Redes bancárias interestaduais e sincronização dos ciclos econômicos dos estados brasileiros ^♦

Interstate banking networks and the synchronization of business cycles across brazilian states

Resumo

Nós estudamos a relação entre as redes bancárias interestaduais e a sincronização dos ciclos econômicos entre pares de estados do Brasil. Utilizamos dados da ESTBAN entre 2000 e 2019 para construir uma medida de conexão bancária entre as unidades federativas brasileiras e estimamos a sua associação com a sincronia dos ciclos econômicos estaduais. Nossos resultados mostram que, quando mediada pela rede gerada por bancos públicos, diferenças interestaduais de produtividade das agências bancárias possuem uma associação positiva com a convergência das taxas de crescimento dos estados. Por outro lado, na rede bancária privada, a associação é inversa, ou seja, diferenças interestaduais de produtividade das agências bancárias são negativamente relacionadas à sincronia dos ciclos econômicos estaduais. Nós também encontramos evidência de que o efeito heterogêneo da rede gerada pelos bancos públicos é amortecido em períodos de crise econômica nacional.

Palavras-chave:
Redes bancárias interestaduais; Sincronização; Crédito

Abstract

We study the relationship between interstate banking networks and the synchronization of business cycles across pairs of Brazilian states. We use ESTBAN data from 2000 to 2019 to construct a measure of banking connectivity between Brazilian federative units and estimate its association with the synchronization of state-level business cycles. Our results show that, when mediated by the network generated by public banks, interstate differences in bank branch productivity are positively associated with the convergence of state growth rates. Conversely, within the private banking network, this association is reversed, meaning that interstate differences in bank branch productivity are negatively related to the synchronization of state business cycles. We also find evidence that the heterogeneous effect of the network generated by public banks is attenuated during periods of national economic crisis.

Keywords:
Interstate banking networks; Synchronization; Credit

1. Introdução

Neste trabalho, nós estudamos a relação entre as redes bancárias interestaduais e a sincronização dos ciclos econômicos entre os estados do Brasil. Para isso, tomamos como principal referência Kalemli-Ozcan, Papaioannou e Perri (2013). Segundo os autores, em períodos sem crise financeira, observa-se uma associação negativa entre o elo financeiro de duas economias e a sincronização dos seus ciclos econômicos. Em contrapartida, em períodos de crise financeira, essa relação se inverte.

Seguindo a abordagem desses autores, nós estimamos os efeitos das conexões bancárias interestaduais sobre a sincronia do nível de atividade entre pares de estados. No nosso modelo empírico, nós definimos a variável dependente, sincronia, como o negativo do módulo da diferença entre as taxas de crescimento do PIB de cada par de estados. Diferentemente de Kalemli-Ozcan, Papaioannou e Perri (2013), nossas unidades de observação são pares de estados do Brasil e não pares de países. Essa substituição é importante, pois, como será esclarecido adiante, implica uma adaptação na forma de construção das redes bancárias. Nossos resultados mostram que esses efeitos dependem de cinco fatores: (i) nível de integração bancária, (ii) choques agregados nacionais, (iii) tipo de rede bancária (pública ou privada), (iv) choques de produtividade estaduais, e (v) nível de risco.

Kalemli-Ozcan, Papaioannou e Perri (2013) definem a integração financeira entre os países $i$ e $j$ como a soma dos ativos e dos passivos dos bancos sediados no país $i$ no país $j$ com os ativos e os passivos dos bancos sediados no país $j$ no país $i$. Essa medida é normalizada pela soma do PIB dos dois países. Entretanto, essa definição restringe as conexões internacionais geradas por um banco, pois a ligação entre subsidiárias em diferentes países é intermediada pela sua matriz no país-sede. Ou seja, essa medida desconsidera a existência de um elo direto entre subsidiárias. Por esse motivo, ela capta apenas a relação sede-subsidiária e ignora a relação subsidiária-subsidiária. Essa lacuna é particularmente restritiva para analisar a integração financeira entre os estados do Brasil. Isso porque os principais bancos do país possuem sede em alguns poucos estados, mas pulverizam suas agências por todo o território nacional. Assim, se ignorássemos as ligações entre subsidiárias, o subgrafo de integração financeira interestadual gerado por cada banco teria uma estrutura de estrela, com o estado sede na posição central. Portanto, dois estados que não são sede de um determinado banco não estariam diretamente conectados entre si por intermédio desse banco, mas apenas indiretamente através do estado sede, que funcionaria como um hub entre aqueles dois. Em um caso extremo, a integração financeira entre dois estados que não possuem um banco com sede e subsidiária entre eles não seria capturada de forma alguma.

De forma a contornar essa deficiência, nós elaboramos uma nova medida de integração financeira baseada na metodologia da matriz de insumo-produto, que nos permite obter o link entre cada par de estados. Esse link informa o grau em que variações nos depósitos em um estado estão associadas, por meio da estrutura dos balanços bancários, à concessão de crédito em outro estado. Utilizamos essa medida no exercício empírico que relaciona sincronia a integração bancária controlando por: (i) tipo de rede bancária - pública ou privada; (ii) condições agregadas do país, captadas por indicadores de anos de recessão e de crise financeira; (iii) diferenciais de choques de produtividade estaduais; e (iv) choques de risco estaduais.

Lidamos com o possível problema de simultaneidade utilizando uma medida de risco para o desempenho dos ativos financeiros baseada em Baker e Bloom (2013) e Christiano, Motto e Rostagno (2014). Kalemli-Ozcan, Papaioannou e Perri (2013) sugerem que pode haver simultaneidade, pois o efeito da integração financeira depende do desempenho dos ativos financeiros de cada país. No entanto, o desempenho desses ativos depende dos ciclos de negócios desses países, o que invalidaria essa variável como controle. Os autores lidam com esse problema utilizando a crise de 2008 como um evento exógeno que afetou o desempenho dos ativos financeiros.

De forma distinta, em vez de buscar um experimento natural, utilizamos como proxy para o desempenho dos ativos financeiros uma medida de risco que, com base em Baker e Bloom (2013) e Christiano, Motto e Rostagno (2014), argumentamos não ser causada por ciclos econômicos contemporâneos, embora gere variações nos retornos dos ativos financeiros. Nossa medida utiliza a variância da produtividade de agências bancárias. Construímos duas versões dessa medida, uma com base em Bloom et al. (2018) e outra inspirada em Gabaix (2011) e Kundu e Vats (2020). A vantagem de utilizar essa medida é que não restringimos a análise a choques fortes e negativos, permitindo avaliar qualquer flutuação no nível de risco. A hipótese subjacente é que, quanto maior o risco, maior a dificuldade de um banco distinguir boas oportunidades de investimento e, portanto, menor o desempenho dos ativos aos quais está exposto.

Nossas estimações exibem um efeito heterogêneo entre redes de bancos públicos e privados sobre os ciclos econômicos dos estados. Assim como em Brei e Schclarek (2013) e Brei e Schclarek (2015), encontramos um comportamento distinto entre os dois tipos de bancos. Os resultados indicam que a rede de bancos públicos, por meio da transmissão de choques idiossincráticos regionais, está associada a maior sincronização dos ciclos econômicos entre os estados. Esse resultado é consistente com a hipótese de que bancos públicos busquem reduzir desigualdades entre os estados. Em contrapartida, os resultados mostram que a rede de bancos privados é negativamente relacionada com a sincronização dos ciclos econômicos, sugerindo um comportamento compatível com um padrão pró-cíclico no sentido em que, nessas redes, maiores diferenças interestaduais de produtividade na concessão de crédito estão associadas a menor sincronização entre os níveis de atividade dos estados. Esse resultado sugere que bancos públicos e privados perseguem objetivos distintos: enquanto os privados buscam maximizar lucros, os públicos também se preocupam com estabilização macroeconômica (Brei e Schclarek 2013) e com redução de desigualdades.

As regressões também indicam que, em anos de crise, os bancos públicos apresentam menor associação com a sincronização. Por sua vez, nesse período, os bancos privados amplificam menos as diferenças entre as taxas de crescimento dos estados.

Os resultados sugerem ainda que o nível de incerteza altera o efeito das redes bancárias sobre os ciclos econômicos estaduais. Em ambientes mais incertos, bancos públicos e privados enfrentam maior dificuldade para distinguir bons e maus investimentos, o que eleva os custos associados a falências. No caso dos bancos privados, os resultados são compatíveis com o repasse desses custos aos residentes dos estados onde atuam, reduzindo a realocação de crédito e, consequentemente, o efeito de desarmonização dos ciclos. Para os bancos públicos, algumas especificações indicam uma redução do efeito de sincronização, enquanto outras sugerem neutralidade em relação ao nível de incerteza, possivelmente devido ao acesso a fontes alternativas de financiamento, como recursos estatais, conforme discutido por Brei e Schclarek (2015).

