• Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
270
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. 192
  • 2. ISSN 1519-1028CGC 00.038.166/0001-05Trabalhos para Discussão Brasília n° 192 setembro 2009 p. 1-36
  • 3. Trabalhos para DiscussãoEditado pelo Departamento de Estudos e Pesquisas (Depep) – E-mail: workingpaper@bcb.gov.brEditor: Benjamin Miranda Tabak – E-mail: benjamin.tabak@bcb.gov.brAssistente Editorial: Jane Sofia Moita – E-mail: jane.sofia@bcb.gov.brChefe do Depep: Carlos Hamilton Vasconcelos Araújo – E-mail: carlos.araujo@bcb.gov.brTodos os Trabalhos para Discussão do Banco Central do Brasil são avaliados em processo de double blind referee.Reprodução permitida somente se a fonte for citada como: Trabalhos para Discussão nº 192.Autorizado por Mário Mesquita, Diretor de Política Econômica.Controle Geral de PublicaçõesBanco Central do BrasilSecre/Surel/CogivSBS – Quadra 3 – Bloco B – Edifício-Sede – 1º andarCaixa Postal 8.67070074-900 Brasília – DFTelefones: (61) 3414-3710 e 3414-3565Fax: (61) 3414-3626E-mail: editor@bcb.gov.brAs opiniões expressas neste trabalho são exclusivamente do(s) autor(es) e não refletem, necessariamente, a visão do BancoCentral do Brasil.Ainda que este artigo represente trabalho preliminar, citação da fonte é requerida mesmo quando reproduzido parcialmente.The views expressed in this work are those of the authors and do not necessarily reflect those of the Banco Central orits members.Although these Working Papers often represent preliminary work, citation of source is required when used or reproduced.Central de Atendimento ao PúblicoBanco Central do BrasilSecre/Surel/DiateSBS – Quadra 3 – Bloco B – Edifício-Sede – 2º subsolo70074-900 Brasília – DF – BrazilDDG: 0800 9792345Fax: (61) 3414-2553Internet: http//www.bcb.gov.br
  • 4. 3Inadimplência do Setor Bancário Brasileiro: uma avaliação desuas medidas*Clodoaldo Aparecido Annibal**Este Trabalho para Discussão não deve ser citado como representando as opiniões doBanco Central do Brasil. As opiniões expressas neste trabalho são exclusivamente do(s)autor(es) e não refletem, necessariamente, a visão do Banco Central do Brasil.ResumoUma das principais variáveis observadas na avaliação docomportamento do crédito bancário é o índice que mede ainadimplência no setor. Diferentes abordagens sãoutilizadas, ou foram propostas, para realizar o cálculo desteíndice. Contudo, a própria dificuldade de definirinadimplência leva a criação de medidas díspares que emalgumas vezes deixam de medir a inadimplência strictosensu. Este trabalho tem como objetivo descrever eanalisar, fazendo uso do Sistema de Informações de Créditodo Banco Central do Brasil (SCR) dentre outras fontes, ocomportamento de três dos principais índices deinadimplência encontradas na literatura. A diferença decomportamento de cada índice é observada utilizando umsistema que procura simular uma carteira de crédito pessoale utilizando técnicas estatísticas para análise de séries detempo de dados reais. A conclusão do estudo é que oindicador mais adequado para medir a inadimplência strictosensu é o obtido com base no número de operações ematraso.Palavras-chave: Risco de crédito, indicadores,inadimplênciaClassificação JEL: G21, E27, E51.*Agradeço a colaboração, os comentários e as sugestões de Sergio Mikio Koyama, Eduardo LuisLudberg, Antônio Carlos Magalhães da Silva e Ricardo Schechtman.**Departamento de Estudos e Pesquisas, Banco Central do Brasil. E-mail: clodoaldo.annibal@bcb.gov.br.
  • 5. 41. IntroduçãoProvavelmente uma das Notas para a Imprensa do Banco Central do Brasil (BC) maisaguardada nos últimos anos foi a que tratou da política monetária e operações de créditono Sistema Financeiro Nacional (SFN) divulgada em 25 de novembro de 2008.Contrapondo-se a uma situação econômica em que o crédito bancário vinha aumentandoexpressivamente conforme pode ser observado no Gráfico 1, esta Nota trouxe osprimeiros números do crédito após uma série de notícias negativas veiculadas nos meiosde comunicação a respeito da obtenção de financiamentos externos bem como sobreperdas de empresas brasileiras com instrumentos derivativos de câmbio. Este momentoadverso da economia brasileira, reflexo da situação da economia mundial, pode serconstatado claramente no Gráfico 2 de Spreads de CDS (Credit Default Swap) de títulossoberanos com prazo de 5 anos cujo pico, 600,8 bps, foi observado no dia 23.10.2008.Gráfico 1 – Volume Total das Operações de Crédito Bancário em Relação ao PIB20%24%28%32%36%40%44%2003 2004 2005 2006 2007 2008Crédito Bancário/PIBFonte: Banco Central do Brasil
  • 6. 5Gráfico 2 - Credit Default Swap Spread de 5 AnosFonte: Bloomberg Finance LPDentre os números divulgados pela Nota, um dos que são acompanhados com bastanteatenção pelo mercado financeiro é o índice que mede a inadimplência no SFN obtidopela razão entre o montante de créditos com recursos livres com atrasos superiores a 90dias e o total de créditos com recursos livres. Mas o que exatamente está medindo esteíndice de inadimplência do BC?Antes de responder esta pergunta, é importante procurar definir o conceito deinadimplência e também conhecer o de perda esperada segundo o Novo Acordo deCapital da Basiléia ou Basiléia II.1.1 Definições de InadimplênciaAinda que a palavra inadimplência apresente uma única acepção, qual seja: falta decumprimento de uma obrigação (HOUAISS, 2001). A tarefa de obter uma definiçãooperacional de inadimplência, ou default 1, para fins de avaliação de risco de crédito nãoé trivial.1Embora possa haver alguma diferença entre os conceitos de default e inadimplência, neste trabalho estestermos são utilizados com o mesmo sentido.
  • 7. 6Conforme observado por Sicsú (2003, p.330), é difícil obter um consenso entre analistasde crédito a respeito de uma definição operacional de inadimplência, pois os objetivosdos analistas podem ser conflitantes. Alguns tendem a adotar critérios mais rigorososcom o propósito de obter um sistema de classificação de risco que aprove operações decrédito de forma mais parcimoniosa. No entanto, outros analistas, preocupados com acriação de um sistema que limite os possíveis negócios de uma instituição financeira(IF), tendem a adotar uma definição menos restritiva.Não obstante a existência deste conflito de interesses, existe na literatura diversasdefinições de inadimplência que, embora sejam diferentes entre si, vão ao encontro daacepção da palavra mencionada anteriormente. Por exemplo, Westgaard e Wijst (2001,p. 339) afirmam que: “[...] entrar em default é fracassar em pagar uma quantia devida aum banco”.Já Bessis (1998, p. 82) apresenta as seguintes definições: “[...] deixar de pagar umaobrigação, quebrar um acordo, entrar em um procedimento legal ou default econômico”.Uma definição mais abrangente que a de Bessis é a adotada pelo BCBS (BaselCommittee on Banking Supervision – Comitê da Basiléia sobre Supervisão Bancária)(2006, p. 100):Considera-se ter ocorrido default em relação a um devedor específico quando um ou ambos oseventos seguintes tenham acontecido:• O banco considera improvável que o devedor pague na totalidade suas obrigações aoconglomerado financeiro sem que este tenha que recorrer a ações tais como a realização degarantias (se possuir);• O devedor está atrasado em mais de 90 dias em alguma obrigação material com oconglomerado financeiro. Saques a descoberto são considerados como operações em atrasoquando o cliente infringir um limite recomendado ou tenha lhe sido recomendado um limitemenor que a dívida atual.No que diz respeito ao prazo para caracterização de inadimplência utilizado pelo BCBS,Verrone (2007, p. 119) manifesta a preocupação de algumas IFs brasileiras quanto à
  • 8. 7necessidade de alteração de seus modelos internos uma vez que a prática mais comumde mercado é utilizar o prazo de 60 dias.Neste estudo, para fins de comparação de diferentes conceitos de inadimplência, éutilizado um conceito de inadimplência stricto senso que procura harmonizar aquelesdefinidos por Westgaard e Wijst (2001) e Bessis (1998), qual seja: o fracasso em pagardeterminada quantia nos termos do contrato original da operação de crédito.1.2 Perda Esperada segundo Basiléia IINo crédito bancário é natural que algumas perdas ocorram ao longo do tempo. Todavia,embora uma IF não possa conhecer de antemão as perdas que incorrerá em determinadoperíodo, ela pode, dada a sua experiência no ramo, estimar um nível de perda para esteperíodo. No contexto de Basiléia II esta estimativa é conhecida por Perda Esperada ouEL do inglês Expected Losses.Segundo o BCBS (2005), a EL é o produto de três fatores distintos:a. A proporção de devedores que apresentarão uma situação de default em umdeterminado horizonte de tempo (PD – Probability of Default);b. A exposição da IF a estes devedores no momento do default (EAD – Exposureat Default); ec. O percentual desta exposição que não será recuperado em caso de ocorrência dodefault (LGD – Loss Given Default).Isto posto, o montante da EL pode ser encontrado com a seguinte equação:LGDEDPDEL **=Os índices de inadimplência encontrados na literatura e utilizados na divulgação dedados sobre o mercado de crédito bancário adotam diferentes abordagens que abrangemum ou mais componentes da EL. Neste trabalho, estas diferentes abordagens estãocategorizadas em três diferentes tipos: Provisão, Exposição e Quantidade.
