DO CRASH 1 AO SUBPRIME 2 Lyza Anzanello de Azevedo§as e economia do... · geradas pelo petróleo, na década de 1980 pelas moratórias que geraram um grande número de crises durante

1 Do inglês: quebra. 2 Expressão utiliza como referência para os ditos títulos “podres”(sem valor) negociados nas Bolsas de Valores 3 Do francês: já visto

DO CRASH1 AO SUBPRIME2: UMA ANÁLISE DA CONCESSÃO DE

CRÉDITO NO BRASIL

Lyza Anzanello de Azevedo

Universidade do Estado de Santa Catarina - UDESC

[email protected]

Daniel de Souza

Universidade do Estado de Santa Catarina – UDESC

[email protected]

“(…); as expectativas ilusórias associadas a certas decisões sociais no momento de sua adoção

contribuem para manter escondidos seus futuros efeitos reais.”

(Hirschman, 2000, p. 122)

Resumo: A Crise de 29 abriu as portas para o ciclo das grandes crises mundiais. Na década de 1970

geradas pelo petróleo, na década de 1980 pelas moratórias que geraram um grande número de crises

durante toda a década de 1990 nos mercados emergentes que perpetuaram-se ainda até meados da

metade de 2003 culminando na crise americana de 2007, que levou a crise de toda economia mundial

no final de 2008. Sendo assim, a partir da revisão da literatura sobre a relação entre crises financeiras

mundiais e os impactos na concessão de crédito nacional, analisou-se quanto significativas são as crises

financeiras globais na economia interna do país. O que foi feito através de análises macroeconômicas e

utilizando-se do método econométrico dos Mínimos Quadrados Ordinários, com modelo de série

temporal com dados mensais de janeiro de 1995 a janeiro de 2010. Apesar do primeiro modelo

proposto não ser significativo o segundo modelo proposto mostrou que todas as crises excetuando as

crises de 2001 (Crise Argentina) e a de 2002 (Crise “Lula”) são significativas para explicar as

alterações no percentual de concessão total de créditos sobre o PIB.

Palavras-Chave: Crises financeiras mundiais; concessão de crédito no Brasil; expectativas

ilusórias; contaminação especulativa.

1 INTRODUÇÃO

O Mercado Financeiro Mundial vem há algum tempo transitando em um

mundo paralelo, entre a realidade econômica e as expectativas ilusórias. Este mundo

paralelo, somado as diversas Crises que afetaram indiscriminadamente a economia

mundial nessas duas últimas décadas, detêm o poder de transformar sonhos em

pesadelos em uma fração de segundos.

4 - Escritório Federal de Investigação 5- “Este possibilita não só estimar os parâmetros estruturais dos modelos envolvidos, mas também testar as restrições advindas das respectivas equações de Euler de cada modelo, (...).” (Bonomo, 2004, p.480)

O presente artigo trabalha esse tema através de um outro ângulo: A Concessão

de Crédito no Brasil. A partir dessa disponibilização de linhas de crédito total dada

pelos bancos privados e públicos a todos os setores da economia nacional, tratou-se

sobre o reflexo real das Crises Financeiras Mundiais diante dessa parcela do Mercado

Financeiro Nacional.

O objetivo geral apresentado é a significância das Crises Financeiras Mundiais

na concessão de crédito dada pelos bancos no Brasil.

Sendo assim o método adotado consiste nos seguintes passos:

Primeiramente, dividir-se-á o trabalho em duas partes: teórica e prática.

Primeiramente utilizaremos dados teóricos para o embasamento do modelo proposto

através de livros e artigos acadêmicos. Nessa parte será feita uma breve análise das

principais Crises Financeiras Mundiais e seus impactos na economia nacional, com

um enfoque na ultima crise de 2008.