Em síntese, este trabalho contribui para a literatura sobre transmissão de choques via elos financeiros. Em termos metodológicos, o artigo se distingue ao: (i) introduzir uma nova medida de conexão financeira baseada na metodologia de matriz insumo-produto; (ii) incorporar novas variáveis de controle; e (iii) propor uma nova estratégia para contornar o problema de simultaneidade entre nível de atividade e desempenho dos ativos financeiros. Assim como em Kundu e Vats (2020), estimamos o efeito da integração financeira no nível subnacional, porém para um país em desenvolvimento, o Brasil. Até onde sabemos, este é um dos primeiros estudos a analisar a integração financeira interestadual e seus efeitos sobre os ciclos econômicos em uma economia em desenvolvimento. O trabalho também dialoga com Brei e Schclarek (2013), ao documentar diferenças entre bancos públicos e privados, e com Christiano, Motto e Rostagno (2014), Bloom et al. (2018) e Baker e Bloom (2013), ao explorar um novo canal de interação entre dispersão cross-section e ciclos econômicos.

Além das contribuições metodológicas, os resultados sugerem que a estrutura proposta possui elevado poder explicativo para compreender como choques estaduais são transmitidos pela rede bancária brasileira. Em particular, o modelo empírico é capaz de acomodar respostas distintas entre bancos públicos e privados, bem como a dependência desses efeitos em relação ao ambiente macroeconômico.

O restante do artigo está organizado da seguinte forma. A segunda seção apresenta a metodologia empírica. A terceira seção discute as fontes de dados utilizadas. A quarta seção expõe os resultados empíricos. A quinta e última seção conclui.

2. Metodologia

2.1. Conexão bancária

Kalemli-Ozcan, Papaioannou e Perri (2013) definem o nível de integração financeira entre dois países como a soma dos totais de ativos e passivos bancários mantidos entre eles, normalizada pela soma dos seus produtos internos. Entretanto, essa definição impõe uma restrição sobre a topologia das conexões internacionais geradas por um banco: a ligação entre subsidiárias em diferentes países é necessariamente intermediada pela matriz do banco no país sede. Assim, ignoram-se os elos diretos entre subsidiárias. Logo, a medida de integração financeira proposta pelos autores é adequada para estudar a relação sede-subsidiária, mas não para avaliar a relação subsidiária-subsidiária.

Nós analisamos a integração financeira entre os estados do Brasil e, nesse contexto, ignorar as ligações diretas entre subsidiárias é particularmente restritivo. Os principais bancos do país possuem sede em alguns poucos estados, mas pulverizam suas agências por todo o território nacional. Por esse motivo, não podemos assumir que os links gerados por um dado banco entre dois estados não-sede seriam direcionados para o estado sede, que funcionaria como um hub entre aqueles dois. Isso significaria impor que o subgrafo de conexões financeiras interestaduais gerado por cada banco teria uma estrutura de estrela, com o estado sede na posição central. Consideremos, por exemplo, um banco com sede em São Paulo que possui ativos em Minas Gerais, Amazonas e São Paulo. A medida de Kalemli-Ozcan, Papaioannou e Perri (2013) capturaria apenas a integração financeira entre São Paulo e Minas Gerais e entre São Paulo e Amazonas. Já a integração financeira entre Minas Gerais e Amazonas não seria computada, assim subestimando o nível de conexão bancária entre esses dois estados.

Por conta dessa limitação, nós propomos uma nova medida de conexão financeira, construída a partir da metodologia da matriz de insumo-produto. A nossa medida considera que depósito funciona como um insumo para produzir crédito em cada estado. Para obter essa nova medida, começamos definindo uma matriz $A_{B\times S}$ cujas B linhas se referem aos bancos em atividade no país e as S colunas aos estados. Cada elemento $a_{b,s}$ dessa matriz é a razão entre os créditos bancários concedidos pelo banco b no estado s, que denotamos por $c_{b,s}$, e o total de depósitos bancários no estado s. Assim, cada elemento $a_{b,s}$ da matriz $A_{B\times S}$ é dado por:

$a_{b,s}\equiv \frac{c_{b,s}}{{{\displaystyle \sum }}_{h=1}^B{d}_{h,s}},$ (1)

onde $d_{h,s}$ representa os depósitos do banco h no estado s. Essa é a quantidade de crédito concedida pelo banco b no estado s para cada R$ 1,00 de depósito bancário no mesmo estado. De outra forma, $a_{b,s}$ pode ser interpretado como um coeficiente técnico que mede a intensidade da atuação creditícia do banco b no estado s.

Adicionalmente, nós definimos a matriz $P_{B\times S}$, que também tem B linhas relativas aos bancos em atividade no país e S colunas referentes aos estados. Nessa matriz, cada elemento $p_{b,s}$ informa a razão entre $d_{b,s}$ e o total de depósitos bancários nacionais no banco b:

$p_{b,s}\equiv \frac{d_{b,s}}{{{\displaystyle \sum }}_{v=1}^S{d}_{b,v}},$ (2)

onde $d_{b,v}$ representa os depósitos do banco b no estado $v$. Ou seja, $p_{b,s}$, sendo a fração dos depósitos totais no banco b que são realizados no estado s, mede a importância desse estado como fonte de fundos para o banco b.

Podemos então obter a matriz de ligações bancárias interestaduais $L_{S\times S}$ por:

$L_{S\times S}={\left(P^{T}A\right)}^T.$ (3)

Cada elemento $l_{i,j}$ dessa matriz é dado por

$l_{i,j}={\displaystyle \sum }_{b=1}^B{p}_{b,j}{a}_{b,i}.$ (4)

Na equação (4), cada produto $p_{b,j}{a}_{b,i}$ captura a contribuição do banco b para a concessão de crédito no estado $i$ ponderada pela importância relativa do estado j como fonte de captação de recursos para esse banco. Reflete assim a importância do estado j como fonte de recursos para o banco b e a intensidade da atuação creditícia desse banco no estado $j$. Sob a hipótese de que os depósitos são perfeitamente fungíveis dentro de cada banco e de que os recursos captados são alocados proporcionalmente à distribuição geográfica do crédito concedido, $p_{b,j}{a}_{b,i}$ pode ser interpretado como um coeficiente técnico que vincula a intensidade da atividade creditícia do banco b no estado $i$ aos depósitos captados por b no estado j, em termos proporcionais. Ao somarmos $p_{b,j}{a}_{b,i}$ sobre todos os bancos, $l_{i,j}$ fornece uma medida de intensidade das ligações financeiras do estado j com o estado $i$, em que depósitos captados no estado j estão associados, por intermédio do sistema bancário nacional, à concessão de crédito no estado $i$. Dessa forma, $l_{i,j}$ é um peso financeiro que expressa a exposição do estado $i$ a choques financeiros originados no estado j, agregando a atuação de todos os bancos que operam simultaneamente nos dois estados. Essa medida indica o grau em que choques nos depósitos do estado j podem afetar a oferta de crédito no estado $j$ via redistribuição de recursos financeiros entre estados pelo sistema bancário.

Deve ser destacado que a medida de conexão financeira proposta neste trabalho não corresponde a um fluxo físico ou contábil bilateral de depósitos entre estados, mas sim a um coeficiente de exposição implícito na distribuição conjunta de depósitos e crédito entre bancos e estados. Nesse sentido, $l_{i,j}$ reflete o grau em que variações dos depósitos no estado j estão associadas, por meio da estrutura dos balanços bancários, à concessão de crédito no estado $i$. Assim, a matriz L deve ser interpretada como uma rede direcionada de pesos de exposição financeira que sintetiza o potencial de transmissão de choques de financiamento entre estados, condicional à hipótese de alocação proporcional incorporada na estrutura de insumo-produto adotada. A matriz L é análoga a uma matriz de coeficientes técnicos no sentido da literatura de insumo-produto, na qual depósitos funcionam como insumos e crédito como produto. Essa construção permite captar conexões financeiras diretas entre estados não sede, evitando a imposição de uma topologia em estrela e preservando a estrutura de rede subjacente às operações bancárias interestaduais.