  • 9. 82. Índices de Inadimplência2.1 Abordagem por ProvisãoPodem ser classificados nesta categoria os índices que propõem medir a inadimplênciado setor bancário por intermédio da razão entre as provisões constituídas em umperíodo, ajustadas pelas reversões, e o saldo total médio das operações de crédito. Oíndice proposto por Costa e Blum (2008), assim como a primeira medida deinadimplência utilizada por Nakane (2003), são alguns exemplos desta abordagem.Uma vez que as provisões são constituídas para fazer frente às estimativas de perdas noportfolio de crédito das IFs, os índices de inadimplência que utilizam este conceito nãoestão medindo a inadimplência stricto senso, pois a constituição correta de provisõespara perdas esperadas não considera apenas a falta de cumprimento de uma obrigação (ainadimplência stricto senso), mas também a exposição que a IF terá junto ao devedor nomomento da inadimplência e o montante que poderá ser recuperado.Um outro aspecto importante a ser observado é a prática de gerenciamento de resultadosutilizando os mecanismos de constituição e reversão de provisões para crédito deliquidação duvidosa. De acordo com Fuji (2004), existem evidências de que algumasIFs brasileiras adotam essa prática. Assim, mesmo para fins de apuração de estimativasde perdas, as provisões constituídas podem não representar adequadamente estesvalores.Todavia, conforme discutido por Costa e Blum (2008), medidas que utilizam o nível deprovisionamento das IFs podem ser bastante úteis na análise do spread bancário, nãoporque medem com mais precisão a inadimplência, mas porque o apreçamento de umaoperação de crédito é realizado considerando todas as estimativas de custos e despesasincluindo perdas com operações de crédito e margem de lucro desejada. Assim, paramensurar a parcela do spread bancário responsável pela absorção destas perdas énecessário considerar a perda esperada com seus três componentes: PD, EAD e LGD.Tendo em vista que os índices fundamentados em provisões estão sujeitos a algunscritérios subjetivos das IFs, para fins de comparação de desempenho com os demais
  • 10. 9índices apresentados neste trabalho, o índice construído segundo esta abordagem, Índicede Inadimplência por Provisão (IIP), será analisado apenas com a utilização de dadosreais.2.2 Abordagem por ExposiçãoNesta categoria podem ser classificados os índices que calculam a inadimplênciasegundo a razão entre o montante de operações com atraso no pagamento superior a umdeterminado número de dias e o total da carteira de crédito. Enquadra-se nesta definiçãoo indicador de inadimplência divulgado pelo BC em sua Nota para a Imprensa dePolítica Monetária e Operações de Crédito.Novamente, índices de inadimplência que utilizam este conceito não estão medindo ainadimplência stricto senso, pois o montante de operações com atraso no pagamentotambém não considera apenas falta de cumprimento de uma obrigação, mas também aexposição da IF junto ao devedor no momento em que houve a inadimplência.Vale ressaltar que índices desta natureza são bastante utilizados para medir a qualidadedos ativos de uma IF em um determinado momento e, para este propósito, são bastanteadequados. Por exemplo, dentre os Financial Soundness Indicators (IMF, 2002), existeum indicador bastante conhecido característico desta abordagem: a razão entre créditosinadimplidos (nonperforming loans) e o total de créditos. Este indicador é utilizado emdiversos estudos tais como o de Campello (2002) e Berger e De Young (1995). Todavia,deve-se atentar ao fato de que alguns destes índices representam o quociente entre doisvalores anacrônicos (montante de operações de crédito inadimplentes contratadas nopassado comparado com o total recente das operações de crédito) e, sendo assim,eventuais descompassos podem ocorrer como, por exemplo, a redução do valor doíndice devido a um substancial aumento da concessão de credito.Nas simulações realizadas neste trabalho é utilizado um índice aos moldes do utilizadopelo BC, o Índice de Inadimplência por Exposição (IIE), cujo valor expressa oquociente entre o montante das operações de crédito com atrasos superiores a noventadias e o total de créditos.
  • 11. 102.3 Abordagem por QuantidadeNesta categoria podem ser classificados os índices que medem a inadimplência comosendo a razão entre o número de operações inadimplentes e o número total deoperações. Enquadram-se nesta definição os índices utilizados por Chiu (2003),Virolainen (2004) e Jiménez e Mencía (2007).Índices construídos desta forma medem efetivamente a inadimplência stricto senso, poisapenas a falta de cumprimento de uma obrigação esta sendo considerada no cômputo deseus valores.Nas análises realizadas neste trabalho será utilizado um índice cuja sigla é IIQ (Índicede Inadimplência por Quantidade). O IIQ é construído de forma semelhante ao índiceutilizado por Jiménez e Mencía (2007) em que somente as novas operaçõesinadimplentes são consideradas na apuração de seu valor.3. Simulação da Carteira de CréditoPara avaliar o comportamento dos índices que utilizam as abordagens de exposição equantidade2, foi gerado um conjunto de operações utilizando-se como parâmetros(número, valor e prazo das operações) os valores observados na carteira de créditopessoal de uma grande IF informante do Sistema de Informações de Crédito do BancoCentral do Brasil (SCR). As principais características deste sistema são:3.1 FasesO sistema de simulação foi executado com 1.500 unidades de tempo que podem serconsideradas como dias úteis. Estes 1.500 dias úteis da simulação podem ser divididosem 4 fases 3, sendo:2Conforme dito anteriormente, a abordagem por provisão será analisada apenas com a utilização dedados reais devido à existência de fatores subjetivos que influenciam a constituição de provisões.3Para fins de apresentação de resultados, cada 21 dias úteis representam 30 dias comerciais ousimplesmente 30 dias
  • 12. 11• De 1 a 490 – Inicialização do sistema (estes dados não foram utilizados naanálise de resultados);• De 491 a 700 – Fase pré-choque;• De 701 a 742 – Fase de choque;• De 743 a 1.500 – Fase pós-choque.3.2 Número de OperaçõesFoi estabelecido que o intervalo de tempo T entre cada operação segue uma distribuiçãode Poisson com o parâmetro λ igual a 0,0005, isto é, uma média de 2.000 operações pordia útil.43.3 Valor das OperaçõesO valor simulado das operações V segue uma distribuição de Lognormal deslocada emR$ 5.000,00 com parâmetros μ igual a R$ 10.000,00 e σ igual a R$ 8.700,00.53.4 Prazo das operaçõesO prazo P de vencimento da última parcela da operação no momento da concessão. Estavariável possui uma distribuição uniforme com um valor mínimo igual a 21 dias úteis emáximo igual a 490 dias úteis.3.5 Valor das prestaçõesO valor de cada prestação VP é igual a)21(PV.4A distribuição de Poisson foi escolhida devido às suas propriedades características que se adéquam aoperfil de uma carteira de crédito pessoal, quais sejam, independência entre as operações e médiaconhecida de ocorrência de eventos em um determinado período de tempo.5O SCR detalha apenas as operações de crédito acima de R$ 5.000,00. A distribuição Lognormal éutilizada pois, nos testes de aderência realizados, foi a mais semelhante à distribuição empírica dosvalores das operações da amostra.
