos ativos de um banco, e é utilizada para controlar as estratégias de expansão das operações do banco. Também pode ser considerada uma variável de controle para o crescimento por meio de aquisição (Chiorazzo et al., 2008; Mercieca et al., 2007; Sanya & Wolfe, 2011; Calmès & Liu, 2009; Stiroh & Rumble, 2006).

PIB: esta variável de controle é medida pela taxa de crescimento do Produto Interno Bruto (PIB). Como as condições de negócios na economia afetam o apetite das empresas por crédito, bem como sua capacidade de pagamento, é provável que essa variável tenha algum impacto no desempenho dos bancos (Sanya & Wolfe, 2011; Stiroh, 2004).

JURO_REAL: esta variável de controle representa a taxa de juros real da economia brasileira. É medida como uma razão entre a taxa SELIC (Sistema Especial de Liquidação e Custódia) e a inflação medida pelo índice oficial de preços, ou seja, o Índice Nacional de Preços ao Consumidor Amplo (IPCA). Esses dados são obtidos junto ao Sistema Gerador de Séries Temporais (SGS) do Banco Central do Brasil. Em geral, os artigos internacionais não controlam para as taxas de juros ou a inflação, devido à estabilidade dos preços nas economias desenvolvidas. Entretanto, Sanya e Wolfe (2011) utilizaram variáveis de controle para a inflação, confirmando sua relevância para as economias emergentes.

4.2 Variáveis Dependentes

4.2.1 Risco

Este trabalho utiliza duas variáveis para medir o risco dos bancos: desvio padrão do retorno sobre o ativo (σROA), que calculamos utilizando uma janela temporal de três anos; e Z _Score , um indicador do risco de falência, utilizado em vários estudos na literatura sobre bancos. Quanto menor o resultado da razão, maior o risco de insolvência do banco (Stiroh, 2004, Lepetit et al., 2008a; Stiroh & Rumble, 2006; Sanya & Wolfe, 2011; Mercieca et al., 2007). Devido à relevância do Z _Score nesta literatura, Lepetit e Strobel (2013) estudaram especificamente essa variável e suas várias formas de mensuração. Os autores descobriram que, para amostras com dados em painel, o método mais apropriado de medir essa variável é:

$$Z_{SCORE}=\frac{RO{A}_{médio}+\left(\frac{P{L}_{médio}}{AtivoTota{l}_{médio}}\right)}{\sigma ROA}$$ (5)

onde ROA _médio = Média do ROA para todos os períodos; PL _médio = Patrimônio líquido médio do período; Ativo Total _médio = Ativo total médio do período; σROA = Desvio padrão do ROA para todos os períodos.

4.2.2 Retorno

A variável que utilizamos para medir o retorno dos bancos foi o ROA _médio .

$$RO{A}_{médio}=\frac{LucroLíquid{o}_t}{AtivoTota{l}_{médio}}$$ (6)

4.2.3 Retorno ajustado ao risco

Além disso, este trabalho utiliza uma variável de retorno ajustada ao risco: RAR _roa . Essa razão é definida pelo ROA médio dividido pelo desvio padrão do ROA (Sanya & Wolfe, 2011; Stiroh, 2004; Stiroh & Rumble, 2006; Mercieca et al., 2007). O desvio padrão dessa variável é medido utilizando uma janela de tempo de três anos, conforme explicado anteriormente. Quanto maior o resultado da razão, maior o retorno ajustado ao risco.

$$RA{R}_{ROA}=\frac{RO{A}_{médio}}{\sigma ROA}$$ (7)

5. O MODELO

O modelo econométrico multivariado utilizado neste artigo considera as variáveis de risco, retorno e retorno ajustado ao risco como uma função das variáveis de diversificação das receitas. (Stiroh & Rumble, 2006; Chiorazzo et al., 2008; Mercieca et al., 2007). O modelo utiliza dados em painel dinâmico através do Método Generalizado dos Momentos (GMM) para tratar de problemas de endogeneidade, heterocedasticidade e autocorrelação. As estimativas foram calculadas utilizando o software Eviews 7.2, e o modelo econométrico é descrito abaixo:

$$Y_{it}={\beta }_0+{\beta }_{1}HH{I}_{REC,it}+{\beta }_{2}PAR{T}_{NON,it}+{\beta }_{3}PAR{T}_{CRD,it}+{\beta }_{4}PAR{T}_{TIT,it}+{\beta }_5\ln ATIV{O}_{it}+{\beta }_{6}CAPITA{L}_{it}+{\beta }_{7}PCL{D}_{ATIVO,it}+{\beta }_{8}CRES{C}_{ATIVO,it}+{\beta }_{9}PI{B}_t+{\beta }_{10}JUR{O}_{REAL,t}+{\alpha }_i+{\epsilon }_{it}$$ (8)

onde β ₀ = Constante; Y _it = Variáveis de risco, retorno e retorno ajustado ao risco; HHI _REC,it = Diversificação entre receitas interest e noninterest; PART _NON,it = Participação das receitas noninterest; PART _CRD,it = Participação das receitas de operação de crédito; PART _TIT,it = Participação das receitas de operações com títulos; lnATIVO _it = Logaritmo natural do ativo; CAPITAL _it = Razão de capital próprio sobre ativo total; PCLD _ATIVO,it = Provisão para créditos em liquidação duvidosa sobre o ativo total; CRESC _ATIVO,it = Taxa de crescimento do ativo; PIB _t = Taxa de crescimento do PIB; JURO _REAL,t = Taxa de juro real; a _i = Efeito não observado; ε _it = Erro.