A soma dos elementos de uma linha $i$ arbitrária da matriz L é

${\displaystyle \sum }_{j=1}^S{l}_{i,j}={\displaystyle \sum }_{j=1}^S{\displaystyle \sum }_{b=1}^B{p}_{b,j}{a}_{b,i}$ (5)

${\displaystyle \sum }_{j=1}^S{l}_{i,j}={\displaystyle \sum }_{b=1}^B{a}_{b,i}{\displaystyle \sum }_{j=1}^S{p}_{b,j}.$ (6)

Como ${\displaystyle \sum }_{j=1}^S{p}_{b,j}=1$, temos que

${\displaystyle \sum }_{j=1}^S{l}_{i,j}={\displaystyle \sum }_{b=1}^B{a}_{b,i}.$ (7)

Logo, substituindo a equação (1) em (7), encontramos que

${\displaystyle \sum }_{j=1}^S{l}_{i,j}={\displaystyle \sum }_{b=1}^B\frac{c_{b,i}}{{{\displaystyle \sum }}_{h=1}^B{d}_{h,i}}$ (8)

${\displaystyle \sum }_{j=1}^S{l}_{i,j}=\frac{{{\displaystyle \sum }}_{b=1}^B{c}_{b,i}}{{{\displaystyle \sum }}_{h=1}^B{d}_{h,i}}.$ (9)

Isto é: a soma dos elementos da linha $i$ é igual à razão entre os créditos bancários totais concedidos no estado $i$ e os depósitos bancários totais no mesmo estado. Ela captura o grau de alavancagem do sistema bancário no estado $i$.

A soma dos elementos de uma coluna j arbitrária de L é

${\displaystyle \sum }_{i=1}^S{l}_{i,j}={\displaystyle \sum }_{i=1}^S{\displaystyle \sum }_{b=1}^B{p}_{b,j}{a}_{b,i}$ (10)

${\displaystyle \sum }_{j=1}^S{l}_{i,j}={\displaystyle \sum }_{b=1}^B{p}_{b,j}{\displaystyle \sum }_{i=1}^S{a}_{b,i}.$ (11)

Substituindo a equação (1) em (11), encontramos que

$\begin{array}{r}\hfill {\displaystyle \sum }_{i=1}^S{l}_{i,j}={\displaystyle \sum }_{b=1}^B{p}_{b,j}{\displaystyle \sum }_{i=1}^S\frac{c_{b,i}}{{{\displaystyle \sum }}_{h=1}^B{d}_{h,i}}.\end{array}$ (12)

A soma dos elementos da coluna j fornece uma medida da importância sistêmica do estado como fonte de financiamento para o sistema bancário nacional. Esse valor reflete a relevância dos depósitos captados no estado j ponderada pela intensidade da atuação creditícia dos bancos que ali captam recursos. Assim, estados que concentram maior participação nos depósitos de bancos com ampla atividade creditícia apresentam colunas com somas mais elevadas. Sob a hipótese de alocação proporcional, essa soma sintetiza o potencial agregado de transmissão de choques de financiamento originados no estado j sobre a oferta de crédito no conjunto da economia.

Em resumo, as linhas da matriz L sintetizam a exposição potencial dos estados a choques de financiamento originados em outras unidades da federação, enquanto as colunas refletem a importância relativa de cada estado como fonte de financiamento e, portanto, seu potencial de transmissão desses choques no sistema bancário nacional.

A matriz L é assimétrica. Como a unidade de análise empírica consiste em pares não ordenados de estados, optamos por construir uma medida bilateral simétrica de conexão financeira. Para isso, definimos $Lin{k}_{i,j}$ como uma média ponderada de $l_{i,j}$ e $l_{j,i}$ em que os pesos correspondem à importância sistêmica de cada estado como fonte de financiamento no sistema bancário nacional, medida pela soma dos elementos da coluna correspondente na matriz L:

$Lin{k}_{i,j}\equiv \frac{l_{i,j}{{\displaystyle \sum }}_{s=1}^S{l}_{s,i}+l_{j,i}{{\displaystyle \sum }}_{s=1}^S{l}_{s,j}}{{{\displaystyle \sum }}_{s=1}^S{l}_{s,i}+{{\displaystyle \sum }}_{s=1}^S{l}_{s,j}}.$ (13)

Dessa forma, a conexão bilateral atribui maior peso ao sentido do vínculo associado ao estado com maior centralidade como origem potencial de choques de financiamento.

2.2. Choque de produtividade

Nós construímos uma medida de choque no nível de agência bancária e a agregamos para o nível estadual. Como bancos não produzem bens físicos, interpretamos produtividade, neste contexto, como eficiência de intermediação, isto é: a capacidade de transformar recursos do balanço em crédito. Assim, definimos a produtividade da agência $g$ no mês $m$ como:

$E_{g,m}\equiv \frac{Cr\acute{e}dit{o}_{g,m}}{Ativo{s}_{g,m}},$ (14)

onde $Cr\acute{e}dit{o}_{g,m}$ corresponde ao saldo agregado das operações de crédito que a agência $g$ realiza no mês $m$ (verbete 160 da ESTBAN¹) e $Ativo{s}_{g,m}$ é o total do ativo dessa agência no mesmo mês (verbete 399 da ESTBAN).

Apesar de crédito compor o ativo, a razão $Cr\acute{e}dito/Ativos$ não é uma identidade mecânica, pois ela mede a intensidade com que a agência direciona seus ativos para a concessão de crédito em contraposição a outras categorias de ativos. Mudanças nessa razão podem capturar alterações na eficiência ou na propensão da agência em usar seus ativos para prover crédito (ou ambas).

A fim de isolar variações idiossincráticas dessa eficiência, nós estimamos a seguinte equação:

$\log \left(E_{g,m}\right)-\log \left(E_{g,m-1}\right)=\beta \log \left(Ativo{s}_{g,m}\right)+{\mu }_g+{\mu }_{s,m}+{\epsilon }_{g,m},$ (15)

onde ${\mu }_g$ é o efeito fixo da agência $g$, absorvendo características suas que são invariantes no tempo, tais como localização, clientela estrutural e estratégia de longo prazo. Já ${\mu }_{s,m}$ é o efeito fixo do estado s no mês m, que captura condições comuns a todas as agências do estado s no mês m, incluindo demanda estadual por crédito, ciclo estadual e choques macroeconômicos estaduais. O controle por $\log \left(Ativo{s}_{g,m}\right)$ remove efeitos mecânicos de escala. Nesse arranjo, o termo de erro ${\epsilon }_{g,m}$ representa a variação idiossincrática e inesperada na intensidade de intermediação de crédito da agência $g$ no mês m, que interpretamos como choque de produtividade da agência, em linha com Gabaix (2011) e Kundu e Vats (2020).

Agregamos esses choques ao nível estadual por meio de uma média ponderada dos choques das 100 maiores agências em termos de crédito no período anterior, utilizando como pesos o crédito ofertado defasado. Em seguida, convertemos o choque mensal do estado em choque anual, $\mathrm{Pr}o{d}_{i,t}$, via média ponderada no ano. Por fim, como as nossas unidades de análise são pares de estados {$i$, j} nós construímos o choque bilateral da seguinte maneira:

$pro{d}_{i,j,t}\equiv \left|\frac{\mathrm{Pr}o{d}_{i,t}PI{B}_{i,t}-\mathrm{Pr}o{d}_{j,t}PI{B}_{j,t}}{PI{B}_{i,t}+PI{B}_{j,t}}\right|.$ (16)

Trabalhamos com a diferença da magnitude econômica dos choques entre os estados porque a transmissão via redes financeiras é ativada pela assimetria de choques entre regiões, e não pelo nível absoluto dos choques. A ponderação pelo PIB busca captar a relevância econômica dos choques de produtividade. Uma mesma variação de produtividade em um estado economicamente maior afeta uma parcela mais ampla da atividade econômica, da demanda por crédito e dos balanços bancários do que uma variação equivalente em um estado menor. Assim, multiplicamos o choque de produtividade pelo PIB estadual para obtermos uma medida do impacto econômico agregado do choque e normalizamos pela soma dos PIBs do par para eliminar efeitos de escala e tornar a medida comparável entre diferentes pares de estados.

2.3. Especificação empírica

O objetivo deste trabalho é avaliar de que forma a integração financeira entre estados brasileiros, descrita por redes bancárias, afeta a sincronização da atividade econômica entre unidades federativas. A motivação teórica para essa análise ancora-se na literatura de redes e ciclos econômicos, que destaca a dependência da propagação de choques em relação à estrutura das conexões e à assimetria dos choques reais enfrentados pelas economias ou setores conectados (Acemoglu et al. 2012; Carvalho 2014; Kalemli-Ozcan, Papaioannou e Perri 2013).