  • 13. 123.6 Probabilidade de InadimplênciaA probabilidade de inadimplência PD de cada operação é igual a 1,5% e a probabilidadede inadimplência de cada uma das prestações IP é dada por:])1,21()1ln([1PdecorrerMaxPDeIP−−=Onde Pdecorrer é o prazo que ainda resta para o vencimento da última parcela daoperação.Durante o período de choque positivo, a probabilidade de inadimplência das parcelasdas operações passa a ser igual a 21*IP. Durante o choque negativo, passa a ser igual a2-1*IP.3.7 Recuperação das operações inadimplentesAs operações que apresentam atraso são recuperadas de acordo com a seguinte regra:• Com atraso de 1 a 30 dias (1 a 21 dias úteis), 30% retornam ao curso normal;• Com atraso de 31 a 60 dias (22 a 42 dias úteis), 10% retornam ao curso normal;• Com atraso de 61 a 90 dias (43 a 63 dias úteis), 5% retornam ao curso normal; e• 100% das operações com mais de 90 dias de atraso (63 dias úteis) são baixadaspara prejuízo após o transcurso de 360 dias de atraso (252 dias úteis).3.8 Índices de InadimplênciaPara cada uma das três abordagens de inadimplência foi criado um índice diferente paraavaliação. São eles:
  • 14. 133.8.1 Inadimplência por Provisão - IIPEmbora não tenha sido utilizado nas simulações realizadas devido às razõesapresentadas anteriormente, é possível construir o IIP com dados reais tendo comoembasamento os critérios estabelecidos pela Resolução 2.682 do Conselho MonetárioNacional.Esta Resolução determina o percentual mínimo de provisão que deve ser constituídapara cada operação segundo sua classificação de risco. A Tabela 1 apresenta esterelacionamento.Tabela 1 – Provisões para Devedores DuvidososDeste modo, o IIP é igual ao quociente entre o somatório das provisões mínimasconstituídas e o total da carteira de crédito tal como o indicador proposto por Costa eBlum (2008).3.8.2 Inadimplência por ExposiçãoO Índice de Inadimplência por Exposição (IIE) criado procurou replicar o divulgadoatualmente pelo BC em sua Nota para a Imprensa de Política Monetária e Operações deCrédito. Assim, o índice mede a razão entre o montante das operações com atrasossuperiores a 90 dias e o total das operações.Classificação de Riscoda OperaçãoPercentual Mínimode ProvisãoAA 0.0%A 0.5%B 1.0%C 3.0%D 10.0%E 30.0%F 50.0%G 70.0%H 100.0%
  • 15. 143.8.3 Inadimplência por Quantidade - IIQO Índice de Inadimplência por Quantidade (IIQ) utilizado neste estudo assemelha-se aoempregado por Jiménez e Mencía (2007) observado-se, contudo, as peculiaridades doSCR. Assim, o índice é igual ao quociente entre o número de novas operações queapresentaram atraso entre 61 e 90 dias no instante T e o número de operações sem atrasono instante T menos 90 dias (63 dias úteis).4. Resultados4.1 Da SimulaçãoOs Gráficos 3 e 4 apresentam o comportamento dos índices de inadimplência nasimulação realizada. Mesmo sem observar as estatísticas descritivas constantes naTabela 2, é possível verificar que o índice que apresenta maior sensibilidade os choquesde inadimplência é o IIQ.6Gráfico 3 – Simulação do IIE1,00%0,90%0,80%0,70%0,60%500 600 700 800 900 1000 1100 1200 1300 1400 1500Exposição - Choque Negativo Exposição - Choque Positivo Exposição - Sem Choque - 2 DP + 2 DPDias úteis6Conforme mencionado anteriormente, o IIP será analisado apenas com a utilização de dados reais pois,os critérios de constituição de provisões estão sujeitos a fatores subjetivos de cada IF que não podem seradequadamente simulados.
  • 16. 15Gráfico 4 – Simulação do IIQ0,20%0,18%0,16%0,14%0,12%0,10%0,08%0,06%0,04%500 600 700 800 900 1000 1100 1200 1300 1400 1500Default - Choque Negativo Default - Choque Positivo Default - Sem Choque - 2 DP + 2 DPDias úteisUm índice de inadimplência perfeito seria aquele que fosse capaz de identificar asalterações de inadimplência no momento em que ocorrem e na sua exata magnitude.Uma vez que está sendo utilizado um sistema de simulação, os momentos das alteraçõese suas magnitudes são conhecidos com precisão. Na Tabela 2, o índice denominadoBenchmark apresenta as informações reais de inadimplência da simulação. Assim, omelhor índice de medição de inadimplência será aquele cujas estatísticas mais seassemelhem às do Benchmark.
  • 17. 16Tabela 2 – Estatísticas da SimulaçãoÀ exceção do valor médio que indica uma maior similaridade entre o valor obtido apartir do IIE frente ao IIQ, todos os demais números apresentados demonstram umaclara primazia do IIQ na medição da inadimplência.Contudo, é importante ressaltar que para nenhum dos índices era esperado que osvalores médios das séries sem choque fossem iguais à probabilidade de inadimplênciada operação, 1,5%. Por ser um índice que observa o estoque das operaçõesinadimplidas, o IIE tenderia a 1,5% somente na hipótese de não haver recuperação dasoperações de crédito. Já o valor do IIQ, por considerar apenas as novas operaçõesinadimplentes, ou seja, por observar o fluxo e não o estoque de operações inadimplidas,tende a ser igual ao valor médio da inadimplência das parcelas corrigido pelo percentualde recuperação das operações. Todavia, estes aspectos influenciam apenas a escala dosíndices e a análise do comportamento da inadimplência independe da escala utilizada.Voltando a analisar o resultado dos índices, pode ser verificado que tanto nos choquespositivos quanto nos negativos, o IIQ é muito mais próximo do Benchmark naBenchmark IIQ IIEMédia (Sem Choque) 1.500% 0.081% 0.702%Desvio-padrão (Sem Choque) 0.000% 0.004% 0.038%Coeficiente de Variação (Sem Choque) 0.000% 5.203% 5.396%Momento de Identificação do Início doChoque Positivo700 745 798Momento de Identificação do Fim doChoque Positivo742 800 959Duração do Choque Positivo 42 55 161Magnitude do Choque Positivo 2.00 2.03 1.24Momento de Identificação do Início doChoque Negativo700 749 790Momento de Identificação do Fim doChoque Negativo742 805 966Duração do Choque Negativo 42 56 176Magnitude do Choque Negativo 0.50 0.49 0.86Tipo de Índice
  • 18. 17identificação do início e fim dos choques (pontos em os índices cruzam seus valoresmédios sem choques acrescidos/reduzidos de dois desvios-padrão).As durações (diferença em dias entre a identificação do início do choque e seu fim) e asmagnitudes (relação entre o valor máximo/mínimo da série com choquepositivo/negativo em relação ao valor médio na série sem choque) dos choques deinadimplência também são melhor capturados pelo IIQ que pelo IIE. Vale ressaltarinclusive que, conforme pode ser observado no Gráfico 2, o choque negativo medidopelo IIE apresenta uma descontinuidade entre os pontos identificados como início e fimde choque.4.2 Dos Dados ReaisEmbora a simulação de resultados já forneça uma boa visualização do comportamentodos índices em diferentes circunstâncias, a utilização de dados reais também pode ser debastante utilidade para avaliar a performance comparativa dos índices de inadimplência.Entretanto, diferentemente do que ocorre no ambiente simulado, os dados disponíveispara esta pesquisa não permitem determinar com precisão as flutuações dainadimplência real das operações de crédito. Assim, não é possível utilizar um índiceque cumpra o papel desempenhado pelo Benchmark utilizado na simulação.Contudo, o problema gerado pela falta deste índice de referência pode ser parcialmenteresolvido se for utilizado algum indicador que esteja relacionado com a inadimplênciareal das operações de crédito.Neste estudo, é utilizado o índice mensal da Produção Física Industrial para a IndústriaGeral divulgado pelo IBGE (IPFI) para os meses de abril de 2003 a janeiro de 2009como uma referência para se conhecer a inadimplência de pessoas jurídicas ao longo dotempo. Naturalmente a inadimplência real deve ter uma correlação negativa com esteíndice, uma vez que o aumento da produção industrial é um indicativo de uma atividadeeconômica em expansão que, por conseguinte, induz uma redução na taxa deinadimplência de pessoas jurídicas. Desta forma, o índice de medição de inadimplênciadeve apresentar um comportamento inverso ao do IPFI.