6. DADOS

O Banco Central do Brasil é a principal fonte dos dados utilizados neste trabalho. Os bancos analisados ​​são classificados como “Consolidado Bancário I”. Essa classificação é a mais adequada para os fins deste estudo, uma vez que as outras classificações abrangem bancos de investimento, bancos de desenvolvimento, cooperativas de crédito e outras instituições financeiras cujas atividades estão além do escopo de nossa análise desse estudo. Além disso, essa classificação representa mais de 80% dos ativos totais do sistema financeiro brasileiro.

A amostra consiste em 1.019 observações para o período entre 2003 e 2014. Os dados das demonstrações de resultados são trimestrais e, portanto, foram combinados para cada ano. Com relação aos dados de balanço, utilizamos os números de dezembro de cada ano. Vale ressaltar que organizamos dados em painéis desbalanceados apenas devido às fusões e aquisições ocorridas durante o período, e não por falta de informações. Os painéis desbalanceados são adequados, pois evitam o “Viés do Sobrevivente”, e os estimadores permanecem consistentes (Hayashi, 2000).

Os dados anuais de dois bancos com patrimônio líquido negativo foram excluídos por dois motivos: primeiro, tais dados distorcem o cálculo de variáveis ​​como o ROA. Em segundo lugar, há exigências mínimas de capital para os bancos, e os bancos com patrimônio líquido negativo acabam saindo do mercado à medida que sofrem intervenção do Banco Central ou são adquiridos por outros bancos.

Outra questão relevante diz respeito à medição das variáveis ​​de diversificação de receitas. A utilização da variável de diversificação HHI _REC requer que sejam utilizadas somente receitas positivas, pois uma receita negativa faria com que essa variável tivesse um resultado maior do que um. Isso indicaria que o banco é especializado, quando na verdade é um banco diversificado.

Outros estudos encontrados na literatura também enfrentaram esse problema (Mercieca et al., 2007; Stiroh e Rumble, 2006; Chiorazzo et al., 2008; Sanya e Wolfe, 2011). Nossa solução neste estudo é a mesma utilizada por esses autores, ou seja, excluir os dados de bancos com receita negativa para qualquer das atividades que compõem a variável de diversificação.

Os outliers (3% para os valores extremos superiores e inferiores) foram tratados com o método winsorize. Esse recurso é comumente utilizado em estudos empíricos para amenizar o impacto dos valores extremos em uma amostra. A Tabela 1 apresenta um resumo das estatísticas descritivas das variáveis.

Tabela 1
Estatísticas descritivas

Variáveis	Estatísticas
	Média	Mediana	Máximo	Mínimo	Desvio Padrão	Assimetria	Curtose	OBS
CAPITAL	0,2022	0,1464	0,7881	0,0383	0,1697	2,0367	6,9431	1019
CRESC ATIVO	0,2042	0,1537	1,2139	-0,3870	0,3398	1,0219	4,4377	1019
PIB	0,0360	0,0391	0,0753	-0,0013	0,0227	-0,0618	2,0346	1019
σROA	0,0174	0,0092	0,0908	0,0007	0,0210	2,0813	6,9764	1019
HHI REC	0,7351	0,7241	1,0000	0,5000	0,1675	0,0607	1,5785	1019
JURO REAL	0,0714	0,0644	0,1319	0,0145	0,0336	0,1802	2,0012	1019
lnATIVO	14,6613	14,4825	19,7088	10,8111	2,2258	0,3642	2,5307	1019
PART CRD	0,4151	0,4537	1,0369	-0,6613	0,4050	-0,5618	2,9064	1019
PART NON	0,2400	0,1809	0,8519	0,0020	0,2195	1,1158	3,6174	1019
PART TIT	0,4469	0,3726	1,5484	-0,2324	0,3796	0,8958	3,6908	1019
PCLD ATIVO	-0,0161	-0,0091	0,0053	-0,0930	0,0219	-2,0554	7,0227	1019
RAR ROA	3,4004	2,3669	16,9667	-1,7157	4,1700	1,6258	5,6136	1019
ROA médio	0,0177	0,0163	0,0881	-0,0599	0,0287	-0,1652	4,4041	1019
Z SCORE	11,1989	9,0652	36,3341	1,1190	8,5382	1,2510	4,1720	1019