Para mensurar o grau de sincronização dos ciclos econômicos entre dois estados $i$ e j no ano t, adotamos uma medida amplamente utilizada na literatura de ciclos econômicos internacionais e regionais. Nós definimos a sincronização como o negativo do valor absoluto da diferença entre as taxas de crescimento do produto interno bruto dos dois estados:

$\sin c{r}_{i,j,t}\equiv -\left|\left(\log Y_{i,t}-\log Y_{i,t-1}\right)-\left(\log Y_{j,t}-\log Y_{j,t-1}\right)\right|.$ (17)

O termo $\left(\log Y_{s,t}-\log Y_{s,t-1}\right)$ corresponde à taxa de crescimento do PIB do estado s no período t. Assim, a expressão em módulo mede a divergência entre as taxas de crescimento do PIB dos estados $i$ e j. Quanto maior essa divergência, menos sincronizados estão os ciclos econômicos dos dois estados. O sinal negativo garante que valores mais altos, menos negativos, de $\sin c{r}_{i,j,t}$ correspondam a maior sincronização econômica entre os estados $i$ e j no ano t.

Essa medida apresenta três propriedades desejáveis. Primeiro, ela é simétrica em relação aos estados $i$ e j, o que é adequado para uma análise em nível de pares. Segundo, ao focar nas taxas de crescimento, abstraímos as diferenças de nível do produto entre os estados, concentrando exclusivamente na dinâmica dos ciclos econômicos. Terceiro, ao utilizar o valor absoluto, a medida captura divergências independentemente do sinal da diferença das taxas de crescimento, refletindo a intensidade da dessincronização entre os ciclos econômicos dos estados.

Com base nessa medida de sincronização, estimamos a seguinte especificação empírica:

$\begin{array}{rr}\hfill \sin c{r}_{i,j,t}=& \hfill {\alpha }_{i,j}+{\lambda }_t+tren{d}_{i,j,t}+\varphi \cdot \log \left(x_{i,j,t}\right)+{\beta }_1\log \left(Lin{k}_{i,j,t-1}\right)+{\beta }_{2}pro{d}_{i,j,t}+\\ \hfill & \hfill +{\beta }_3\log \left(Lin{k}_{i,j,t-1}\right)\times pro{d}_{i,j,t}+\gamma \cdot crise{s}_t\times \log \left(Lin{k}_{i,j,t-1}\right)+\\ \hfill & \hfill +\theta \cdot crise{s}_t\times \log \left(Lin{k}_{i,j,t-1}\right)\times pro{d}_{i,j,t}+{\int }_{i,j,t}.\end{array}$ (18)

A variável dependente $\sin c{r}_{i,j,t}$ mede o grau de sincronização do nível de atividade econômica entre os estados $i$ e j no ano t. O termo ${\alpha }_{i,j}$ representa efeitos fixos específicos de cada par de estados, incorporando características invariantes no tempo que afetam simultaneamente a integração financeira e a sincronização econômica. O termo ${\lambda }_t$ corresponde a efeitos fixos de tempo comuns a todos os pares de estados. Controlamos assim para choques macroeconômicos agregados. Incluímos na equação (18) uma tendência linear específica para cada par de estados, $tren{d}_{i,j,t}$, com o objetivo de capturar mudanças temporais idiossincráticas na relação econômica entre os pares de estados.

O vetor $x_{i,j,t}$ contém dois controles ao nível do par de estados: a soma dos PIBs e a soma da população dos estados $i$ e j. Esses controles absorvem efeitos de escala econômica e demográfica que podem influenciar a sincronização dos ciclos econômicos dos dois estados e o grau de integração financeira entre eles.

A variável $\log \left(Lin{k}_{i,j,t-1}\right)$ mensura o grau de integração financeira entre os estados $i$ e j, conforme definido na equação (13). Nós a incluímos no modelo defasada em um período para mitigar preocupações com simultaneidade. O coeficiente ${\beta }_1$ mede o efeito marginal da integração financeira sobre a sincronização econômica independentemente de choques de produtividade estaduais. Como a nossa matriz de ligações bancárias interestaduais sintetiza o potencial de transmissão de choques de financiamento entre estados e ${\beta }_1$ é independente de choques, nossa atenção não está focada nesse coeficiente.

O termo $pro{d}_{i,j,t}$ representa o choque bilateral de produtividade, apresentado na seção 2.2. O coeficiente ${\beta }_2$ captura o efeito marginal direto da divergência de produtividade entre os estados $i$ e j sobre a sincronização dos seus ciclos econômicos.

O principal coeficiente de interesse é ${\beta }_3$, associado à interação entre integração financeira e choque de produtividade, $\log \left(Lin{k}_{i,j,t-1}\right)\times pro{d}_{i,j,t}$. Esse termo mostra como o efeito da integração bancária sobre a sincronização econômica varia em função da intensidade do choque de produtividade. Alternativamente, ${\beta }_3$ mede o impacto de um choque de produtividade sobre a sincronização dos ciclos econômicos estaduais em função do nível de integração bancária entre eles. Um valor negativo de ${\beta }_3$ indica que, na presença de choques de produtividade assimétricos, maior integração financeira tende a reduzir a sincronização dos ciclos econômicos estaduais, corroborando o mecanismo de realocação de crédito enfatizado por Kalemli-Ozcan, Papaioannou e Perri (2013) e Kundu e Vats (2020).

O vetor $crise{s}_t$ inclui variáveis indicadoras para crises financeiras e crises agregadas nacionais, representadas por Crise Financeira e Crise, respectivamente. As interações dessas variáveis com $\log \left(Lin{k}_{i,j,t-1}\right)$ e com $\log \left(Lin{k}_{i,j,t-1}\right)\times pro{d}_{i,j,t}$ permitem que os efeitos da integração financeira e da sua interação com choques de produtividade variem entre períodos normais e períodos de crise. Os coeficientes $\gamma$ e $\theta$ capturam essas heterogeneidades, respectivamente.

Por fim, ${ϵ}_{i,j,t}$ representa o termo de erro. As estimações são realizadas por mínimos quadrados ordinários com efeitos fixos, e os erros-padrão são clusterizados ao nível do par de estados, de modo a levar em conta a dependência serial e a correlação dos resíduos ao longo do tempo dentro de cada par.

3. Dados

Para calcular a medida de conexão financeira entre estados nós utilizamos dados da Estatística Bancária Mensal por Município (ESTBAN), disponibilizada pelo Banco Central do Brasil. Esse banco de dados reporta as principais contas contábeis de bancos comerciais e bancos múltiplos com portfólios comerciais por município mensalmente desde meados de 1988 até a presente data. Nós limitamos a nossa atenção ao período de 2000 até 2019, uma vez que nós acreditamos que o processo gerador de dados pode ter sido afetado pela reforma bancária e pelas trocas de moeda em circulação na economia brasileira que ocorreram nos períodos anteriores a 2000. Nós decidimos também ignorar o período da pandemia de Covid-19 por ser uma época peculiar.

As contas contábeis usadas foram as seguintes:

• (i) verbete 160 - operações de crédito;

• (ii) soma dos verbetes 401 até 404, relativos a depósitos à vista dos governos;

• (iii) soma dos verbetes 411 até 420, referentes a depósitos à vista do setor privado; e

• (iv) verbete 399 - total do ativo.

Todas essas contas foram deflacionadas pelo Índice Nacional de Preços ao Consumidor Amplo (IPCA). O item (i), verbete 160, é utilizado para recuperar os créditos bancários concedidos por cada banco em cada localidade. O item (ii), soma dos verbetes 401 até 404 e o item (iii) soma dos verbetes 411 até 420, informam os depósitos em cada banco por localidade. Nós utilizamos apenas as contas no último mês de cada ano. Com esses dados, nós montamos as matrizes A, P e, portanto, L, descritas na seção 2.1 para cada ano. Como os dados coletados estão disponíveis na ESTBAN em nível de agência bancária, nós somamos os valores de todas as agências de cada banco em cada estado para cada período, tanto para o item (i) como para os itens (ii) e (iii), resultando, respectivamente, em valores totais de créditos e depósitos por banco e estado. Com isso, computamos as matrizes A, P e L em nível estadual. O item (iv), verbete 399, é empregado na elaboração das medidas de risco discutidas na seção 4.3, em que investigamos crises financeiras.

Com a intenção de limpar a amostra de instituições financeiras que não fossem classificadas como bancos múltiplos ou comerciais, nós impusemos dois filtros. No primeiro, nós retiramos da amostra qualquer instituição financeira que, em atividade no período contemplado no nosso estudo, tivesse a conta de empréstimos, item (i) da lista acima, ou de depósitos, itens (ii) e (iii) da mesma lista, zerada em algum ano. Das instituições financeiras restantes, nós mantemos apenas aquelas classificadas na categoria B1 (Banco Comercial, Banco Múltiplo com Carteira Comercial ou Caixa Econômica) na coluna TCB (Tipo de Consolidação Bancária), segundo o IFData, banco de dados disponibilizado pelo Banco Central do Brasil.