  • 19. 18Utilizando dados divulgados pelo BC e/ou disponíveis no SCR referentes aos meses deabril de 2003 a janeiro de 2009 foi possível calcular para pessoas jurídicas os trêsíndices discutidos neste trabalho: IIP, IIE e IIQ.O IIP foi calculado utilizando a metodologia proposta por Costa e Blum (2008). O IIE éa própria série de inadimplência de pessoas jurídicas divulgado pelo BC (série código7.937) na Nota para a Imprensa de Política Monetária e Operações de Crédito doSistema Financeiro. Já o IIQ foi calculado utilizando os dados disponíveis no SCRsegundo a mesma metodologia apresentada na simulação.Para facilitar a visualização da relação dos índices de inadimplência com o IPFI, sobreessas séries foi aplicado o filtro de Hodrick-Prescott com o valor de Lambda igual a15,426 para a obtenção da tendência de cada uma e, posteriormente, foramnormalizadas para que pudessem ser apresentadas em um gráfico de mesma escala,Gráfico 5.7Gráfico 5 – Tendências dos Índices-5-4-3-2-101232003 2004 2005 2006 2007 2008IPFI IIQ IIE IIPObservando o Gráfico 5 pode ser constatado que o IIQ e IIE apresentam um aparentecomportamento inverso ao do IPFI enquanto que a relação inversa entre o IIP e o IPFI ébem mais sutil.7O valor de Lambda foi escolhido em função do número de observações disponíveis (70 observações).Detalhes sobre a seleção do valor lambda para a aplicação do filtro de Hodrick-Prescott em função donúmero de observações disponíveis podem ser consultados em Del Río e Maravall (2001).
  • 20. 19Prosseguido com a análise do Gráfico 5, o IIQ aparenta ser um instrumento de mediçãoda inadimplência mais apropriado que o IIE, pois sua defasagem em relação ao IPFImostra-se menor. De fato, realizando um teste de autocorrelação cruzada entre IPFI eIIQ, Gráfico 6, e entre IPFI e IIE, Gráfico 7, a defasagem significante entre IPFI e IIQ,nove meses, é menor que a defasagem significante entre IPFI e IIE de catorze meses.8Gráfico 7 - Autocorrelação cruzada das primeiras diferenças de IPFI e IIQ8Antes de realizar o teste de autocorrelação cruzadas, as séries originais foram estacionalizadas utilizandosuas primeiras diferenças.
  • 21. 20Gráfico 8 - Autocorrelação cruzada das primeiras diferenças de IPFI e IIE5. ConclusõesA literatura a respeito de inadimplência no setor bancário apresenta diversas abordagensde mensuração. As principais abordagens identificadas foram:Por Provisão – Aquelas que propõem medir a inadimplência do setor bancário porintermédio da razão entre as provisões constituídas e o saldo total das operações decrédito;Por Exposição – As que calculam a inadimplência segundo a razão entre o montante deoperações com atraso no pagamento superior a um determinado número de dias e o totalda carteira de crédito; ePor Quantidade – As que medem a inadimplência de acordo com a proporção donúmero de operações inadimplidas e o número total de observações passíveis deinadimplência.As simulações realizadas no estudo mostraram que o indicador de inadimplência queutiliza a abordagem por quantidade, o IIQ, é o que apresenta os melhores resultados na
  • 22. 21mensuração da inadimplência, posto que foi o mais preciso na medição da magnitude edo momento em que ela ocorreu.A avaliação com dados reais, utilizando dados do BC e do IBGE, também foi possívelverificar a superioridade da abordagem por quantidade. O IIQ foi o indicador queapresentou a menor defasagem em relação à inadimplência de pessoas jurídicas,deduzida pela observação do comportamento da Produção Física Industrial.Assim sendo, pode-se concluir que para medir a inadimplência stricto senso, isto é, ainadimplência cujo significado é o não cumprimento de uma obrigação, são maisadequados os indicadores que utilizam a abordagem por quantidade conforme adefinição apresentada neste estudo. Todavia, vale ressaltar que os indicadores queutilizam outras abordagens também são importantes na análise do comportamento docrédito do setor bancário, pois são medidas mais adequadas quando o propósito daanálise é, por exemplo, analisar a evolução do spread bancário ou a qualidade dascarteiras de crédito de IFs ou segmentos do SFN.
  • 23. 22ReferênciasBASEL COMMITTEE ON BANKING SUPERVISION – BCBS. An ExplanatoryNote on Basel II IRB Risk Weight Functios. Basel: Bank for International Settlements,2005.______. International convergence of capital measurement and capital standards: arevised framework comprehensive version. Basel, 2006. Disponível em:<http://www.bis.org/publ/bcbs128.pdf>. Acesso em: 10/12/2008.BERGER, Allen N. e DE YOUNG, Robert. Problem Loans and Cost Efficiency inCommercial Banks. WFIC 96-01. Disponível em: <http://ssrn.com/abstract=2277>.Acesso em: 17/12/2008.BESSIS, Joel. Risk management in banking. Chichester: John Wiley & Sons, 1998.CAMPELLO, Murillo. Internal Capital Markets in Financial Conglomerates: Evidencefrom Small Bank Responses to Monetary Policy. The Journal of Finance. n. 6, v. 57, p.2773-2805. Blackwell Publishing for the American Finance Association, 2002.CHIU, Li-ching. Study and Comparation of Default Rates of Defaulted Enterprises.JCIC Column. Taipei: Joint Credit Information Center, 2003. Disponível em:<http://www.jcic.org.tw/publish/041203.doc>. Acesso em: 10/12/2008.COSTA, Ana Carla Abrão; BLUM, Denis. Inadimplência no Setor Bancário Brasileiro:Uma Medida Alternativa. Tecnologia de Crédito. São Paulo: Serasa, n. 9, v. 65, p. 39-55, 2008.DEL RÍO, Ana; MARAVALL Agustín. Time Aggregation and the Hodrick-prescottFilter. Documentos de Trabajo No. 0108. Madrid: Banco de España, 2001. Disponívelem: <http://www.bde.es/informes/be/docs/dt0108e.pdf>. Acesso em: 11/04/2009.FUJI, Alessandra Hirano. Gerenciamento de resultados contábeis no âmbito dasinstituições financeiras atuantes no Brasil. São Paulo, 2004. Dissertação (Mestradoem Ciências Contábeis) – Programa de Pós-graduação em Ciências Contábeis,Departamento de Contabilidade e Atuária, Faculdade de Economia, Administração eContabilidade da Universidade de São Paulo.HOUAISS, Antonio. Dicionário Houaiss da Língua Portuguesa. Rio de Janeiro:Objetiva, 2001.INTERNATIONAL MONETARY FUND. Financial Soundness Indicators: AnalyticalAspects and Country Practices. Occasional Paper 212. Washington: IMF, 2002.JIMÉNEZ, Gabriel; MENCÍA, Javier. Modelling the distribution of credit losses withobservable and latent factors. Documentos de Trabajo No. 0709. Madrid: Banco deEspaña, 2007. Disponível em: <http://www.bde.es/informes/be/docs/dt0709e.pdf>.Acesso em: 11/11/2008.NAKANE, Márcio I. Taxa de Empréstimos e Inadimplência. Informações FIPE. SãoPaulo: FIPE, v.273, p. 15-17, 2003.SICSÚ, Abraham Laredo. Desenvolvimento de um Sistema de Credit Scoring. In:DUARTE JUNIOR, Antônio Marcos; VARGA, Gyorgy (Org.). Gestão de Riscos noBrasil. 1. ed. Rio de Janeiro: Financial Consultoria, 2003.VERRONE, Marco Antônio Guimarães. Basiléia II no Brasil: uma reflexão com focona regulação bancária para risco de crédito – Resolução CMN 2.682/99. 2007. 155 f.