• CAPITAL é a razão de capital próprio sobre ativo total; CRESCATIVOé a razão da diferença entre ativos em t e ativos em t-1 para ativos em t-1; PIB é a razão da diferença entre o PIB em t e o PIB em t-1 para o PIB em t-1; σROA é o desvio padrão do ROA com uma média móvel de 3 anos; HHIRECmede a diversificação entre receitas interest e receitas noninterest; JURO REAL é a razão da taxa SELIC anualizada para o IPCA esperado para os 12 meses seguintes; lnATIVO é o logaritmo natural do ativo; PART CRD é a participação das receitas de operações de crédito nas receitas interest; PART NON é a participação das receitas noninterest nas receitas operacionais; PART TIT é a participação das receitas de operações com títulos e valores nas receitas operacionais; PCLD ATIVO é a razão entre a provisão para créditos em liquidação duvidosa e o ativo total; RAR ROA é a razão entre o ROA médio e o desvio padrão do ROA com uma média móvel de 3 anos; ROA médio é a razão entre o lucro líquido em t e a média dos ativos totais; Z SCORE é a razão entre o ROA médio para o período inteiro somado à razão do capital em t e o desvio padrão do ROA para o período inteiro.
• Fonte: Elaborado pelos autores com o software Eviews 7.2 a partir da base de dados do Banco Central do Brasil.

Como se pode observar na matriz de correlação das variáveis dependentes (Tabela 2), nenhuma combinação de variáveis dependentes apresentou correlação acima de 0,80 [o ponto de corte, segundo Gujarati (2011)], portanto, parece não haver problema de colinearidade nesta amostra.

Tabela 2
Matriz de correlação

Correlação	CAPITAL	CRESC ATIVO	PIB	HHI REC	JURO REAL	lnATIVO	PART CRD	PART NON	PART TIT	PLCD ATIVO
CAPITAL	1,00000
CRESCATIVO	-0,13409	1,00000
PIB	0,01882	0,04879	1,00000
HHIREC	0,42996	-0,02039	0,00614	1,00000
JUROREAL	0,02467	0,06994	0,18270	0,06437	1,00000
lnATIVO	-0,57590	0,04176	-0,03222	-0,50524	-0,16297	1,00000
PARTCRD	-0,08064	0,06348	0,06141	0,24739	0,08236	-0,11953	1,00000
PARTNON	-0,19052	0,03974	-0,01038	-0,66474	-0,08242	0,20676	-0,33247	1,00000
PARTTIT	0,19227	-0,03548	-0,03005	-0,16632	0,01967	0,02573	-0,30091	0,30181	1,00000
PCLDATIVO	-0,01122	0,08077	0,02461	-0,09204	-0,04287	0,10258	-0,30800	0,16891	0,18947	1,00000

• Esta tabela apresenta a matriz de correlação para todas as variáveis dependentes utilizadas nos modelos. CAPITAL é a razão de capital próprio sobre ativo total; CRESC ATIVO é a razão da diferença entre ativos em t e ativos em t-1 para ativos em t-1; PIB é a razão da diferença entre o PIB em t e o PIB em t-1 para o PIB em t-1; σROA é o desvio padrão do ROA com uma média móvel de 3 anos; HHI REC mede a diversificação entre receitas interest e receitas noninterest; JURO REAL é a razão da taxa SELIC anualizada para o IPCA esperado para os 12 meses seguintes; lnATIVO é o logaritmo natural do ativo; PART CRD é a participação das receitas de operações de crédito nas receitas interest; PART NON é a participação das receitas noninterest nas receitas operacionais; PART TIT é a participação das receitas de operações com títulos e valores nas receitas operacionais; PCLD ATIVO é a razão entre a provisão para créditos em liquidação duvidosa e o ativo total.
• Fonte: Elaborado pelos autores com o software Eviews 7.2 a partir da base de dados do Banco Central do Brasil.

7. RESULTADOS

Primeiramente, a figura 1 mostra o comportamento das receitas noninterest em relação à receita operacional líquida entre 2003 e 2014.

Figura 1
Evolução média anual da PART_NON entre 2003 e 2014.

Em linha com os estudos de Stiroh (2006) e Lepetit et al. (2008a), a Figura 1 indica que os bancos brasileiros se comportaram de maneira semelhante aos bancos americanos e europeus em relação à diversificação das receitas. Em 2003, a participação média das receitas noninterest na receita operacional dos bancos foi de 17,8%. Em 2014, a PART_NON média foi de 27,4%. Isso sugere que a diversificação das receitas bancárias parece também ser uma tendência para os bancos brasileiros, tal como para as instituições financeiras de outros países.

Antes de estimarmos os modelos econométricos, realizamos testes para problemas de raiz unitária, utilizando o método de Levin, Lin e Chu (2002), que fornece uma boa indicação. No entanto, como esse teste não é o mais adequado para utilização com dados em painel desbalanceado, realizamos os seguintes testes, que são os mais adequados neste caso: Im, Pesaran e Shin, ADF - Fisher Qui-quadrado e PP - Fisher Qui-quadrado (Maddala & Wu, 1999; Hadri, 2000). Todos mostraram que as séries são estacionárias ao nível de significância de 1%. Além disso, realizamos os testes de Kao e ADF de cointegração em painel para equilíbrio de longo prazo. Ambos os testes demonstraram que as séries são cointegradas ao nível de significância de 1%.