Seguindo está ordem, será feita a apresentação de todos os dados necessários

ao modelo: Concessão de Crédito Total em percentual do Produto Interno Bruto

(PIB); Taxa de Juros (TJLP); Operações de Crédito no Sistema Financeiro (Risco 2);

Formação Bruta do Capital Fixo; Conta Capital e Financeira; e Índice Bovespa

(Pontos). Sendo esses coletados nos sites do Banco Central e do Ipeadata. E seus

caracteres macroeconômicos. Juntamente com a formulação das hipóteses as serem

testadas:

Hipótese nula Hipótese alternativa

Não contaminação especulativa dos

mercados internos, no tocante a concessão total

de crédito em percentual do PIB, devido as

Crises Financeiras Mundiais.

Contaminação especulativa dos mercados

internos, no tocante a concessão total de crédito

em percentual do PIB, devido as Crises

Financeiras Mundiais.

Quadro 1 - Hipóteses testadas

A terceira etapa elabora uma breve explanação sobre os pressupostos do

modelo matemático e econométrico. Só então os dados serão transladados para o

Gretl - que é um software multi-plataforma para análise econométrica, escrito em

linguagem C e de característica livre. Sendo verificada a estacionariedade de cada

Excluído: faremos

Excluído: a


uma das variáveis (dependente e independentes), através de seus respectivos testes

informais e formais.

Segue-se a isto uma breve análise causal das variáveis endógenas do modelo,

através do teste de causalidade. Posteriormente e feitas as devidas correções será

rodado o modelo acrescentando-se uma variável binária (Dummy) para os meses onde

as Crises Financeiras Mundiais afetaram de forma mais expressiva a economia

nacional.

Por último, serão feitos dois testes para cada premissa do modelo:

multicolineariedade, normalidade, heterocedasticidade e autocorrelação. Sendo

corrigidos quando necessário. Posteriormente incluiremos um novo modelo

desmembrando a variável binária (dummy) das Crises Financeiras como um todo em

seis variáveis binárias (dummies), uma para cada crise a ser explicada (Crise Asiática

de 1997, Crise Russa de 1998, Crise Cambial Brasileira de 1999, Crise Argentina de

2001, Crise de Incerteza Política de 2002 e a Crise do Subprime de 2008). Novamente

serão feitos todos os testes anteriormente mencionados, que quando necessário serão

devidamente corrigidos.

2 O EFEITO DÉJÀ VU DAS CRISES MUNDIAIS

Com o intuito de enriquecer ou simplesmente para manter um padrão de vida,

de tempos em tempos, milhares de pessoas (poupadores/investidores) são iludidas por

promessas e sonhos inviáveis que transformam o mercado financeiro do melhor

amigo ao pior vilão em uma fração de segundos.

O impacto de decisões equivocadas por parte dos poupadores se amplia

quando as chamadas crises financeiras se fazem presentes. Muitas vezes, tais crises

criam reflexos negativos nas finanças das sociedade quando o mercado financeiro

mergulha em ambiente especulativo. Como efeito, expressivas quedas nos valores dos

ativos se manifestam objetivando corrigir movimentos de portfólio que, anteriormente

supervalorizou equivocadamente certos ativos em detrimento de outros.

A primeira dessas grandes crises financeiras ocorreu em 1929 em decorrência

de um boom imobiliário como relatado por John Kenneth Galbraith:

Durante 1925, a tentativa de muito dinheiro sem esforços levou pessoas em números cadê vez mais crescentes para a Florida. Cada semana mais terras eram loteadas. O que se chamava com imprecisão de costa passou a ficar a 10, 15, ou 20 quilômetros da

Excluído: Em seguida


costa. (...) Entretanto, na primavera de 1926 o numero de compradores novos, tão essencial para os preços continuarem a aumentar, começo a escassear. Como 1928 e 1929 mostrariam, um impulso gerado por um boom favorável não se dissipa rapidamente. (Galbraith, 2010, p.24)

Como se pode perceber mais tarde essa seria apenas a ponta do iceberg que foi

fomentado durante a década de vinte por uma ilusão de crescimento econômico sem

sustentação em bases reais. Após o pânico gerado pela queda da Bolsa de Nova

Iorque em outubro de 1929, o aumento já crescente da oferta sem demanda se

salientou. Como resultado tivemos a tão falada crise de superprodução somente

superada com a adoção das políticas do New Deal, de Keynes, pelo governo de

Franklin Roosevelt em 1933.