  • 24. 23Dissertação (Mestrado em Administração) – Faculdade de Economia, Administração eContabilidade, Universidade de São Paulo, São Paulo.VIROLAINEN, Kimmo. Macro stress testing with a macroeconomic credit risk modelfor Finland. Bank of Finland Discussion Papers 18/2004. Helsinki: Bank of Finland,2004. Disponível em: <http://ssrn.com/abstract=622682>. Acesso em: 02/12/2008.WESTGAARD, Sjur; WIJST, Nico van der. Default probabilities in a corporate bankportfolio: A logistic model approach. European Journal of Operacional Research,[S.l.], v. 135, p. 338-349, 2001.
  • 25. 24Banco Central do BrasilTrabalhos para DiscussãoOs Trabalhos para Discussão podem ser acessados na internet, no formato PDF,no endereço: http://www.bc.gov.brWorking Paper SeriesWorking Papers in PDF format can be downloaded from: http://www.bc.gov.br1 Implementing Inflation Targeting in BrazilJoel Bogdanski, Alexandre Antonio Tombini and Sérgio Ribeiro da CostaWerlangJul/20002 Política Monetária e Supervisão do Sistema Financeiro Nacional noBanco Central do BrasilEduardo LundbergMonetary Policy and Banking Supervision Functions on the CentralBankEduardo LundbergJul/2000Jul/20003 Private Sector Participation: a Theoretical Justification of the BrazilianPositionSérgio Ribeiro da Costa WerlangJul/20004 An Information Theory Approach to the Aggregation of Log-LinearModelsPedro H. AlbuquerqueJul/20005 The Pass-Through from Depreciation to Inflation: a Panel StudyIlan Goldfajn and Sérgio Ribeiro da Costa WerlangJul/20006 Optimal Interest Rate Rules in Inflation Targeting FrameworksJosé Alvaro Rodrigues Neto, Fabio Araújo and Marta Baltar J. MoreiraJul/20007 Leading Indicators of Inflation for BrazilMarcelle ChauvetSep/20008 The Correlation Matrix of the Brazilian Central Bank’s Standard Modelfor Interest Rate Market RiskJosé Alvaro Rodrigues NetoSep/20009 Estimating Exchange Market Pressure and Intervention ActivityEmanuel-Werner KohlscheenNov/200010 Análise do Financiamento Externo a uma Pequena EconomiaAplicação da Teoria do Prêmio Monetário ao Caso Brasileiro: 1991–1998Carlos Hamilton Vasconcelos Araújo e Renato Galvão Flôres JúniorMar/200111 A Note on the Efficient Estimation of Inflation in BrazilMichael F. Bryan and Stephen G. CecchettiMar/200112 A Test of Competition in Brazilian BankingMárcio I. NakaneMar/2001
  • 26. 2513 Modelos de Previsão de Insolvência Bancária no BrasilMarcio Magalhães JanotMar/200114 Evaluating Core Inflation Measures for BrazilFrancisco Marcos Rodrigues FigueiredoMar/200115 Is It Worth Tracking Dollar/Real Implied Volatility?Sandro Canesso de Andrade and Benjamin Miranda TabakMar/200116 Avaliação das Projeções do Modelo Estrutural do Banco Central doBrasil para a Taxa de Variação do IPCASergio Afonso Lago AlvesEvaluation of the Central Bank of Brazil Structural Model’s InflationForecasts in an Inflation Targeting FrameworkSergio Afonso Lago AlvesMar/2001Jul/200117 Estimando o Produto Potencial Brasileiro: uma Abordagem de Funçãode ProduçãoTito Nícias Teixeira da Silva FilhoEstimating Brazilian Potential Output: a Production Function ApproachTito Nícias Teixeira da Silva FilhoAbr/2001Aug/200218 A Simple Model for Inflation Targeting in BrazilPaulo Springer de Freitas and Marcelo Kfoury MuinhosApr/200119 Uncovered Interest Parity with Fundamentals: a Brazilian ExchangeRate Forecast ModelMarcelo Kfoury Muinhos, Paulo Springer de Freitas and Fabio AraújoMay/200120 Credit Channel without the LM CurveVictorio Y. T. Chu and Márcio I. NakaneMay/200121 Os Impactos Econômicos da CPMF: Teoria e EvidênciaPedro H. AlbuquerqueJun/200122 Decentralized Portfolio ManagementPaulo Coutinho and Benjamin Miranda TabakJun/200123 Os Efeitos da CPMF sobre a Intermediação FinanceiraSérgio Mikio Koyama e Márcio I. NakaneJul/200124 Inflation Targeting in Brazil: Shocks, Backward-Looking Prices, andIMF ConditionalityJoel Bogdanski, Paulo Springer de Freitas, Ilan Goldfajn andAlexandre Antonio TombiniAug/200125 Inflation Targeting in Brazil: Reviewing Two Years of Monetary Policy1999/00Pedro FachadaAug/200126 Inflation Targeting in an Open Financially Integrated EmergingEconomy: the Case of BrazilMarcelo Kfoury MuinhosAug/200127 Complementaridade e Fungibilidade dos Fluxos de CapitaisInternacionaisCarlos Hamilton Vasconcelos Araújo e Renato Galvão Flôres JúniorSet/2001
  • 27. 2628 Regras Monetárias e Dinâmica Macroeconômica no Brasil: umaAbordagem de Expectativas RacionaisMarco Antonio Bonomo e Ricardo D. BritoNov/200129 Using a Money Demand Model to Evaluate Monetary Policies in BrazilPedro H. Albuquerque and Solange GouvêaNov/200130 Testing the Expectations Hypothesis in the Brazilian Term Structure ofInterest RatesBenjamin Miranda Tabak and Sandro Canesso de AndradeNov/200131 Algumas Considerações sobre a Sazonalidade no IPCAFrancisco Marcos R. Figueiredo e Roberta Blass StaubNov/200132 Crises Cambiais e Ataques Especulativos no BrasilMauro Costa MirandaNov/200133 Monetary Policy and Inflation in Brazil (1975-2000): a VAR EstimationAndré MinellaNov/200134 Constrained Discretion and Collective Action Problems: Reflections onthe Resolution of International Financial CrisesArminio Fraga and Daniel Luiz GleizerNov/200135 Uma Definição Operacional de Estabilidade de PreçosTito Nícias Teixeira da Silva FilhoDez/200136 Can Emerging Markets Float? Should They Inflation Target?Barry EichengreenFeb/200237 Monetary Policy in Brazil: Remarks on the Inflation Targeting Regime,Public Debt Management and Open Market OperationsLuiz Fernando Figueiredo, Pedro Fachada and Sérgio GoldensteinMar/200238 Volatilidade Implícita e Antecipação de Eventos de Stress: um Teste parao Mercado BrasileiroFrederico Pechir GomesMar/200239 Opções sobre Dólar Comercial e Expectativas a Respeito doComportamento da Taxa de CâmbioPaulo Castor de CastroMar/200240 Speculative Attacks on Debts, Dollarization and Optimum CurrencyAreasAloisio Araujo and Márcia LeonApr/200241 Mudanças de Regime no Câmbio BrasileiroCarlos Hamilton V. Araújo e Getúlio B. da Silveira FilhoJun/200242 Modelo Estrutural com Setor Externo: Endogenização do Prêmio deRisco e do CâmbioMarcelo Kfoury Muinhos, Sérgio Afonso Lago Alves e Gil RiellaJun/200243 The Effects of the Brazilian ADRs Program on Domestic MarketEfficiencyBenjamin Miranda Tabak and Eduardo José Araújo LimaJun/2002