Para verificar a presença de clusters na amostra, o que poderia originar uma heterogeneidade significativa, causando problemas na regressão dos dados em painel, foi estimado um modelo fatorial ortogonal. Os resultados não mostraram nenhuma indicação de existência significativa de clusters, isto é, as regressões dos dados em painel não apresentaram tal problema.

Primeiramente, os modelos foram estimados através da técnica dos Mínimos Quadrados Ordinários (OLS), e utilizou-se o teste de Hausman para a escolha entre modelo de efeitos fixos e modelo de efeitos aleatórios. Em seguida, analisamos a presença de autocorrelação e heterocedasticidade, e os resultados mostraram que todos os modelos apresentavam tais problemas.

Considerando os problemas acima e a presença potencial de endogeneidade, principalmente devido às variáveis HHI_REC , PART_NON , PART_CRD e PART_TIT , utilizou-se um teste de endogeneidade proposto primeiramente por Hausman (1978), e mais tarde aprimorado por Davidson e MacKinnon (1989, 1993). Todos os modelos apresentaram problema de endogeneidade ao nível de significância de 1%.

Devido à presença de autocorrelação, heterocedasticidade e endogeneidade, o processo de estimação ensejou o uso do GMM com segundo passo, dados em corte transversal e efeitos fixos para os períodos, e estimadores de Variáveis Instrumentais (VI), conforme definido por Arellano e Bond (1991). Este método é baseado na ideia de que os instrumentos podem estimar variáveis para mitigar a endogeneidade presente nos modelos (Lee, Kim, Park & Sanidas, 2012).

As variáveis utilizadas como instrumentos são a variável dependente defasada, HHI_REC e as dummies do período. Utilizamos o número de defasagens que otimizou a estatística J, cuja hipótese nula é que o modelo está correto. Este método gerou estimativas com instrumentos corretos, uma vez que todos apresentaram valores-p de estatística J acima de 0,10 (Bhargava, 1991). Além disso, realizamos o teste de correlação serial de Arellano e Bond, e não encontramos evidências de correlação serial de segunda ordem ao nível de significância de 10%. Os resultados dos modelos econométricos são apresentados abaixo.

Primeiramente, é importante destacar a relevância das variáveis macroeconômicas JURO_REAL e PIB. As tabelas 3, 5 e 6 mostram que a taxa de juros real está negativamente relacionada ao σROA, positivamente relacionada ao ROA_médio e negativamente relacionada ao Z_SCORE , respectivamente. Todos esses resultados são significativos ao nível de 1%. Eles demonstram que JURO_REAL está relacionado a um retorno mais elevado; entretanto, tais resultados não são claros com relação ao risco.

Tabela 3
Resultados do modelo σROA

Variável	Coeficiente	Prob.
σROA (-1)	0,175979	0,0000
JUROREAL	-0,234101	0,0003
PIB	-0,080143	0,5154
HHIREC	-0,008772	0,3471
PARTNON	0,009028	0,4868
PARTCRD	0,012574	0,0020
PARTTIT	0,002321	0,2159
PCLDATIVO	0,294422	0,0000
lnATIVO	-0,010708	0,0016
CRESCATIVO	0,001636	0,3378
CAPITAL	-0,003400	0,8287
PERÍODO (2005)	0,004241	0,3920
PERÍODO (2006)	-0,003179	0,1316
PERÍODO (2007)	-0,004828	0,0680
PERÍODO (2008)	0,003548	0,0256
PERÍODO (2009)	-0,014303	0,0020
PERÍODO (2010)	-0,009826	0,0486
PERÍODO (2011)	-0,006804	0,0004
PERÍODO (2012)	-0,014666	0,0000
PERÍODO (2013)	-0,008722	0,0002
PERÍODO (2014)	-0,008982	0,0888
Especificação dos Efeitos
Variável Dependente média	-0,000464	Desv. Padrão Var. dependente	0,014102
E. P. da regressão	0,016332	Soma quad. dos resíduos	0,187781
Estatística J	54,92343	Ranking de instrumentos	75
Prob. (Estatística J)	0,439408

• Variável dependente: σROA; Método: Painel Método Generalizado dos Momentos; Transformação: Primeiras Diferenças; Data: 09/25/17 Horário: 17:00; Amostra (ajustada): 2005 2014; Períodos incluídos: 10; Cross-sections incluídas: 111; Observações totais do painel (desbalanceado): 725; Matriz de ponderação dos instrumentos: White Period; Erros padrão e covariância White Period (grau de liberdade corrigido); Especificação de instrumentos: HHI_REC,-2; HHI_REC,-1; PERÍODO; Constante adicionada à lista de instrumentos.
• Fonte: Elaborado pelos autores.

Além disso, o PIB também apresentou resultados relevantes. As tabelas 5 e 6 mostram que o PIB está positivamente relacionado ao ROAmédio e ao ZSCORE, respectivamente. Esses resultados são significativos aos níveis de 5% e 1%, respectivamente. Confirmam, portanto, nossa expectativa de que o nível de atividade econômica estaria relacionado a um maior retorno e a um menor risco de insolvência para os bancos analisados.