Em 1973 o mundo se vê novamente em uma crise financeira, só que desta vez

o problema é gerado por uma escassez da oferta. O que vemos aqui é na verdade uma

escassez de um único produto de base – petróleo – que foi comandada pela

Organização dos Países Exportadores de Petróleo (OPEP). Devido a Guerra de Yom

Kippur, entre Israel e os países árabes. A qual motivada por fatores de divergências

culturais levou ao corte de parte da produção de petróleo e interrompeu o

fornecimento aos EUA.

Mais uma vez, em 1979, os preços das ações de petróleo sobem rapidamente.

O medo de uma nova escassez de petróleo faz com que ocorra um aumento

importante de demanda, gerando com isso mais aumento no valor de seus derivados,

ou seja, um ciclo inflacionário do valor deste produto. Ambas as crises, de 1973 e

1979, ficaram conhecidas como Choques do Petróleo.

Percebe-se a partir de 1982, um novo ciclo de crises financeiras. Dessa vez o

motivo apontado foram as moratórias decretadas em cadeia pelos países latino-

americanos. Estes haviam contraído dividas com o FMI (Fundo Monetário

Internacional) no início da década de 70 a juros muito baixos, e que devido aos

Choques do Petróleo e ao medo de inadimplência por parte dos países em

desenvolvimento foram elevados consideravelmente.

Devido as perdas geradas pelas crises financeiras dessa década e ao aumento

abusivo dos juros por parte dos países desenvolvidos, estes países viram suas

respectivas dívidas crescerem em proporções geométricas acompanhadas pela redução


de suas atividades produtivas em função da queda da demanda internacional por seus

produtos.

A queda repentina da Bolsa de Valores americana, em outubro de 1987, fez os

mercados relembrarem o crash de 29. E as semelhanças não eram poucas: crescimento

acelerado da produção, concessão indiscriminada de crédito e o famoso boom do

mercado acionário. Porém desta vez os efeitos da crise foram mais amenos, devido,

principalmente, a uma mudança mais rápida da política pública (corte nos gastos

públicos) e a intervenção do Fed (Banco Central Americano), presidido por Alan

Greenspan, reduzindo drasticamente as taxas de juros.

Por volta de 1994 os países latino-americano passaram novamente por

problemas financeiros. A Crise Mexicana (A Crise Tequila), que teve seu colapso

mais marcante em dezembro de 1994, afetará mais significamente o Brasil em janeiro

de 1995. Porém, devido a inserção das bandas cambiais em março de 1995 (uma das

medidas do plano real), seus reflexos foram contidos e após março deste mesmo ano

seu papel não era mais significativo para a economia nacional.

É por volta de outubro de 1997 que os reflexos da Crise Asiática, iniciada em

julho deste ano e desencadeada pela desvalorização da moeda tailandesa (baht),

apresenta seus primeiros sintomas na economia brasileira, porém com a subseqüente

Crise Russa, que chega ao Brasil em agosto de 1998 não se tem uma distinção do final

exato desta crise. Com a moratória Russa até os maiores fundos de investimentos de

risco dos EUA pediram auxilio monetário ao Fed, para garantirem o dinheiro de seus

investidores. No Brasil o resultado veio em 1999 com a desvalorização do real e a

necessidade de obter fundos junto ao FMI.