  • 28. 2744 Estrutura Competitiva, Produtividade Industrial e Liberação Comercialno BrasilPedro Cavalcanti Ferreira e Osmani Teixeira de Carvalho GuillénJun/200245 Optimal Monetary Policy, Gains from Commitment, and InflationPersistenceAndré MinellaAug/200246 The Determinants of Bank Interest Spread in BrazilTarsila Segalla Afanasieff, Priscilla Maria Villa Lhacer and Márcio I. NakaneAug/200247 Indicadores Derivados de Agregados MonetáriosFernando de Aquino Fonseca Neto e José Albuquerque JúniorSet/200248 Should Government Smooth Exchange Rate Risk?Ilan Goldfajn and Marcos Antonio SilveiraSep/200249 Desenvolvimento do Sistema Financeiro e Crescimento Econômico noBrasil: Evidências de CausalidadeOrlando Carneiro de MatosSet/200250 Macroeconomic Coordination and Inflation Targeting in a Two-CountryModelEui Jung Chang, Marcelo Kfoury Muinhos and Joanílio Rodolpho TeixeiraSep/200251 Credit Channel with Sovereign Credit Risk: an Empirical TestVictorio Yi Tson ChuSep/200252 Generalized Hyperbolic Distributions and Brazilian DataJosé Fajardo and Aquiles FariasSep/200253 Inflation Targeting in Brazil: Lessons and ChallengesAndré Minella, Paulo Springer de Freitas, Ilan Goldfajn andMarcelo Kfoury MuinhosNov/200254 Stock Returns and VolatilityBenjamin Miranda Tabak and Solange Maria GuerraNov/200255 Componentes de Curto e Longo Prazo das Taxas de Juros no BrasilCarlos Hamilton Vasconcelos Araújo e Osmani Teixeira de Carvalho deGuillénNov/200256 Causality and Cointegration in Stock Markets:the Case of Latin AmericaBenjamin Miranda Tabak and Eduardo José Araújo LimaDec/200257 As Leis de Falência: uma Abordagem EconômicaAloisio AraujoDez/200258 The Random Walk Hypothesis and the Behavior of Foreign CapitalPortfolio Flows: the Brazilian Stock Market CaseBenjamin Miranda TabakDec/200259 Os Preços Administrados e a Inflação no BrasilFrancisco Marcos R. Figueiredo e Thaís Porto FerreiraDez/200260 Delegated Portfolio ManagementPaulo Coutinho and Benjamin Miranda TabakDec/2002
  • 29. 2861 O Uso de Dados de Alta Freqüência na Estimação da Volatilidade edo Valor em Risco para o IbovespaJoão Maurício de Souza Moreira e Eduardo Facó LemgruberDez/200262 Taxa de Juros e Concentração Bancária no BrasilEduardo Kiyoshi Tonooka e Sérgio Mikio KoyamaFev/200363 Optimal Monetary Rules: the Case of BrazilCharles Lima de Almeida, Marco Aurélio Peres, Geraldo da Silva e Souzaand Benjamin Miranda TabakFeb/200364 Medium-Size Macroeconomic Model for the Brazilian EconomyMarcelo Kfoury Muinhos and Sergio Afonso Lago AlvesFeb/200365 On the Information Content of Oil Future PricesBenjamin Miranda TabakFeb/200366 A Taxa de Juros de Equilíbrio: uma Abordagem MúltiplaPedro Calhman de Miranda e Marcelo Kfoury MuinhosFev/200367 Avaliação de Métodos de Cálculo de Exigência de Capital para Risco deMercado de Carteiras de Ações no BrasilGustavo S. Araújo, João Maurício S. Moreira e Ricardo S. Maia ClementeFev/200368 Real Balances in the Utility Function: Evidence for BrazilLeonardo Soriano de Alencar and Márcio I. NakaneFeb/200369 r-filters: a Hodrick-Prescott Filter GeneralizationFabio Araújo, Marta Baltar Moreira Areosa and José Alvaro Rodrigues NetoFeb/200370 Monetary Policy Surprises and the Brazilian Term Structure of InterestRatesBenjamin Miranda TabakFeb/200371 On Shadow-Prices of Banks in Real-Time Gross Settlement SystemsRodrigo PenalozaApr/200372 O Prêmio pela Maturidade na Estrutura a Termo das Taxas de JurosBrasileirasRicardo Dias de Oliveira Brito, Angelo J. MontAlverne Duarte e OsmaniTeixeira de C. GuillenMaio/200373 Análise de Componentes Principais de Dados Funcionais – umaAplicação às Estruturas a Termo de Taxas de JurosGetúlio Borges da Silveira e Octavio BessadaMaio/200374 Aplicação do Modelo de Black, Derman & Toy à Precificação de OpçõesSobre Títulos de Renda FixaOctavio Manuel Bessada Lion, Carlos Alberto Nunes Cosenza e César dasNevesMaio/200375 Brazil’s Financial System: Resilience to Shocks, no CurrencySubstitution, but Struggling to Promote GrowthIlan Goldfajn, Katherine Hennings and Helio MoriJun/2003
  • 30. 2976 Inflation Targeting in Emerging Market EconomiesArminio Fraga, Ilan Goldfajn and André MinellaJun/200377 Inflation Targeting in Brazil: Constructing Credibility under ExchangeRate VolatilityAndré Minella, Paulo Springer de Freitas, Ilan Goldfajn and Marcelo KfouryMuinhosJul/200378 Contornando os Pressupostos de Black & Scholes: Aplicação do Modelode Precificação de Opções de Duan no Mercado BrasileiroGustavo Silva Araújo, Claudio Henrique da Silveira Barbedo, AntonioCarlos Figueiredo, Eduardo Facó LemgruberOut/200379 Inclusão do Decaimento Temporal na MetodologiaDelta-Gama para o Cálculo do VaR de CarteirasCompradas em Opções no BrasilClaudio Henrique da Silveira Barbedo, Gustavo Silva Araújo,Eduardo Facó LemgruberOut/200380 Diferenças e Semelhanças entre Países da América Latina:uma Análise de Markov Switching para os Ciclos Econômicosde Brasil e ArgentinaArnildo da Silva CorreaOut/200381 Bank Competition, Agency Costs and the Performance of theMonetary PolicyLeonardo Soriano de Alencar and Márcio I. NakaneJan/200482 Carteiras de Opções: Avaliação de Metodologias de Exigência de Capitalno Mercado BrasileiroCláudio Henrique da Silveira Barbedo e Gustavo Silva AraújoMar/200483 Does Inflation Targeting Reduce Inflation? An Analysis for the OECDIndustrial CountriesThomas Y. WuMay/200484 Speculative Attacks on Debts and Optimum Currency Area: a WelfareAnalysisAloisio Araujo and Marcia LeonMay/200485 Risk Premia for Emerging Markets Bonds: Evidence from BrazilianGovernment Debt, 1996-2002André Soares Loureiro and Fernando de Holanda BarbosaMay/200486 Identificação do Fator Estocástico de Descontos e Algumas Implicaçõessobre Testes de Modelos de ConsumoFabio Araujo e João Victor IsslerMaio/200487 Mercado de Crédito: uma Análise Econométrica dos Volumes de CréditoTotal e Habitacional no BrasilAna Carla Abrão CostaDez/200488 Ciclos Internacionais de Negócios: uma Análise de Mudança de RegimeMarkoviano para Brasil, Argentina e Estados UnidosArnildo da Silva Correa e Ronald Otto HillbrechtDez/200489 O Mercado de Hedge Cambial no Brasil: Reação das InstituiçõesFinanceiras a Intervenções do Banco CentralFernando N. de OliveiraDez/2004
  • 31. 3090 Bank Privatization and Productivity: Evidence for BrazilMárcio I. Nakane and Daniela B. WeintraubDec/200491 Credit Risk Measurement and the Regulation of Bank Capital andProvision Requirements in Brazil – a Corporate AnalysisRicardo Schechtman, Valéria Salomão Garcia, Sergio Mikio Koyama andGuilherme Cronemberger ParenteDec/200492 Steady-State Analysis of an Open Economy General Equilibrium Modelfor BrazilMirta Noemi Sataka Bugarin, Roberto de Goes Ellery Jr., Victor GomesSilva, Marcelo Kfoury MuinhosApr/200593 Avaliação de Modelos de Cálculo de Exigência de Capital para RiscoCambialClaudio H. da S. Barbedo, Gustavo S. Araújo, João Maurício S. Moreira eRicardo S. Maia ClementeAbr/200594 Simulação Histórica Filtrada: Incorporação da Volatilidade ao ModeloHistórico de Cálculo de Risco para Ativos Não-LinearesClaudio Henrique da Silveira Barbedo, Gustavo Silva Araújo e EduardoFacó LemgruberAbr/200595 Comment on Market Discipline and Monetary Policy by Carl WalshMaurício S. Bugarin and Fábia A. de CarvalhoApr/200596 O que É Estratégia: uma Abordagem