Conforme esperado, PART_NON apresentou uma relação positiva com RAR_ROA e ROA_médio aos níveis de significância de 5% e 1%, de acordo com as tabelas 4 e 5, respectivamente. Esses resultados estão em linha com os estudos de Lee et al. (2014) e Sanya e Wolfe (2011), e corroboram as hipóteses 1 e 3. As tabelas 3 e 6 não apresentaram os sinais esperados para PART_NON , mas tais resultados não são estatisticamente significantes. Além disso, os resultados para PART_NON são consistentes com relação ao retorno e ao retorno ajustado ao risco, mas não são claros com relação ao risco.

HHI_REC apresentou relação positiva com o ROA_médio , indicando que a especialização das receitas está positivamente relacionada ao retorno, como mostra a Tabela 5. Esse resultado, significativo ao nível de 1%, não foi conforme esperávamos. Nossa expectativa era de uma relação positiva entre a diversificação (não a especialização) das receitas e o retorno. No entanto, mais análises sobre esse resultado são necessárias. Por sua vez, se PART_NON está positivamente relacionado ao retorno dos bancos, segue-se que a especialização em receitas noninterest (e não em receitas interest) é o que define os resultados para HHI_REC . Assim, os resultados para HHI_REC não invalidam a hipótese 1; pelo contrário, eles a corroboram. Além disso, a Tabela 4 apresenta uma relação positiva entre HHI_REC e o retorno ajustado ao risco, o que confirma a hipótese 3.

Tabela 4
Resultados do modelo RAR_ROA

Variável	Coeficiente	Prob.
RARROA (-1)	0,303150	0,0000
JUROREAL	-8,244321	0,1404
PIB	12,98872	0,1560
HHIREC	3,770102	0,0000
PARTNON	1,814928	0,0398
PARTCRD	1,405083	0,0000
PARTTIT	0,761438	0,0000
PCLDATIVO	-15,62378	0,0027
lnATIVO	-0,010864	0,9587
CRESCATIVO	-0,919211	0,0000
CAPITAL	1,488265	0,0599
PERÍODO (2005)	1,024676	0,0003
PERÍODO (2006)	0,839983	0,0000
PERÍODO (2007)	0,220581	0,2691
PERÍODO (2008)	-1,681134	0,0000
PERÍODO (2009)	-0,236372	0,6918
PERÍODO (2010)	-0,144015	0,6121
PERÍODO (2011)	0,706477	0,0042
PERÍODO (2012)	-0,594747	0,2795
PERÍODO (2013)	-0,575681	0,1250
PERÍODO (2014)	1,338507	0,0175
Especificação dos efeitos
Variável Dependente média	-0,043482	Desv. Padrão Var. dependente	3,973193
E. P. da regressão	4,576390	Soma quad. dos resíduos	14744,11
Estatística J	91,56855	Ranking de instrumentos	110
Prob. (Estatística J)	0,404942

• Variável dependente: RAR_ROA; Método: Painel Método Generalizado dos Momentos; Transformação: Primeiras Diferenças; Data: 09/25/17 Horário: 16:32; Amostra (ajustada): 2005 2014; Períodos incluídos: 10; Cross-sections incluídas: 111; Observações totais do painel (desbalanceado): 725; Matriz de ponderação dos instrumentos: White Period; Erros padrão e covariância White Period (grau de liberdade corrigido); Especificação de instrumentos: RAR_ROA,-2; HHI_REC, -1; PERIODO; Constante adicionada à lista de instrumentos.
• Fonte: Elaborado pelos autores.

Tabela 5
Resultados do modelo ROA_médio

Variável	Coeficiente	Prob.
ROAmédio (-1)	0,323124	0,0000
JUROREAL	0,389067	0,0000
PIB	0,112652	0,0204
HHIREC	0,063996	0,0000
PARTNON	0,008486	0,0076
PARTCRD	0,007260	0,0000
PARTTIT	-0,001376	0,0283
PCLDATIVO	-0,322270	0,0000
lnATIVO	-0,001951	0,0201
CRESCATIVO	0,029350	0,0000
CAPITAL	-0,001982	0,4105
PERÍODO (2005)	0,000240	0,9108
PERÍODO (2006)	0,014485	0,0000
PERÍODO (2007)	0,019600	0,0000
PERÍODO (2008)	0,003747	0,0000
PERÍODO (2009)	0,033849	0,0000
PERÍODO (2010)	0,024067	0,0000
PERÍODO (2011)	0,019376	0,0000
PERÍODO (2012)	0,036366	0,0000
PERÍODO (2013)	0,022605	0,0000
PERÍODO (2014)	0,026455	0,0000
Especificação dos efeitos
Variável Dependente média	-0,001633	Desv. Padrão Var. dependente	0,022446
E. P. da regressão	0,027134	Soma quad. dos resíduos	0,531594
Estatística J	100,2280	Ranking de instrumentos	116
Prob. (Estatística J)	0,336983

• Variável dependente: ROA_MÉDIO; Método: Painel Método Generalizado dos Momentos; Transformação: Primeiras Diferenças; Data: 09/29/17 Horário: 12:05; Amostra (ajustada): 2005 2014; Períodos incluídos: 10; Cross-sections incluídas: 119; Observações totais do painel (desbalanceado): 743; Matriz de ponderação dos instrumentos: White Period; Erros padrão e covariância White Period (grau de liberdade corrigido); Especificação de instrumentos: ROA_MÉDIO,-2; HHI_REC, -1; PERIODO; Constante adicionada à lista de instrumentos.
• Fonte: Elaborado pelos autores.