Para construir a nossa medida de sincronização de ciclos econômicos estaduais, nós utilizamos a série PIB Estadual a preços constantes - R$ (mil), a preços do ano 2010, produzida pelo Instituto Brasileiro de Geografia e Estatística (IBGE) e disponível no Ipeadata. As nossas regressões controlam para a população dos estados. Isso é feito com a série de estimativas da população do IBGE. Crise Financeira assume valor 1 nos anos de 2008 e 2009 e zero nos demais anos da amostra. Por fim, recorremos ao Comitê de Datação de Ciclos Econômicos (CODACE 2020) para classificar os anos de recessão no Brasil e assim obtermos a binária Crise de condições agregadas.

4. Resultados

4.1. Primeiros resultados

Nesta seção, nós apresentamos os nossos primeiros resultados empíricos. Iniciamos com a especificação base (18) e a enriquecemos com novas variáveis explicativas progressivamente. Todas as especificações contam com efeitos fixos por par de estados, com efeito fixo por tempo, com tendência linear por par de estados e erro padrão clusterizado por par de estados.

Nas colunas (1) e (2) da Tabela 1, o valor negativo e significante associado ao coeficiente da variável de integração financeira, $\log \left(Link\right)$, sugere que um aumento na integração financeira entre dois estados resulta em um decrescimento da sincronização dos seus ciclos econômicos, corroborando as descobertas de Kalemli-Ozcan, Papaioannou e Perri (2013). Segundo os autores, em períodos sem crises financeiras, os bancos tendem a ser pró-cíclicos, realocando empréstimos de residentes em economias com ciclos econômicos negativos para residentes em economias com ciclos econômicos positivos, o que intensifica a divergência entre os ciclos econômicos das duas economias. Por outro lado, ainda conforme os autores, durante crises financeiras, os bancos transferem os custos gerados pela crise para os residentes de todas as economias onde operam. Nas regiões cobertas pelas redes bancárias, uma crise financeira implica um aumento dos custos para os agentes obterem empréstimos, resultando em uma diminuição do acesso ao crédito. Em períodos de crise financeira, os ciclos econômicos internacionais tornam-se mais sincronizados. Nós não observamos esse resultado. Na coluna (1) da Tabela 1, o coeficiente associado à interação entre $\log \left(Link\right)$ e $CriseFinanceira$ é negativo, sugerindo que, durante crises financeiras, a integração financeira está associada a maior divergência do crescimento dos estados por meio das redes de conexões bancárias. Esse efeito é o oposto do alegado por Kalemli-Ozcan, Papaioannou e Perri (2013). Contudo, esse coeficiente é significante apenas a 10%. Logo, a evidência de que, durante crises financeiras, a constrição de crédito pelos bancos diminui a sincronização entre os estados brasileiros é fraca. Mais ainda, nas demais colunas da Tabela 1, o coeficiente da interação entre $\log \left(Link\right)$ e $CriseFinanceira$ não é significante aos níveis usuais. Por conseguinte, nós não podemos concluir que crises financeiras afetam a sincronização do nível de atividade dos estados por meio das redes de conexão bancária.

Nas colunas (2) até (4) da Tabela 1, nós incluímos a variável de interação entre $\log \left(Link\right)$ e $Crise$. Percebemos que o coeficiente dessa variável é significante a 10% nas colunas (2) e (3), mas perde significância na última especificação, sugerindo que, em tempos de crise, a integração bancária não possui uma relação diferencial sólida com a sincronização entre os estados.

Na coluna (3) da Tabela 1, o coeficiente da variável de produtividade é negativo e significante a 1%, indicando uma associação inversa com a sincronização interestadual. Porém, na especificação mais completa com diversas interações da coluna (4), o coeficiente de produtividade torna-se insignificante. Na coluna (4) da Tabela 1, $\mathrm{Pr}odutividade\times Crise$ é estatisticamente insignificante a níveis usuais. Por outro lado, $\mathrm{Pr}odutividade\times CriseFinanceira$ é estatisticamente significante a 10%.

Na coluna (4) da Tabela 1, observamos que os coeficientes de interesse $\log \left(Link\right)\times \mathrm{Pr}odutividade$ e $\log \left(Link\right)\times \mathrm{Pr}odutividade\times CriseFinanceira$ são estatisticamente insignificantes a níveis usuais. No entanto, $\log \left(Link\right)\times \mathrm{Pr}odutividade\times Crise$ é significante a 10% e negativo, oferecendo uma evidência fraca de que choques de produtividade relacionam-se inversamente com a sincronização do nível de atividade dos estados em períodos de baixa atividade econômica através das conexões financeiras.

Tabela 1
Primeiros resultados

	Sincronização interestadual
	(1)	(2)	(3)	(4)
log(Link)	-0,0163***	-0,0155***	-0,0157***	-0,0169***
	(0,0041)	(0,0042)	(0,0041)	(0,0043)
log(Link) X Crise Financeira	-0,0021*	-0,0008	-0,0007	0,0017
	(0,0013)	(0,0014)	(0,0014)	(0,0022)
log(Link) X Crise		-0,0017*	-0,0017*	-0,0000
		(0,0009)	(0,0009)	(0,0014)
Produtividade			-0,1947***	0,0667
			(0,0721)	(0,2743)
log(Link) X Produtividade				0,0889
				(0,0721)
Produtividade X Crise				-0,2970
				(0,3827)
Produtividade X Crise Financeira				-1,368*
				(0,7102)
log(Link) X Produtividade X Crise Financeira				-0,2543
				(0,1709)
log(Link) X Produtividade X Crise				-0,1799*
				(0,1084)
Observações	7.020	7.020	7.020	7.020
R2	0,36099	0,36125	0,36205	0,36354
Within R2	0,07960	0,07998	0,08113	0,08327
Efeitos fixos por par de estados	✓	✓	✓	✓
Efeitos fixos por tempo	✓	✓	✓	✓
Tendência linear por par de estados	✓	✓	✓	✓
Erro padrão clusterizado por par de estados	✓	✓	✓	✓

• A unidade de observação é par de estados por ano de 2000 até 2019. A variável dependente é sincronização do PIB. As regressões incluem o log das medidas de integração financeira por par de estados, dummy de crise não financeira em nível de país, dummy de crise financeira, log da soma do PIB por par de estados, log da soma da população por par de estados, choque de produtividade por par de estados, efeitos fixos por par de estados, efeitos fixos por tempo e uma tendência linear por par de estados. As especificações usam como ponderação na construção da medida de integração financeira a soma do potencial de transferência de depósitos. Entre parênteses estão os erros-padrão clusterizados por par de estados. Os níveis de significância são representados por: * p < 0,1; ** p < 0,05; *** p < 0,01.

4.2. Decompondo canais de transmissão

Na seção 4.1 anterior, concluímos que um maior nível de integração bancária entre dois estados está relacionado a uma menor sincronização entre seus níveis de atividade, mesmo na ausência de choques de produtividade estaduais. Além disso, observamos que a interação entre integração bancária e esses choques de produtividade não é relevante para explicar a sincronização econômica entre dois estados.

Agora, procedemos à decomposição do efeito total da integração bancária em duas partes: uma relacionada à rede bancária privada e outra à rede bancária pública. Para entendermos essa desagregação devemos ter em mente que ambas as redes bancárias possuem uma significativa participação no mercado brasileiro. De fato, no período de 1994 a 2019, mais de 51% da soma entre depósitos captados e empréstimos ofertados no Brasil foram realizados por bancos públicos. Além disso, há evidências de que os dois tipos de bancos têm comportamentos diferentes. Por exemplo, conforme Cortes, Silva e Doornik (2019), em resposta à crise de 2008, os bancos privados reduziram drasticamente sua oferta de crédito, enquanto os bancos públicos mantiveram sua tendência pré-crise. Bancos públicos tendem a gerar efeitos anticíclicos na economia, conforme documentado por Brei e Schclarek (2013). Por outro lado, como exposto por Kalemli-Ozcan, Papaioannou e Perri (2013) e por Kundu e Vats (2020), os bancos privados têm um efeito cíclico através das conexões financeiras formadas entre diferentes regiões. Assim, na Tabela 1, uma hipótese para a insignificância dos coeficientes associados às interações entre $\log \left(Link\right)$ e $\mathrm{Pr}odutividade$ é que os efeitos dos bancos públicos e privados sejam antagônicos. Sob essa perspectiva, ao criar uma única medida de integração financeira, comum aos dois tipos de bancos, a regressão mantém esses efeitos emaranhados, resultando em anulação mútua.