Multiparadigmática para aDisciplinaAnthero de Moraes MeirellesAgo/200597 Finance and the Business Cycle: a Kalman Filter Approach with MarkovSwitchingRyan A. Compton and Jose Ricardo da Costa e SilvaAug/200598 Capital Flows Cycle: Stylized Facts and Empirical Evidences forEmerging Market EconomiesHelio Mori e Marcelo Kfoury MuinhosAug/200599 Adequação das Medidas de Valor em Risco na Formulação da Exigênciade Capital para Estratégias de Opções no Mercado BrasileiroGustavo Silva Araújo, Claudio Henrique da Silveira Barbedo,e EduardoFacó LemgruberSet/2005100 Targets and Inflation DynamicsSergio A. L. Alves and Waldyr D. AreosaOct/2005101 Comparing Equilibrium Real Interest Rates: Different Approaches toMeasure Brazilian RatesMarcelo Kfoury Muinhos and Márcio I. NakaneMar/2006102 Judicial Risk and Credit Market Performance: Micro Evidence fromBrazilian Payroll LoansAna Carla A. Costa and João M. P. de MelloApr/2006103 The Effect of Adverse Supply Shocks on Monetary Policy and OutputMaria da Glória D. S. Araújo, Mirta Bugarin, Marcelo Kfoury Muinhos andJose Ricardo C. SilvaApr/2006
  • 32. 31104 Extração de Informação de Opções Cambiais no BrasilEui Jung Chang e Benjamin Miranda TabakAbr/2006105 Representing Roommate’s Preferences with Symmetric UtilitiesJosé Alvaro Rodrigues NetoApr/2006106 Testing Nonlinearities Between Brazilian Exchange Rates and InflationVolatilitiesCristiane R. Albuquerque and Marcelo PortugalMay/2006107 Demand for Bank Services and Market Power in Brazilian BankingMárcio I. Nakane, Leonardo S. Alencar and Fabio KanczukJun/2006108 O Efeito da Consignação em Folha nas Taxas de Juros dos EmpréstimosPessoaisEduardo A. S. Rodrigues, Victorio Chu, Leonardo S. Alencar e Tony TakedaJun/2006109 The Recent Brazilian Disinflation Process and CostsAlexandre A. Tombini and Sergio A. Lago AlvesJun/2006110 Fatores de Risco e o Spread Bancário no BrasilFernando G. Bignotto e Eduardo Augusto de Souza RodriguesJul/2006111 Avaliação de Modelos de Exigência de Capital para Risco de Mercado doCupom CambialAlan Cosme Rodrigues da Silva, João Maurício de Souza Moreira e MyrianBeatriz Eiras das NevesJul/2006112 Interdependence and Contagion: an Analysis of InformationTransmission in Latin Americas Stock MarketsAngelo Marsiglia FasoloJul/2006113 Investigação da Memória de Longo Prazo da Taxa de Câmbio no BrasilSergio Rubens Stancato de Souza, Benjamin Miranda Tabak e Daniel O.CajueiroAgo/2006114 The Inequality Channel of Monetary TransmissionMarta Areosa and Waldyr AreosaAug/2006115 Myopic Loss Aversion and House-Money Effect Overseas: anExperimental ApproachJosé L. B. Fernandes, Juan Ignacio Peña and Benjamin M. TabakSep/2006116 Out-Of-The-Money Monte Carlo Simulation Option Pricing: the JoinUse of Importance Sampling and Descriptive SamplingJaqueline Terra Moura Marins, Eduardo Saliby and Joséte Florencio dosSantosSep/2006117 An Analysis of Off-Site Supervision of Banks’ Profitability, Risk andCapital Adequacy: a Portfolio Simulation Approach Applied to BrazilianBanksTheodore M. Barnhill, Marcos R. Souto and Benjamin M. TabakSep/2006118 Contagion, Bankruptcy and Social Welfare Analysis in a FinancialEconomy with Risk Regulation ConstraintAloísio P. Araújo and José Valentim M. VicenteOct/2006
  • 33. 32119 A Central de Risco de Crédito no Brasil: uma Análise de Utilidade deInformaçãoRicardo SchechtmanOut/2006120 Forecasting Interest Rates: an Application for BrazilEduardo J. A. Lima, Felipe Luduvice and Benjamin M. TabakOct/2006121 The Role of Consumer’s Risk Aversion on Price RigiditySergio A. Lago Alves and Mirta N. S. BugarinNov/2006122 Nonlinear Mechanisms of the Exchange Rate Pass-Through: a PhillipsCurve Model With Threshold for BrazilArnildo da Silva Correa and André MinellaNov/2006123 A Neoclassical Analysis of the Brazilian “Lost-Decades”Flávia Mourão GraminhoNov/2006124 The Dynamic Relations between Stock Prices and Exchange Rates:Evidence for BrazilBenjamin M. TabakNov/2006125 Herding Behavior by Equity Foreign Investors on Emerging MarketsBarbara Alemanni and José Renato Haas OrnelasDec/2006126 Risk Premium: Insights over the ThresholdJosé L. B. Fernandes, Augusto Hasman and Juan Ignacio PeñaDec/2006127 Uma Investigação Baseada em Reamostragem sobre Requerimentos deCapital para Risco de Crédito no BrasilRicardo SchechtmanDec/2006128 Term Structure Movements Implicit in Option PricesCaio Ibsen R. Almeida and José Valentim M. VicenteDec/2006129 Brazil: Taming Inflation ExpectationsAfonso S. Bevilaqua, Mário Mesquita and André MinellaJan/2007130 The Role of Banks in the Brazilian Interbank Market: Does Bank TypeMatter?Daniel O. Cajueiro and Benjamin M. TabakJan/2007131 Long-Range Dependence in Exchange Rates: the Case of the EuropeanMonetary SystemSergio Rubens Stancato de Souza, Benjamin M. Tabak and Daniel O.CajueiroMar/2007132 Credit Risk Monte Carlo Simulation Using Simplified Creditmetrics’Model: the Joint Use of Importance Sampling and Descriptive SamplingJaqueline Terra Moura Marins and Eduardo SalibyMar/2007133 A New Proposal for Collection and Generation of Information onFinancial Institutions’ Risk: the Case of DerivativesGilneu F. A. Vivan and Benjamin M. TabakMar/2007134 Amostragem Descritiva no Apreçamento de Opções Européias atravésde Simulação Monte Carlo: o Efeito da Dimensionalidade e daProbabilidade de Exercício no Ganho de PrecisãoEduardo Saliby, Sergio Luiz Medeiros Proença de Gouvêa e Jaqueline TerraMoura MarinsAbr/2007
  • 34. 33135 Evaluation of Default Risk for the Brazilian Banking SectorMarcelo Y. Takami and Benjamin M. TabakMay/2007136 Identifying Volatility Risk Premium from Fixed Income Asian OptionsCaio Ibsen R. Almeida and José Valentim M. VicenteMay/2007137 Monetary Policy Design under Competing Models of InflationPersistenceSolange Gouvea e Abhijit Sen GuptaMay/2007138 Forecasting Exchange Rate Density Using Parametric Models:the Case of BrazilMarcos M. Abe, Eui J. Chang and Benjamin M. TabakMay/2007139 Selection of Optimal Lag Length inCointegrated VAR Models withWeak Form of Common Cyclical FeaturesCarlos Enrique Carrasco Gutiérrez, Reinaldo Castro Souza and OsmaniTeixeira de Carvalho GuillénJun/2007140 Inflation Targeting, Credibility and Confidence CrisesRafael Santos and Aloísio AraújoAug/2007141 Forecasting Bonds Yields in the Brazilian Fixed income MarketJose Vicente and Benjamin M. TabakAug/2007142 Crises Análise da Coerência de Medidas de Risco no Mercado Brasileirode Ações e Desenvolvimento de uma Metodologia Híbrida para oExpected ShortfallAlan Cosme Rodrigues da Silva, Eduardo Facó Lemgruber, José AlbertoRebello Baranowski e Renato da Silva CarvalhoAgo/2007143 Price Rigidity in Brazil: Evidence from CPI Micro DataSolange GouveaSep/2007144 The Effect of Bid-Ask Prices on Brazilian Options Implied Volatility: aCase Study of Telemar Call OptionsClaudio Henrique da Silveira Barbedo and Eduardo Facó LemgruberOct/2007145 The Stability-Concentration Relationship in the Brazilian BankingSystemBenjamin Miranda Tabak, Solange Maria Guerra, Eduardo José AraújoLima and Eui Jung ChangOct/2007146 Movimentos da Estrutura a Termo e Critérios de Minimização do Errode Previsão em um Modelo Paramétrico ExponencialCaio Almeida, Romeu Gomes, André Leite e José VicenteOut/2007147 Explaining Bank Failures in Brazil: Micro, Macro and Contagion Effects(1994-1998)Adriana Soares Sales and Maria Eduarda Tannuri-PiantoOct/2007148 Um Modelo de Fatores Latentes com Variáveis Macroeconômicas para aCurva de Cupom CambialFelipe Pinheiro, Caio Almeida e José VicenteOut/2007149 Joint Validation of Credit Rating PDs under Default CorrelationRicardo SchechtmanOct/2007