Tabela 6
Resultados do modelo Z_SCORE

Variável	Coeficiente	Prob.
ZSCORE (-1)	0,224502	0,0000
JUROREAL	-33,34173	0,0000
PIB	44,68439	0,0000
HHIREC	4,630959	0,0000
PARTNON	-0,354450	0,3377
PARTCRD	1,557418	0,0000
PARTTIT	-0,607977	0,0000
PCLDATIVO	-29,94853	0,0000
lnATIVO	-1,156576	0,0000
CRESCATIVO	0,307556	0,0041
CAPITAL	29,60358	0,0000
PERÍODO (2005)	1,811639	0,0000
PERÍODO (2006)	-0,092662	0,3408
PERÍODO (2007)	-1,103168	0,0000
PERÍODO (2008)	0,570274	0,0001
PERÍODO (2009)	1,238104	0,0000
PERÍODO (2010)	-1,717169	0,0000
PERÍODO (2011)	0,596310	0,0000
PERÍODO (2012)	0,121923	0,4565
PERÍODO (2013)	0,511911	0,0000
PERÍODO (2014)	2,355872	0,0000
Especificação dos efeitos
Variável Dependente média	-0,130649	Desv. Padrão Var. dependente	2,720231
E. P. da regressão	2,093542	Soma quad. dos resíduos	3164,467
Estatística J	94,19006	Ranking de instrumentos	116
Prob. (Estatística J)	0,504190

• Variável dependente: Z_SCORE; Método: Painel Método Generalizado dos Momentos; Transformação: Primeiras Diferenças; Data: 09/29/17 Horário: 12:13; Amostra (ajustada): 2005 2014; Períodos incluídos: 10; Cross-sections incluídas: 119; Observações totais do painel (desbalanceado): 743; Matriz de ponderação dos instrumentos: White Period; Erros padrão e covariância White Period (grau de liberdade corrigido); Especificação de instrumentos: Z_SCORE,-2; HHI_REC,-1; PERIODO; Constante adicionada à lista de instrumentos.
• Fonte: Elaborado pelos autores.

Entretanto, os resultados com relação ao risco não foram os esperados nem para PART_NON , nem para HHI_REC , como mostram as tabelas 3 e 6. Embora os resultados para PART_NON não tenham sido estatisticamente significativos em relação ao risco, HHI_REC apresentou uma relação positiva com Z_SCORE , sugerindo, assim, que a especialização das receitas está positivamente relacionada a um menor risco de insolvência. Embora esses resultados não confirmem a hipótese 2, eles estão de acordo com muitos estudos empíricos, tais como os de Stiroh (2006), Stiroh e Rumble (2006), DeYoung e Roland (2001) e Demsetz e Strahan (1997).

No que tange às receitas interest, os resultados para PART_CRD demonstraram uma relação positiva com ROA_médio e RAR_ROA . Ambos os resultados apresentaram elevada significância estatística. Além disso, uma maior participação das receitas de operações de crédito nas receitas interest mostrou-se relacionada a um risco mais elevado, conforme medido pelo σROA. É importante ressaltar que, embora os bancos mais especializados em atividades de intermediação tradicionais (operações de crédito) sejam mais rentáveis, eles também assumem riscos maiores do que aqueles que diversificam suas atividades de intermediação financeira com a negociação de títulos e valores mobiliários e outras fontes de receita.

Por sua vez, embora PART_TIT esteja negativamente relacionado ao ROA_médio , ele apresentou uma relação positiva com os retornos ajustados ao risco, aos níveis de significância de 5% e 1%. Além disso, PART_TIT mostrou-se positivamente relacionado ao σROA, embora não de maneira estatisticamente significativa, e negativamente relacionado ao Z_SCORE , ao nível de significância de 1%. Em geral, os bancos com fontes de receitas interest mais diversificadas, especialmente com uma maior participação de atividades de negociação de títulos e valores mobiliários, apresentam retornos menores do que aqueles cujas receitas interest estão concentradas em operações de crédito tradicionais. Tais resultados estão em linha com os de DeYoung e Roland (2001) e Mercieca et al. (2007), que também constataram uma relação negativa entre o retorno dos bancos e as receitas de negociação de títulos e valores mobiliários.

O PCLD_ATIVO apresentou uma relação positiva com o risco e uma relação negativa tanto com o retorno quanto com o retorno ajustado ao risco, ao nível de significância de 1%. O lnATIVO mostrou-se negativamente relacionado com o risco e o retorno, aos níveis de significância de 1% e 5%, como se observa nas tabelas 3 e 5, respectivamente.