Deflagrada pela política fiscal e monetária altamente rigorosas, somadas ao

contagio das crises Asiática e Russa levaram o Brasil a pedir auxilio junto ao FMI no

verão de 1998, este contexto negativo convergiu para uma recessão a qual se estendeu

por durante todo ano de 1999 como demonstrado por Werner e Edmund:

“Isso decorreu excessiva capacidade produtiva e altas taxas de desemprego, que pressionaram vários setores a não passar adiante os aumentos de custos relacionados aos preços mais elevados das importações. Além disso, as autoridades do Banco Central mantiveram as taxas de juros extremamente altas a fim de desestimular a especulação negativa em relação ao real (a taxa mensal do overnight aumentou para 3,33% em março e a taxa de CDBs de 30 dias, para 3,17%), reduzindo-as gradativamente somente na segunda metade de 1999. No final de 1999, a inflação havia aumentado 8,9% naquele ano. (Baer, 2003, p. 238)


Esse “efeito dominó” das crises financeiras nos países emergentes é

resumidamente explicada por Paul Krugman ao falar sobre a Crise Asiática:

(...), a vulnerabilidade delas aumentou em parte como consequência da abertura de seus mercados financeiros, ou, em outras palavras, pelo fato de, na verdade, se tornarem melhores economias de mercado, não piores. E também ficaram mais suscetíveis por terem aproveitado as vantagens de sua nova popularidade perante os financiadores internacionais para contrair dívidas substanciais com o mundo exterior. Essas dívidas intensificaram o ciclo de realimentação entre perda de confiança e colapso financeiro, e vice-versa, agravando o círculo vicioso da crise. Não que o dinheiro tenha sido mal gasto; parte dele foi, mas nem todo. Contudo, as dívidas, agora, agora, ao contrário das anteriores, eram em dólares – o que acabou provocando a derrocada dessas economias. (Krugman, 2009, p.99-100)

Logo depois, com o acumulo de altas no mercado acionário devido a inserção

dos mercados pontocom (boom da internet), ao longo dos anos anteriores, e sem a

sustentação da continuidade dos resultados positivos dessas empresas, começam a

ocorrer quedas nos mercados financeiros. Em 2000, a supervalorização dessas

empresas já é evidente e as quedas nesses mercados passam a serem recordes.

Os ataques terroristas que ocorreram em setembro de 2001 que levaram ao

fechamento da Bolsa de Valores dos EUA por dias e a perdas financeiras

consideráveis, foram responsáveis pela diminuição das taxas de juros em escala

mundial para aquecerem as economias. Porém os escândalos contábeis (não

divulgação de prejuízos) com a empresa de energia Eron e posteriormente com outra

grande empresa do setor de telecomunicações WorldCom, fizeram diminuir

consideravelmente a credibilidade do mercado acionário.

Estabilidade pode ser mantida até meados de janeiro de 2002 quando são

sentidos os primeiros impactos da Crise Argentina. A qual também pode ser entendida

como reflexo das especulações geradas pelas crises que a antecederam, além do

problema mais evidente: a continuidade na utilização da paridade cambial com o

dólar (cada peso em circulação teria como lastro um dólar), apesar de todos os

problemas apresentados na conjuntura internacional.

Toda essa bola de neve especulativa, somada a anos de concessões de crédito

indiscriminada a juros muito baixos convergiram em uma crise financeira no final de

2007, restrita ao mercado norte-americano, mas que já no inicio de 2008 tomou

proporções globais. Segundo John Kenneth Galbraith, não foi por falta de aviso, mas

sim por não atuação do governo na hora certa como ele afirma em:


Em 2004, o FBI advertiu publicamente sobre “uma epidemia

de fraudes hipotecárias”. Mas o governo nada fez. Além da

inércia havia uma combinação de baixas taxas de juros,

desregulamentação e sinais evidentes de que as leis não

seriam aplicadas. Segundo a Doutrina Greenspan, as bolhas

não podem ser prevenidas, a tarefa do governo é apenas fazer

a limpeza depois. A prática de Greenspan foi criar uma bolha

atrás da outra até finalmente surgir uma tão vasta que destruiu

o sistema ao longo do caminho. (Galbrait, 2010, p.9)

Voltando ao cenário nacional, percebe-se que em meados de julho de 2003 o

Brasil consegue se reerguer e superar mais essa crise, voltando somente em setembro

de 2008, com o colapso da crise americana, a deparar-se com os reflexos de uma

Crise mundial em sua economia.