  • 35. 34150 A Probabilistic Approach for Assessing the Significance of ContextualVariables in Nonparametric Frontier Models: an Application forBrazilian BanksRoberta Blass Staub and Geraldo da Silva e SouzaOct/2007151 Building Confidence Intervals with Block Bootstraps for the VarianceRatio Test of PredictabilityNov/2007Eduardo José Araújo Lima and Benjamin Miranda Tabak152 Demand for Foreign Exchange Derivatives in Brazil:Hedge or Speculation?Fernando N. de Oliveira and Walter NovaesDec/2007153 Aplicação da Amostragem por Importânciaà Simulação de Opções Asiáticas Fora do DinheiroJaqueline Terra Moura MarinsDez/2007154 Identification of Monetary Policy Shocks in the Brazilian Marketfor Bank ReservesAdriana Soares Sales and Maria Tannuri-PiantoDec/2007155 Does Curvature Enhance Forecasting?Caio Almeida, Romeu Gomes, André Leite and José VicenteDec/2007156 Escolha do Banco e Demanda por Empréstimos: um Modelo de Decisãoem Duas Etapas Aplicado para o BrasilSérgio Mikio Koyama e Márcio I. NakaneDez/2007157 Is the Investment-Uncertainty Link Really Elusive? The Harmful Effectsof Inflation Uncertainty in BrazilTito Nícias Teixeira da Silva FilhoJan/2008158 Characterizing the Brazilian Term Structure of Interest RatesOsmani T. Guillen and Benjamin M. TabakFeb/2008159 Behavior and Effects of Equity Foreign Investors on Emerging MarketsBarbara Alemanni and José Renato Haas OrnelasFeb/2008160 The Incidence of Reserve Requirements in Brazil: Do Bank StockholdersShare the Burden?Fábia A. de Carvalho and Cyntia F. AzevedoFeb/2008161 Evaluating Value-at-Risk Models via Quantile RegressionsWagner P. Gaglianone, Luiz Renato Lima and Oliver LintonFeb/2008162 Balance Sheet Effects in Currency Crises: Evidence from BrazilMarcio M. Janot, Márcio G. P. Garcia and Walter NovaesApr/2008163 Searching for the Natural Rate of Unemployment in a Large RelativePrice Shocks’ Economy: the Brazilian CaseTito Nícias Teixeira da Silva FilhoMay/2008164 Foreign Banks’ Entry and Departure: the recent Brazilian experience(1996-2006)Pedro FachadaJun/2008165 Avaliação de Opções de Troca e Opções de Spread Européias eAmericanasGiuliano Carrozza Uzêda Iorio de Souza, Carlos Patrício Samanez eGustavo Santos RaposoJul/2008
  • 36. 35166 Testing Hyperinflation Theories Using the Inflation Tax Curve: a casestudyFernando de Holanda Barbosa and Tito Nícias Teixeira da Silva FilhoJul/2008167 O Poder Discriminante das Operações de Crédito das InstituiçõesFinanceiras BrasileirasClodoaldo Aparecido AnnibalJul/2008168 An Integrated Model for Liquidity Management and Short-Term AssetAllocation in Commercial BanksWenersamy Ramos de AlcântaraJul/2008169 Mensuração do Risco Sistêmico no Setor Bancário com VariáveisContábeis e EconômicasLucio Rodrigues Capelletto, Eliseu Martins e Luiz João CorrarJul/2008170 Política de Fechamento de Bancos com Regulador Não-Benevolente:Resumo e AplicaçãoAdriana Soares SalesJul/2008171 Modelos para a Utilização das Operações de Redesconto pelos Bancoscom Carteira Comercial no BrasilSérgio Mikio Koyama e Márcio Issao NakaneAgo/2008172 Combining Hodrick-Prescott Filtering with a Production FunctionApproach to Estimate Output GapMarta AreosaAug/2008173 Exchange Rate Dynamics and the Relationship between the RandomWalk Hypothesis and Official InterventionsEduardo José Araújo Lima and Benjamin Miranda TabakAug/2008174 Foreign Exchange Market Volatility Information: an investigation ofreal-dollar exchange rateFrederico Pechir Gomes, Marcelo Yoshio Takami and Vinicius RattonBrandiAug/2008175 Evaluating Asset Pricing Models in a Fama-French FrameworkCarlos Enrique Carrasco Gutierrez and Wagner Piazza GaglianoneDec/2008176 Fiat Money and the Value of Binding Portfolio ConstraintsMário R. Páscoa, Myrian Petrassi and Juan Pablo Torres-MartínezDec/2008177 Preference for Flexibility and Bayesian UpdatingGil RiellaDec/2008178 An Econometric Contribution to the Intertemporal Approach of theCurrent AccountWagner Piazza Gaglianone and João Victor IsslerDec/2008179 Are Interest Rate Options Important for the Assessment of InterestRate Risk?Caio Almeida and José VicenteDec/2008180 A Class of Incomplete and Ambiguity Averse PreferencesLeandro Nascimento and Gil RiellaDec/2008181 Monetary Channels in Brazil through the Lens of a Semi-StructuralModelAndré Minella and Nelson F. Souza-SobrinhoApr/2009
  • 37. 36182 Avaliação de Opções Americanas com Barreiras Monitoradas de FormaDiscretaGiuliano Carrozza Uzêda Iorio de Souza e Carlos Patrício SamanezAbr/2009183 Ganhos da Globalização do Capital Acionário em Crises CambiaisMarcio Janot e Walter NovaesAbr/2009184 Behavior Finance and Estimation Risk in Stochastic PortfolioOptimizationJosé Luiz Barros Fernandes, Juan Ignacio Peña and BenjaminMiranda TabakApr/2009185 Market Forecasts in Brazil: performance and determinantsFabia A. de Carvalho and André MinellaApr/2009186 Previsão da Curva de Juros: um modelo estatístico com variáveismacroeconômicasAndré Luís Leite, Romeu Braz Pereira Gomes Filho e José ValentimMachado VicenteMaio/2009187 The Influence of Collateral on Capital Requirements in the BrazilianFinancial System: an approach through historical average and logisticregression on probability of defaultAlan Cosme Rodrigues da Silva, Antônio Carlos Magalhães da Silva,Jaqueline Terra Moura Marins, Myrian Beatriz Eiras da Neves and GiovaniAntonio Silva BritoJun/2009188 Pricing Asian Interest Rate Options with a Three-Factor HJM ModelClaudio Henrique da Silveira Barbedo, José Valentim Machado Vicente andOctávio Manuel Bessada LionJun/2009189 Linking Financial and Macroeconomic Factors to Credit RiskIndicators of Brazilian BanksMarcos Souto, Benjamin M. Tabak and Francisco VazquezJul/2009190 Concentração Bancária, Lucratividade e Risco Sistêmico: umaabordagem de contágio indiretoBruno Silva Martins e Leonardo S. AlencarSet/2009191 Concentração e Inadimplência nas Carteiras de Empréstimos dosBancos BrasileirosPatricia L. Tecles, Benjamin M. Tabak e Roberta B. StaubSet/2009