O CRESC_ATIVO apresentou relação positiva com o ROA_médio e uma relação negativa com o RAR_ROA . Assim, possuir uma estratégia de crescimento demonstrou estar relacionado a um retorno mais elevado para os bancos brasileiros, embora também esteja relacionado a um menor retorno ajustado ao risco. Alguns autores encontraram resultados semelhantes, como Mercieca et al. (2007), Chiorazzo et al. (2008) e Lepetit et al. (2008a). Entretanto, essa variável apresenta uma relação positiva com o Z_SCORE , o que indica um menor risco de falência.

O CAPITAL apresentou uma relação positiva e estatisticamente significativa com o Z_SCORE , ao nível de 1%. Tal resultado sugere que os bancos com melhores níveis de capital dispõem de uma maior capacidade de reduzir seu risco de falência. Além disso, essa variável mostrou-se positivamente relacionada ao RAR_ROA , sugerindo que um melhor nível de capital afeta positivamente o retorno ajustado ao risco do banco.

Nossos principais resultados sugerem que os bancos que optaram por se especializar em receitas noninterest tendiam a aumentar seu retorno e o retorno ajustado ao risco. Quanto aos bancos que optaram por se especializar em receitas interest, nossos resultados sugerem que as operações de crédito tradicionais estão positivamente relacionadas a um maior retorno e a um menor risco de insolvência, enquanto as atividades de negociação com títulos e valores mobiliários estão relacionadas a um maior risco de insolvência e a um menor retorno.

8. CONCLUSÃO

Este estudo propôs-se a determinar o impacto da diversificação das receitas sobre o risco e o retorno dos bancos brasileiros. Os resultados foram relevantes, e acrescentaram novas evidências à literatura sobre o tema, a qual ainda se encontra em estágio incipiente no Brasil.

Primeiramente, com uma simples observação da Figura 1, nota-se a relevância deste tema para os bancos brasileiros. Em 2003, as receitas noninterest representavam apenas 17,80% das receitas operacionais dos bancos analisados. Já em 2014, no entanto, essa participação havia aumentado para 27,40%. Assim, a diversificação das receitas tem sido uma estratégia presente tanto nos bancos brasileiros quanto nos bancos estrangeiros, conforme descrito por Stiroh (2006) para os bancos americanos, e por Lepetit et al. (2008a) para os bancos europeus.

A hipótese 1 foi confirmada, como mostram os resultados apresentados na Tabela 5, verificando-se uma relação positiva entre o ROA_médio e PART_NON . Se a variável PART_NON mede o efeito direto da diversificação das receitas bancárias, a variável HHI_REC mede o efeito indireto. Assim, o fato de os resultados para HHI_REC terem se mostrado positivamente relacionados ao retorno dos bancos sugere que a concentração de fontes de receita que aumentaria o retorno dos bancos seria na participação das receitas noninterest.

A segunda hipótese não foi confirmada. A variável PART_NON apresentou uma relação positiva (embora estatisticamente não significativa) com o risco. Apesar de não confirmar a hipótese 2, esse resultado está em consonância com muitos estudos empíricos, tais como os de Stiroh (2004), Stiroh (2006), Stiroh e Rumble (2006), DeYoung e Roland (2001), e Demsetz e Strahan (1997).

Por sua vez, a relação positiva entre HHI_REC e PART_NON e o retorno ajustado ao risco confirmou a hipótese 3. Ambos os resultados apresentaram significância estatística.

Entre as fontes de receitas interest, verificou-se que PART_CRD está relacionada a um maior retorno, enquanto PART_TIT apresentou uma relação negativa com o retorno e uma relação negativa com Z_SCORE , o que significa um risco maior. Portanto, na decisão sobre fontes de receitas interest, os resultados sugerem que os bancos deveriam escolher as atividades de crédito em vez de atividades de negociação com títulos e valores mobiliários.

O estudo da diversificação das receitas bancárias é um terreno fértil na literatura financeira. Os temas a seguir são sugestões para futuras pesquisas: (i) o impacto da diversificação das receitas bancárias sobre a margem de juros (spread) dos bancos brasileiros; e (ii) o impacto da diversificação das receitas bancárias para outros países emergentes.