A seguir será tratada mais detalhadamente está ultima crise, também

conhecida como Crise do Subprime.

3 REESTRUTURAÇÕES CONTRA AS NOVAS CRISES

Como já visto anteriormente a morosidade do governo americano em tomar

medidas para conter as fraudes no setor imobiliário, foi - durante quatro longos anos -

arrastada até 2007 quando os primeiros bancos (em especial britânicos) começaram a

mostrar os primeiros prejuízos gerados pelas operações com os famosos subprimes.

Os governos investiram gradualmente no mercado financeiro e finalmente por volta

de junho de 2008 foram presos pelo FBI (Federal Bureau of Investigation)* diversos

envolvidos nas operações fraudulentas dos financiamentos habitacionais. Porém o

estopim do colapso ocorre somente em setembro de 2008 com o pedido de concordata

do Lehman Brothers. (Sérgio Sister, 2009)

Simplificadamente essa crise poderia ser interpretada como uma concessão

deliberada de crédito para compradores de imóveis com histórico de crédito ruim, que

devido ao seu maior risco levaram a um aumento das taxas de juros cobradas pelas

financiadoras. Com isso diversas outras financiadoras surgem no mercado de

hipotecas imobiliárias.

Nesse contexto não há nenhuma fraude, o único problema são os autos riscos.

Estes serão lançados ao mercado acionário quando as grandes empresas hipotecárias


começam a usar o dinheiro dos investidores de Wall Street para ampliar empréstimos,

através da securitização das hipotecas, transformando essas em papéis negociáveis no

mercado. Espalhando-os rapidamente pelo mercado internacional.

Agências de classificação de risco davam boas notas para eles, atraindo

investidores do mundo todo inclusive os grandes bancos. Ao mesmo tempo eram

concedidos refinanciamento dos imóveis para que os mutuários continuassem

consumindo. O que elevou demasiadamente os juros, levando milhares de mutuários –

que eram a base do sistema - ao inadimplemento e com eles todos os investidores.

(Sérgio Sister, 2009)

Todavia, o Brasil, desta vez devido a reestruturação do Sistema Financeiro

Nacional feita durante o governo de FHC (Fernando Henrique Cardoso) que teve

como principal medida o PROER (Programa de Estímulo à Reestruturação e

Fortalecimento do Sistema Financeiro Nacional) que segundo Gremaud em seu livro

Economia Brasileira Contemporânea pode ser interpretado como:

Este constitui-se de créditos especiais concedidos pelo Banco Central para a transferência do controle acionário de instituições com problemas. Além de crédito criou-se uma série de estímulos para fusões, incorporações e transferências acionárias, tanto tributários como o aumento das exigências de capital para forçar esse processo. (Gremaud, 2002)

Ocorreram outras medidas interventivas no sistema brasileiro após a

implementação do real: como o PROES (Programa de Incentivo à Redução do Setor

Público Estadual na Atividade Bancária) – que devido a toda retórica dos prós e

contras das privatizações, como os contras destacados por Aloysio Biondi em seus

livros sobre privatizações, não será tratado neste trabalho; e a Medida Provisória nº

1.182/95 (atualmente Lei nº 9.447/97) – ampliações do poder do BACEN para melhor

fiscalização das instituições financeiras, que de certa forma está inserido na atuação

do PROER; dentre tantas outras medidas.