Para testar se bancos públicos e bancos privados desempenham papéis diferentes na rede de integração financeira interestadual, nós dividimos nossa medida de conexão financeira em duas partes: uma utilizando apenas os bancos públicos para construir a matriz de ligações e outra restrita a bancos privados.

Para desenvolver essas duas novas medidas, instituímos uma classificação para as agências da ESTBAN, segmentando-as em bancos públicos e privados. Essa classificação foi utilizada para: (i) eliminar as entradas da ESTBAN classificadas como bancos públicos na medida da conexão financeira para bancos privados; e (ii) eliminar as entradas da ESTBAN classificadas como bancos privados na medida da conexão financeira para bancos públicos. Com as versões atualizadas da ESTBAN, recalculamos as matrizes L separadamente - uma utilizando apenas os bancos públicos e outra apenas os bancos privados. A partir dessas novas matrizes de ligação, seguimos os mesmos procedimentos descritos na seção 2.1 para encontrar as medidas de conexão financeira por bancos privados e por bancos públicos, denominadas $Link-\mathrm{Pr}ivado{s}_{i,j,t}$ e $Link-P\acute{u}bli{\cos }_{i,j,t}$, respectivamente.

A Tabela 2 reporta os resultados das mesmas especificações da Tabela 1, porém com os efeitos separados por tipo de rede bancária. Primeiramente, observamos que os coeficientes de integração bancária gerada por bancos públicos e por bancos privados são significantes a 1% em todas as quatro especificações. Além disso, os sinais desses coeficientes são opostos, negativo no caso de bancos públicos e positivo em se tratando de bancos privados. Isso indica que, ao contrário do esperado, bancos públicos estão associados a menor sincronização entre os estados, enquanto bancos privados estão associados a maior sincronização entre eles. As colunas (1) e (2) apresentam alguma evidência, a 10% de significância, de que os bancos públicos, em períodos de crise, amplificam a diferença de desempenho entre os estados, tornando-os ainda menos sincronizados. Contudo, esse efeito separador desaparece nas especificações das colunas (3) e (4).

Com relação à produtividade, não obstante ela se mostre negativamente correlacionada com sincronização a 5% de significância nas especificações (2) e (3), na coluna (4) essa associação desaparece aos níveis usuais de significância. Em períodos de crise, produtividade aumenta significantemente a sincronização entre os estados na coluna (3). Porém, essa relação não se sustenta na coluna (4). Por outro lado, em períodos de crise financeira, a produtividade reduz significativamente a sincronização entre os estados na coluna (4), mas essa relação não é sustentada na coluna (3).

Já a relação entre as nossas variáveis de interesse, as de interação entre redes bancárias e produtividade, e a sincronização possui sutilezas. Como podemos observar nas colunas (3) e (4) da Tabela 2, produtividade interage significantemente com o tipo de rede bancária. Por um lado, um aumento na diferença interestadual de produtividade creditícia, equação (16), está associada a maior sincronização entre os estados via bancos públicos. Por outro lado, esse aumento na diferença interestadual de produtividade creditícia apresenta relação oposta com a sincronização do nível de atividade dos estados quando nos restringimos à rede de bancos privados.

Esses efeitos opostos sugerem que enquanto a atuação geográfica dos bancos públicos é anticíclica, a dos bancos privados é pró-cíclica. A relação positiva entre o choque de produtividade e a sincronização entre os estados via bancos públicos é consistente com uma política de direcionamento de crédito entre os estados de forma a aproximar o nível de atividade deles. Em contrapartida, a associação negativa entre o choque de produtividade e a sincronização entre os estados via bancos privados é congruente com a canalização dos recursos bancários para os estados com economias mais aquecidas.

Conforme destacado por Kalemli-Ozcan, Papaioannou e Perri (2013), o tipo de choque também desempenha um papel importante. Diante de um choque financeiro adverso, o banco fica exposto a ativos cujos retornos diminuem, resultando em custos para o banco. Para compensar essas perdas, o banco ajusta seu comportamento. Por essa razão, também estamos interessados nas variáveis de interação entre a conexão bancária, choque de produtividade e crise financeira. Na Tabela 2, nossas estimativas mostram que, em anos de crise financeira, uma mesma diferença interestadual de produtividade creditícia está associada a uma menor sincronização entre os estados na rede gerada pelos bancos privados. Contudo, ao nos determos à rede gerada pelos bancos públicos, não observamos qualquer relação diferencial entre choques de produtividade e sincronização em anos de crise financeira.

A condição econômica agregada do país pode estar correlacionada com a sincronização do nível de atividade dos estados e com a distribuição de recursos bancários entre as unidades da federação. Por esse motivo, nós também analisamos a relação entre o diferencial de produtividade e a sincronização do nível de atividade dos estados em anos de crise agregada. Na coluna (3) da Tabela 2, nós notamos que, em anos de crise agregada, discrepâncias interestaduais de produtividade estão positivamente associadas com sincronização, mas que esse efeito desaparece na coluna (4), quando desmembramos essa relação entre as redes geradas pelos bancos privados e pelos bancos públicos. Aqui, percebemos que a rede gerada pelos bancos públicos relaciona diferenciais de produtividade a pares de estados menos sincronizados, invertendo, portanto, a associação entre as variáveis em anos sem crise. Ocorre também uma inversão na rede privada, porém ela é significante apenas a 10%.

Em resumo, a Tabela 2 mostra que as redes bancárias interestaduais possuem uma relação não trivial com a sincronização do nível de atividade dos estados. Percebemos que redes geradas por bancos públicos e redes geradas por bancos privados apresentam comportamentos distintos e que esses comportamentos respondem às condições macroeconômicas do país e a momentos de crise financeira. Adicionalmente, os resultados indicam que o nível de integração bancária, tanto para bancos públicos quanto para bancos privados, relaciona-se de forma oposta com a sincronização dos estados mesmo na ausência de choques de produtividade ou financeiros. Este resultado não foi encontrado em estudos anteriores, como os de Kalemli-Ozcan, Papaioannou e Perri (2013) e Kundu e Vats (2020). Como nosso choque de produtividade não é o único impacto idiossincrático sobre o par de estados, esse resultado pode indicar a presença de outros choques idiossincráticos não capturados pela nossa medida de produtividade, afetando tanto a sincronização quanto a conexão financeira entre os estados.

Tabela 2
Decompondo efeito de rede

	Sincronização interestadual
	(1)	(2)	(3)	(4)
log(Link - Públicos)	-0,0184***	-0,0182***	-0,0202***	-0,0214***
	(0,0040)	(0,0040)	(0,0042)	(0,0043)
log(Link - Privados)	0,0129***	0,0127***	0,0147***	0,0146***
	(0,0025)	(0,0025)	(0,0026)	(0,0026)
log(Link - Públicos) X Crise Financeira	-0,0022	-0,0022	-0,0023	-0,0045
	(0,0025)	(0,0025)	(0,0025)	(0,0036)
log(Link - Privados) X Crise Financeira	0,0015	0,0016	0,0020	0,0063**
	(0,0019)	(0,0019)	(0,0019)	(0,0028)
log(Link - Públicos) X Crise	-0,0028*	-0,0029*	-0,0023	0,0021
	(0,0016)	(0,0016)	(0,0016)	(0,0026)
log(Link - Privados) X Crise	0,0005	0,0006	-0,0002	-0,0025
	(0,0012)	(0,0012)	(0,0012)	(0,0020)
Produtividade		-0,1720**	-0,5654**	-0,2634
		(0,0725)	(0,2602)	(0,2912)
log(Link - Públicos) X Produtividade			0,2225**	0,3308***
			(0,0946)	(0,1159)
log(Link - Privados) X Produtividade			-0,2152***	-0,2351***
			(0,0636)	(0,0724)
Produtividade X Crise			0,3966***	0,0322
			(0,1403)	(0,3814)
Produtividade X Crise Financeira			-0,1901	-1,662**
			(0,2180)	(0,7798)
log(Link - Públicos) X Produtividade X Crise Financeira				0,2056
				(0,3360)
log(Link - Privados) X Produtividade X Crise Financeira				-0,4431**
				(0,2231)
log(Link - Públicos) X Produtividade X Crise				-0,4958**
				(0,2231)
log(Link - Privados) X Produtividade X Crise				0,2834*
				(0,1570)
Observações	7.020	7.020	7.020	7.020
R2	0,36618	0,36681	0,36860	0,36976
Within R2	0,08708	0,08798	0,09056	0,09223
Efeitos fixos por par de estados	✓	✓	✓	✓
Efeitos fixos por tempo	✓	✓	✓	✓
Tendência linear por par de estados	✓	✓	✓	✓
Erro padrão clusterizado por par de estados	✓	✓	✓	✓

• A unidade de observação é par de estados por ano de 2000 até 2019. A variável dependente é sincronização do PIB. As regressões incluem o log das medidas de integração financeira por par de estados, dummy de crise não financeira em nível de país, dummy de crise financeira, log da soma do PIB por par de estados, log da soma da população por par de estados, choque de produtividade por par de estados, efeitos fixos por par de estados, efeitos fixos por tempo e uma tendência linear por par de estados. As especificações usam como ponderação na construção da medida de integração financeira a soma do potencial de transferência de depósitos. Entre parênteses estão os erros-padrão clusterizados por par de estados. Os níveis de significância são representados por: * p < 0,1; ** p < 0,05; *** p < 0,01.