References

• Araújo, L. M. G., Gomes, G. M. R., Guerra, S. M., & Tabak, B. M. (2011). Comparação da Eficiência de Custo para BRICs e América Latina. [Working Paper]. Banco Central do Brasil. Retrieved from http://www.bcb.gov.br/pec/wps/port/TD252.pdf
  » http://www.bcb.gov.br/pec/wps/port/TD252.pdf
• Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies, 58(1), 277-297.
• Banco Central do Brasil (BACEN) . SGS: Sistema Gerenciador de Series Temporais. Retrieved from https://www3.bcb.gov.br/sgspub/localizarseries/localizarSeries.do?method=preparar TelaLocalizarSeries
  » https://www3.bcb.gov.br/sgspub/localizarseries/localizarSeries.do?method=preparar TelaLocalizarSeries
• Berger, P. G., & Ofek, E. (1995). Diversification’s effect on firm value. Journal of Financial Economics, 37(1), 39-65.
• Bhargava, A. (1991). Identification and panel data models with endogenous regressors. Review of Economic Studies , 58.
• Calmès, C., & Liu, Y. (2009). Financial structure change and banking income: A Canada-U.S. comparison. Journal of International Financial Markets, Institutions and Money, 19(1), 128-139.
• Chiorazzo, V., Milani, C., & Salvini, F. (2008). Income diversification and bank performance: Evidence from Italian banks. Journal of Financial Services Research, 33(3), 181-203.
• Davidson, R., & MacKinnon, J. G. (1989). Testing for consistency using artificial regressions. Econometric Theory, 5, 363-384.
• Davidson, R., & MacKinnon, J. G. (1993). Estimation and inference in econometrics. Oxford University Press.
• De Jonghe, O. (2010). Back to the basics in banking? A micro-analysis of banking system stability. Journal of Financial Intermediation, 19(3), 387-417.
• De Paula, L. F., & Marques, M. B. L. (2006). Tendências Recentes da Consolidação Bancária no Brasil. Análise Econômica, 45, 235-263.
• Demsetz, R. S., & Strahan, P. E. (1997). Diversification, Size, and Risk at Bank Holding Companies. Journal of Money, Credit and Banking, 29(3), 300-313.
• Denis, D. J., Denis, D. K., & Sarin, A. (1997). Agency problems, equity ownership, and corporate diversification. Journal of Finance, 52(1), 135-160.
• DeYoung, R., & Roland, K. P. (2001). Product Mix and Earnings Volatility at Commercial Banks: Evidence from a Degree of Total Leverage Model. Journal of Financial Intermediation , 10(1), 54-84.
• Elsas, R., Hackethal, A., & Holzhäuser, M. (2010). The anatomy of bank diversification. Journal of Banking and Finance, 34(6), 1274-1287.
• Gujarati, D. N., & Porter, D. (2011). Econometria básica. Porto Alegre: AMGH.
• Hadri, K. (2000). Testing for Stationarity in Heterogeneous Panel Data, Econometric Journal, 3, 148-161.
• Hausman, J. A. (1978). Specification tests in econometrics. Econometrica, 46, 1251-1272.
• Hayashi, F. (2000). Econometrics. New Jersey: Princeton University Press.
• Laeven, L., & Levine, R. (2007). Is There a Diversification Discount in Financial Conglomerates? Journal of Financial Economics , 85, 331-367.
• Lee, C. C., Hsieh, M. F., & Yang, S. J. (2014). The relationship between revenue diversification and bank performance: Do financial structures and financial reforms matter? Japan and the World Economy, 29, 18-35.
• Lee, K., Kim, B.Y., Park, Y.Y., & Sanidas, E. (2012). Big businesses and economic growth: Identifying a binding constraint for growth with country panel analysis. Journal of Comparative Economics, 41, 561-582.
• Lepetit, L., & Strobel, F. (2013). Bank insolvency risk and time-varying Z-score measures. Journal of International Financial Markets, Institutions and Money , 25(1), 73-87.
• Lepetit, L., Nys, E., Rous, P., & Tarazi, A. (2008a). Bank income structure and risk: An empirical analysis of European banks. Journal of Banking and Finance , 32(8), 1452-1467.
• Levin, A., Lin, C. F., & Chu, C. (2002). Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties. Journal ofEconometrics , 108, 1-24.
• Lin, J. R., Chung, H., Hsieh, M. H., & Wu, S. (2012). The determinants of interest margins and their effect on bank diversification: Evidence from Asian banks. Journal of Financial Stability, 8(2), 96-106.
• Maddala, G. S., & Wu, S. (1999). A Comparative Study of Unit Root Tests with Panel Data and a New Simple Test. Oxford Bulletin of Economics and Statistics, 61, 631-652.
• Markowitz, H. (1952). Portfolio Selection. TheJournal of Finance , 1, 77-91.
• Mercieca, S., Schaeck, K., & Wolfe, S. (2007). Small European banks: Benefits from diversification? Journal of Banking and Finance , 31(7), 1975-1998.
• Navarro, P. S., & Procianoy, J. L. (1997). A reação dos acionistas à institucionalização do banco múltiplo. Revista de Administração, v.32, 68-79.
• Sanya, S., & Wolfe, S. (2011). Can Banks in Emerging Economies Benefit from Revenue Diversification? Journal of Financial Services Research , 40(1), 79-101.
• Stiroh, K. J. (2004). Diversification in Banking: Is Noninterest Income the Answer? Journal of Money, Credit, and Banking, 36(5), 853-882.
• Stiroh, K. J. (2006). A Portfolio View of Banking with Interest and Norlinterest Activities. Journal of Money, Credit and Banking , 38(5), 1351-1361.
• Stiroh, K. J., & Rumble, A. (2006). The dark side of diversification: The case of US financial holding companies. Journal of Banking and Finance , 30(8), 2131-2161.
• Templeton, W. K., & Severiens, J. T. (1992). The effect of nonbank diversification on bank holding company risk. Quarterly Journal of Business and Economics, 4, 3-17.
• Wolf, M. (2009). A reconstrução do sistema financeiro global. Rio de Janeiro: Elsevier.

Datas de Publicação

• Publicação nesta coleção
  Jan-Apr 2019

Histórico

• Recebido
  02 Jul 2017
• Revisado
  26 Jul 2017
• Aceito
  18 Jan 2018