Todos estes programas, como afirma o próprio Gremaud no referido texto já

citado, inflacionaram as contas do governo, porém acabaram sendo de vital

importância na estabilidade do sistema financeiro nacional como comenta Marco

Maciel em um texto publicado no site Direito 2:

A atual crise mundial dos mercados financeiros e de capitais confirma o quanto estava certo o então presidente Fernando


Henrique Cardoso ao criar o Programa de Estímulo à Reestruturação e ao Fortalecimento do Sistema Financeiro Nacional (Proer), implementado no Brasil de 1995 a 2000. A implementação do programa, lembra o senador, custou, no total, R$ 20,4 bilhões, o que teria representado cerca de 2,7% do Produto Interno Bruto (PIB) médio do triênio 1995/1997. Os valores atualizados são, evidentemente, maiores, mas a indicação do percentual do PIB dá uma boa noção de que o programa teve custos relativamente baixos", afirma o senador. Marco Maciel lembra ainda que o Banco Central vem resgatando parte dos valores que investiu no Proer. (Maciel, 2008, p.1-2)

Sendo assim, essa boa base dada por esses programas criados em 1995, mais o

Risco Brasil criado em 1997, levaram a afirmações do Presidente Lula de que o Brasil

seria muito pouco afetado pela crise devido a segurança de seu sistema financeiro.

Como afirma Ronise Jardim em sua monografia:

Os impactos da crise sobre o mercado financeiro demoraram a se refletir no mercado financeiro brasileiro. Ao contrário do que ocorreu com outros países, principalmente os desenvolvidos, que foram os mais afetados pela crise econômica mundial de 2008. Isso decorreu devido ao fato dos nossos fundos de investimento não estarem lastreados aos títulos norte-americanos podres que ocasionaram a crise de 2008, além da boa condição de solvência dos bancos comerciais brasileiros. (Jardim, 2010, p.39)

Contudo a Crise ainda deteve alguns reflexos sobre o sistema financeiro

nacional como se pode perceber através dos números de inadimplência dos créditos

concedidos pelo sistema financeiro nacional. Segundo esses dados apresentados pelo

BACEN o Risco Total sobre o PIB em janeiro de 2005 era de 24,7%, passando para

44,6% no mesmo período de 2010.

3.1 VISÃO MACROECONÔMICA DAS VARIÁVEIS DO MODELO

Diante do exposto, anteriormente, sobre as crises é necessário entender qual

modelo a ser testado. Essa análise econométrica tem como objetivo analisar a

concessão de crédito dada pelos bancos públicos e privados para todos os setores,

através de dados coletados pelo Banco Central (Bacen) próprios e os enviados pelos

demais bancos privados e públicos. No modelo essa concessão total de crédito será

colocada em percentual do Produto Interno Bruto (PIB) formando a variável

dependente OCSP.


Porém essas linhas de créditos dependem de diversos fatores

macroeconômicos, que oscilam devido a mudanças na economia interna e externa do

país. Devido a isto foram escolhidas as variáveis independentes.

A primeira variável é a Taxa de Juros de Longo Prazo (TJLP), visto que a taxa

de juros varia conforme as variações da renda nominal e da oferta de moeda dada pelo

Banco Central, ou seja, a taxa de juros de longo prazo tende a ser a taxa de equilíbrio

entre esta oferta e demanda por moeda. (GORDON, 2000)

Entendendo que quanto mais baixa ela for menos inclinadas as pessoas estarão

para poupar e mais inclinadas a consumir. Havendo uma relação inversamente

proporcional entre a demanda por crédito e a taxa de juros. Sendo assim, acreditamos

ser este um fator bastante significativo na concessão de crédito. É importante ressaltar

que esse dado é um percentual.

A segunda variável são as Operações de Crédito do Sistema Financeiro –

Risco 2 (RISC2). Esta variável sofreu uma pequena mudança em sua nomenclatura

em 2000, diante dos novos parâmetros de análise de séries temporais realizados pelo

banco central essa série passou a ser chamada de inadimplência e o Risco 2

compreende o nível de risco H (inadimplência superior a seis meses).

Essa variável demonstra qual o percentual de risco que os bancos correm ao

fornecerem crédito ao mercado, ou seja, se vale ou não apena disponibilizar recursos,

e a quantia que deve ser fornecida, para cada mercado. Aqui também há uma relação

inversa entre concessão de crédito e inadimplência e os dados novamente não

precisaram ser deflacionados, pois não se trabalha com uma moeda especifica mas

sim com uma unidade monetária padrão.