Em termos de significância econômica, os coeficientes na coluna (4) da Tabela 2 indicam que, para um choque de produtividade do percentil 75 da distribuição, dois estados que ampliam sua conexão financeira por bancos públicos em um desvio padrão em relação à média, um aumento semelhante ao experienciado por São Paulo e Rio de Janeiro de 2007 a 2012, têm um aumento médio na convergência das taxas de crescimento de 0,5% em períodos sem crises financeiras ou agregadas. No caso de uma crise agregada, esse aumento de produtividade implica uma queda na sincronização do produto de 0,2%. Ainda no caso de um diferencial de produtividade do percentil 75 da distribuição, dois estados que ampliam sua conexão financeira por bancos privados em um desvio padrão em relação à média experimentam uma queda média na convergência das taxas de crescimento de 0,8% em períodos sem crises financeiras ou agregadas. Na presença de uma crise agregada, observa-se um aumento na sincronização do produto de 0,2%. No caso de uma crise financeira, a convergência média cai de 2,4%. Considerando que a mediana da diferença da taxa de crescimento entre dois estados na amostra é de 3,5%, esses resultados são economicamente relevantes.

4.3. Choque de risco

O modelo teórico apresentado por Kalemli-Ozcan, Papaioannou e Perri (2013) estabelece um elo causal entre o desempenho dos ativos financeiros e os ciclos econômicos. Quando o desempenho dos ativos financeiros diminui, os bancos compensam suas perdas cobrando mais pelos empréstimos dos residentes. Assim, a demanda por crédito é afetada com o seu consequente impacto sobre o nível de atividade. Quando o desempenho melhora, os bancos cobram menos. Estimar o efeito do desempenho dos ativos financeiros sobre os ciclos econômicos exige uma estratégia que evite viés, pois o desempenho dos ativos financeiros não só influencia as flutuações econômicas, mas também é influenciado por elas. Kalemli-Ozcan, Papaioannou e Perri (2013) resolvem esse problema usando a crise de 2008 como um evento exógeno às flutuações econômicas, que afetou o retorno dos ativos.

Alternativamente, nós utilizamos uma medida de incerteza como proxy para o desempenho dos ativos financeiros. A nossa medida de incerteza adapta o método para medir produtividade proposto por Gabaix (2011) e expandido por Kundu e Vats (2020). O termo de erro da equação (15) serve como uma proxy para o choque idiossincrático de produtividade da agência em cada mês. Transformamos esse termo em um choque idiossincrático de produtividade da agência em cada ano calculando a média ponderada dos choques mensais, onde o ponderador são os empréstimos daquela agência em cada mês. Calculamos o desvio padrão desse choque para as 100 maiores agências em crédito ofertado em $t-1$ para cada estado em cada ano, denominando-o como choque de risco. Como o choque que construímos precisa ser agregado em pares de estados, nós usamos uma média ponderada, onde o ponderador é o produto interno bruto de cada estado.

A medida de incerteza afeta o desempenho dos ativos financeiros, pois uma incerteza mais alta indica que os bancos têm mais dificuldade em distinguir bons projetos de maus projetos, diminuindo o retorno esperado dos seus investimentos. Como a medida de incerteza é defasada em um período, ela não é causada pelas flutuações econômicas, mas sim as causa. Alguns dos trabalhos que fundamentam essa visão são Baker e Bloom (2013) e Christiano, Motto e Rostagno (2014).

A Tabela 3 reporta os resultados das estimações considerando o choque de risco, que substitui a variável dummy de crise financeira das especificações anteriores. A inclusão da nova variável não altera qualitativamente os resultados em relação às variáveis de interação entre ligação financeira e choque de produtividade, e entre ligação financeira, choque de produtividade e crise agregada, analisadas nas regressões anteriores.

A nossa variável de interesse é o produto entre o choque de risco, o choque de produtividade e a medida de integração financeira. Constatamos nas colunas (6) e (7) da Tabela (3) que essa interação é significante apenas para a rede bancária privada. Maior variância na produtividade das agências de um par de estados está associada a maior sincronização.

No resultado descrito na coluna (7) da Tabela 3, consideremos um diferencial de produtividade no percentil 75 da distribuição, dois estados que ampliam sua conexão financeira por meio de bancos públicos em um desvio padrão em relação à média e um choque de risco igual à média da amostra. Nesse caso, os choques idiossincráticos estaduais acompanham uma variação positiva na sincronização das taxas de crescimento de 0,5%. Ao aumentarmos o risco em um desvio padrão, essa variação positiva passa a ser de 0,4%. Adicionalmente, ao introduzirmos uma recessão a nível nacional, essa variação se torna negativa, chegando a $-\mathrm{0,2}\%$.

Nesse resultado da coluna (7) da Tabela 3, consideremos um choque de produtividade no percentil 75 da distribuição, dois estados que ampliam sua conexão financeira por meio de bancos privados em um desvio padrão em relação à média e um choque de risco igual à média da amostra. Nesse caso, a transmissão dos choques idiossincráticos estaduais segue uma variação negativa na sincronização das taxas de crescimento de 1%. Com o aumento do risco em um desvio padrão, essa variação negativa passa a ser de 0,3%. E com a adição de uma recessão a nível nacional, essa variação negativa é reduzida para $-\mathrm{0,1}\%$.

Tabela 3
Incerteza

	Sincronização interestadual
	(1)	(2)	(3)	(4)	(5)	(6)	(7)
log(Link - Públicos)	-0,0182***	-0,0200***	-0,0170***	-0,0189***	-0,0200***	-0,0206***	-0,0205***
	(0,0040)	(0,0042)	(0,0041)	(0,0042)	(0,0043)	(0,0043)	(0,0043)
log(Link - Privados)	0,0129***	0,0145***	0,0121***	0,0137***	0,0139***	0,0150***	0,0150***
	(0,0025)	(0,0025)	(0,0026)	(0,0026)	(0,0026)	(0,0025)	(0,0027)
log(Link - Públicos) X Crise	-0,0034**	-0,0030**	-0,0035**	-0,0032**	-0,0001		0,0003
	(0,0015)	(0,0015)	(0,0015)	(0,0015)	(0,0022)		(0,0022)
log(Link - Privados) X Crise	0,0009	0,0006	0,0010	0,0007	0,0001		-0,0001
	(0,0011)	(0,0011)	(0,0011)	(0,0011)	(0,0016)		(0,0016)
Produtividade		-0,4330*	-0,1718**	-0,3970	-0,2656	-0,8530**	-0,7213*
		(0,2496)	(0,0730)	(0,2513)	(0,2895)	(0,3526)	(0,3761)
log(Link - Públicos) X Produtividade		0,2077**		0,2222**	0,3484***	0,3104**	0,4330***
		(0,0897)		(0,0912)	(0,1181)	(0,1260)	(0,1518)
log(Link - Privados) X Produtividade		-0,1996***		-0,2034***	-0,2460***	-0,3405***	-0,3815***
		(0,0578)		(0,0586)	(0,0732)	(0,0841)	(0,0974)
Risco			-0,0115	-0,0112	-0,0153	-0,0998*	-0,0956
			(0,0322)	(0,0328)	(0,0334)	(0,0585)	(0,0595)
log(Link - Públicos) X Risco			-0,0190*	-0,0224*	-0,0255**	-0,0100	-0,0119
			(0,0113)	(0,0114)	(0,0117)	(0,0174)	(0,0177)
log(Link - Privados) X Risco			0,0111	0,0138	0,0151*	-0,0103	-0,0084
			(0,0085)	(0,0086)	(0,0086)	(0,0124)	(0,0125)
Produtividade X Crise					-0,5895*		-0,6950*
					(0,3490)		(0,3541)
log(Link - Públicos) X Produtividade X Crise					-0,3386*		-0,3631**
					(0,1806)		(0,1812)
log(Link - Privados) X Produtividade X Crise					0,0647		0,0680
					(0,1254)		(0,1256)
Produtividade X Risco						8,004**	8,052**
						(3,655)	(3,717)
log(Link - Públicos) X Produtividade X Risco						-1,430	-1,472
						(1,008)	(1,027)
log(Link - Privados) X Produtividade X Risco						2,327***	2,348***
						(0,8306)	(0,8472)
Observações	7.020	7.020	7.020	7.020	7.020	7.020	7.020
R2	0,36613	0,36778	0,36700	0,36807	0,36949	0,36811	0,37014
Within R2	0,08701	0,08938	0,08826	0,08980	0,09185	0,08986	0,09278
Efeitos fixos por par de estados	✓	✓	✓	✓	✓	✓	✓
Efeitos fixos por tempo	✓	✓	✓	✓	✓	✓	✓
Tendência linear por par de estados	✓	✓	✓	✓	✓	✓	✓
Erro padrão clusterizado por par de estados	✓	✓	✓	✓	✓	✓	✓