A terceira variável é a Formação Bruta do Capital Fixo (FBCF), que indica

quanto foi investido pelas empresas em bens de capital. Ou seja, a significância dessa

variável no modelo representa o quão significativo é o aumento da capacidade

produtiva perante a concessão total de crédito.

Como este dado é um índice encadeado que tem como média central o ano de

1996, também não necessitará ser deflacionado

A quarta variável é a Conta Capital (CC), outrossim é conhecida como

poupança externa e devido a este fato está alhures das demais variáveis do modelo

apresentadas até agora, que tratam basicamente de aspectos puramente relativos ao

mercado nacional. Por registrar os investimentos diretos e aplicações financeiras


advindos do exterior sua significância no modelo é na verdade um reflexo do mercado

externo na disponibilidade de linhas de crédito dentro do país.

A quinta variável do modelo é o Índice Bovespa (IBOV), que retrata o

comportamento dos principais papéis negociados na BM&FBOVESPA (única Bolsa

de Valores Brasileira). Sendo este um representante do comportamento médio das

principais Ações transacionadas. Sua significância no modelo é importante para

entender o papel do mercado de renda variável no que cerne a autorga de crédito pelos

bancos públicos e privados.

A ultima variável a ser inserida no modelo é uma variável binária (dummy),

única variável exógena ao modelo. Estando esta inserida no modelo para representar

os períodos onde a economia brasileira foi afetada pelas crises internacionais. Por

conseguinte está aqui a hipótese nula do modelo que baseia-se na não contaminação

especulativa dos mercados; tendo como base perspectiva de alguns economistas mais

conservadores, grande parte formada por precursores da década de 90.

Consequentemente, a hipótese alternativa testada será a contaminação

especulativa dos mercados, baseada em análises feitas, principalmente, em

decorrência das crises da década de 90. Podendo ser melhor entendida através da

afirmação feita por Paul Krugman, após a análise de tais crises:

Portanto, é possível que, essa perda de confiança em determinado país seja capaz de gerar crise econômica que efetivamente justifique a perda de confiança – que os países sejam vulneráveis ao que os economistas denominam “ataques especulativos auto- realizáveis”. E embora muitos economistas fossem céticos quanto a importância dessas crises autógenas, a experiência da década de 1990 com a América Latina e com a Ásia dirimiu as dúvidas, ao menos sob o ponto de vista prático.(KRUGMAN, 2009, p.114)

É importante ressaltar que os dados são mensais e compreendem o período de

janeiro de 1995 à janeiro de 2010 totalizando 181 observações.

3.2 UMA BREVE ANÁLISE DE CAUSALIDADE DAS VARIÁVEIS

ENDÓGENAS DO MODELO

Teste de Causalidade de Granger – H0 = não causalidade

Após verificar se há estacionariedade nas variáveis, e corrigidas a não

estacionárias efetuou-se o teste de autoregressão vetorial mostrado a seguir:


Equação 1: d_OPSC Todos os desfasamentos de d_OPSC F(24, 10) = 2.2855 [0.0870] Todos os desfasamentos de d_RISC2 F(24, 10) = 2.3749 [0.0777] Todos os desfasamentos de d_FBCF F(24, 10) = 1.5140 [0.2514] Todos os desfasamentos de d_IBOV F(24, 10) = 2.6644 [0.0545] Todos os desfasamentos de TJPL F(24, 10) = 1.6547 [0.2052] Todos os desfasamentos de CC F(24, 10) = 1.3095 [0.3390] Todas as variáveis, desfasamento 24 F(6, 10) = 0.16199 [0.9815]