• A unidade de observação é par de estados por ano de 2000 até 2019. A variável dependente é sincronização do PIB. As regressões incluem o log das medidas de integração financeira por par de estados, dummy de crise não financeira em nível de país, log da soma do PIB por par de estados, log da soma da população por par de estados, choque de produtividade por par de estados, choque de risco por par de estados, efeitos fixos por par de estados, efeitos fixos por tempo e uma tendência linear por par de estados. As especificações usam como ponderação na construção da medida de integração financeira a soma do potencial de transferência de depósitos. As especificações usam como ponderação na construção do choque de risco o PIB. Entre parênteses estão os erros-padrão clusterizados por par de estados. Os níveis de significância são representados por: * p < 0,1; ** p < 0,05; *** p < 0,01.

5. Conclusão

Este artigo investiga como a integração bancária interestadual está associada à sincronização dos ciclos econômicos entre estados brasileiros, distinguindo o papel de bancos públicos e privados. Para tanto, construímos uma medida de conexão financeira baseada na alocação geográfica de crédito e depósitos a partir de dados administrativos do Banco Central do Brasil, o que nos permite caracterizar a estrutura da rede bancária ao longo do tempo.

Nossos resultados indicam que a integração bancária está associada à sincronização dos ciclos econômicos estaduais de maneira heterogênea, dependendo do tipo de instituição financeira e das condições econômicas relativas dos estados. Em média, a integração via bancos privados apresenta associação positiva com a sincronização dos ciclos. No caso dos bancos públicos, o efeito médio estimado é oposto e depende das especificações consideradas, sugerindo que a natureza da instituição financeira é relevante para entender como conexões financeiras se relacionam com a co-movimentação da atividade econômica.

Quando exploramos heterogeneidade associada a diferenças relativas de produtividade entre estados, os resultados mostram padrões distintos entre bancos públicos e privados. Enquanto diferenças interestaduais de produtividade na concessão de crédito estão associadas a maior sincronização das taxas de crescimento dos estados na rede pública, essas diferenças de produtividade aparecem negativamente associadas à sincronização na rede privada. Esses resultados são consistentes com a hipótese de promoção de seguro mútuo pelos bancos públicos e de comportamento pró-cíclico dos bancos privados na distribuição de recursos para empréstimos entre os estados. Ressaltamos, contudo, que o exercício empírico identifica associações condicionais e não permite observar diretamente fluxos de realocação de crédito entre estados.

Adicionalmente, ao incorporar variáveis indicadoras de crise financeira agregada, encontramos evidências de que o ambiente macroeconômico pode alterar a relação entre integração bancária e sincronização regional, ainda que tais efeitos não sejam uniformes em todas as especificações. Esses resultados sugerem que choques agregados podem interagir com a estrutura da rede bancária na determinação da co-movimentação regional, mas devem ser interpretados com cautela.

Em termos metodológicos, o trabalho contribui ao propor uma medida operacional de conexão financeira interestadual a partir de dados administrativos de alta capilaridade, permitindo analisar a estrutura da rede bancária em nível estadual ao longo de duas décadas. Do ponto de vista substantivo, os achados indicam que o tipo de instituição financeira importa para compreender a relação entre integração financeira doméstica e dinâmica regional.

Até onde sabemos, este é um dos primeiros estudos a examinar, no contexto brasileiro, a associação entre integração bancária interestadual e sincronização de ciclos econômicos distinguindo explicitamente bancos públicos e privados.

Referências

• Acemoglu, Daron, Vasco M. Carvalho, Asuman Ozdaglar e Alireza Tahbaz-Salehi. 2012. “The network origins of aggregate fluctuations”. Econometrica 80 (5): 1977-2016.
• Baker, Scott R., and Nicholas Bloom. 2013. Does Uncertainty Reduce Growth? Using Disasters as Natural Experiments NBER Working Paper No. 19475. Cambridge, MA: National Bureau of Economic Research.
• Bloom, Nicholas, Max Floetotto, Nir Jaimovich, Itay Saporta-Eksten e Stephen J. Terry. 2018. “Really uncertain business cycles”. Econometrica 86 (3): 1031-1065.
• Brei, Michael e Alfredo Schclarek. 2013. “Public bank lending in times of crisis”. Journal of Financial Stability 9 (4): 820-830.
• Brei, Michael e Alfredo Schclarek. 2015. “A theoretical model of bank lending: Does ownership matter in times of crisis?” Journal of Banking & Finance 50: 298-307.
• Carvalho, Vasco M. 2014. “From micro to macro via production networks”. Journal of Economic Perspectives 28 (4): 23-48.
• Christiano, Lawrence J., Roberto Motto e Massimo Rostagno. 2014. “Risk shocks”. American Economic Review 104 (1): 27-65.
• CODACE. "Comitê de Datação dos Ciclos Econômicos. 2020". Rio de Janeiro: Fundação Getúlio Vargas.
• Cortes, Gustavo S., Thiago Christiano Silva e Bernardus Ferdinandus Nazar van Doornik. 2019. “Credit Shock Propagation in Firm Networks: Evidence from Government Bank Credit Expansions”. Working Paper Series No. 507. Brasília: Banco Central do Brasil. Acesso em 22 ago. 2022. https://www.bcb.gov.br/content/publicacoes/WorkingPaperSeries/wps507.pdf
  » https://www.bcb.gov.br/content/publicacoes/WorkingPaperSeries/wps507.pdf
• Gabaix, Xavier. 2011. “The granular origins of aggregate fluctuations”. Econometrica 79 (3): 733-772.
• Kalemli-Ozcan, Sebnem, Elias Papaioannou e Fabrizio Perri. 2013. “Global banks and crisis transmission”. Journal of International Economics 89 (2): 495-510.
• Kundu, Shohini e Nishant Vats. 2020. “Banking networks and economic growth: from idiosyncratic shocks to aggregate fluctuations”. SSRN Working Paper No. 3556299.

♦

Os autores dedicam este trabalho à memória de nosso co-autor e saudoso amigo, Bruno de Paula Rocha. Sua contribuição intelectual foi essencial para este estudo e, sem suas ideias, este artigo não teria sido possível. Mais do que um pesquisador brilhante, Bruno foi um amigo generoso e um colega inspirador, cuja orientação, incentivo e companheirismo marcaram profundamente nossas vidas. Temos imensa gratidão pela oportunidade de, ao longo dos anos, ter convivido com ele em diferentes momentos e ambientes, dentro e fora da academia. Sua ausência deixa uma lacuna irreparável, mas seu legado permanecerá vivo por meio de suas ideias, de seu exemplo e da influência que exerceu sobre todos aqueles que tiveram o privilégio de conhecê-lo.

¹

Estatística Bancária Mensal por Município (ESTBAN) é uma base contábil publicada pelo Banco Central do Brasil com saldos mensais dos principais itens de balancete de instituições financeiras.

DECLARAÇÃO DE DISPONIBILIDADE DE DADOS

Os dados utilizados neste estudo estão disponíveis mediante solicitação ao autor. Dados adicionais e informações complementares também poderão ser fornecidos para fins de verificação ou replicação. A disponibilização está condicionada à inexistência de restrições de acesso público.

JEL Classification

E32; E44; R11.

Falecido

In memoriam

CONFLITO DE INTERESSE

Os autores declaram não terem quaisquer conflitos de interesse.

EDITOR-CHEFE

Dante Mendes Aldrighi https://orcid.org/0000-0003-2285-5694

Professor - Department of Economics University of São Paulo (USP)

EDITORES ASSOCIADOS

Mauro Rodrigues Júnior https://orcid.org/0000-0003-3745-3989

Márcio Issao Nakane https://orcid.org/0000-0002-7529-6235

Datas de Publicação

• Publicação nesta coleção
  16 Out 2026
• Data do Fascículo
  2026

Histórico

• Recebido
  02 Mar 2026
• Revisado
  12 Jun 2026
• Aceito
  13 Jun 2026