Quadro 2: Testes- F com zero restrições

Quadro 3: Teste de Causalidade

Equação 2: d_RISC2 Todos os desfasamentos de d_OPSC F(24, 10) = 0.68437 [0.7857] Todos os desfasamentos de d_RISC2 F(24, 10) = 0.50325 [0.9183] Todos os desfasamentos de d_FBCF F(24, 10) = 0.42731 [0.9572] Todos os desfasamentos de d_IBOV F(24, 10) = 0.61544 [0.8408] Todos os desfasamentos de TJPL F(24, 10) = 0.89813 [0.6079] Todos os desfasamentos de CC F(24, 10) = 0.57813 [0.8687] Todas as variáveis, desfasamento 24 F(6, 10) = 0.24004 [0.9528]

Quadro 4: Testes-F com zero restrições

H0: Sem causalidade OPSC defasada 24 meses não explica RISC2 atual RISC2 defasada 24 meses não explica RISC2 atual FBCF defasada 24 meses não explica RISC2 atual IBOV defasada 24 meses não explica RISC2 atual TJLP defasada 24 meses não explica RISC2 atual CC defasada 24 meses não explica RISC2 atual


Equação 3: d_FBCF Todos os desfasamentos de d_OPSC F(24, 10) = 0.63548 [0.8252]

Todos os desfasamentos de d_RISC2 F(24, 10) = 0.54442 [0.8922]

Todos os desfasamentos de d_FBCF F(24, 10) = 1.3283 [0.3298]

Todos os desfasamentos de d_IBOV F(24, 10) = 0.52143 [0.9072] Todos os desfasamentos de TJPL F(24, 10) = 0.60549 [0.8484] Todos os desfasamentos de CC F(24, 10) = 0.71793 [0.7578] Todas as variáveis, desfasamento 24 F(6, 10) = 0.24942 [0.9486]


H0: Sem causalidade OPSC defasada 24 meses não explica OPSC atual

RISC2 defasada 24 meses não explica OPSC atual FBCF defasada 24 meses não explica OPSC atual

IBOV defasada 24 meses não explica OPSC atual

TJLP defasada 24 meses não explica OPSC atual CC defasada 24 meses não explica OPSC atual

H0: Sem causalidade OPSC defasada 24 meses não explica FBCF atual

RISC2 defasada 24 meses não explica FBCF atual



Equação 4: d_IBOV Todos os desfasamentos de d_OPSC F(24, 10) = 0.43154 [0.9554]

Todos os desfasamentos de d_RISC2 F(24, 10) = 0.70967 [0.7647] Todos os desfasamentos de d_FBCF F(24, 10) = 0.49111 [0.9254] Todos os desfasamentos de d_IBOV F(24, 10) = 0.40750 [0.9652]

Todos os desfasamentos de TJPL F(24, 10) = 1.2682 [0.3601] Todos os desfasamentos de CC F(24, 10) = 1.0495 [0.4939] Todas as variáveis, desfasamento 24 F(6, 10) = 0.24374 [0.9512]

Quadro 8: Testes-F com zero de restrições

H0: Sem causalidade OPSC defasada 24 meses não explica IBOV atual RISC2 defasada 24 meses não explica IBOV atual FBCF defasada 24 meses não explica IBOV atual IBOV defasada 24 meses não explica IBOV atual TJLP defasada 24 meses não explica IBOV atual CC defasada 24 meses não explica IBOV atual


Equação 5: TJPL Todos os desfasamentos de d_OPSC F(24, 10) = 2.3668 [0.0785] Todos os desfasamentos de d_RISC2 F(24, 10) = 1.2769 [0.3555] Todos os desfasamentos de d_FBCF F(24, 10) = 1.4614 [0.2714] Todos os desfasamentos de d_IBOV F(24, 10) = 7.8771 [0.0009] Todos os desfasamentos de TJPL F(24, 10) = 17.395 [0.0000] Todos os desfasamentos de CC F(24, 10) = 1.5577 [0.2360] Todas as variáveis, desfasamento 24 F(6, 10) = 1.7467 [0.2078]


Teste de Causalidade H0: sem casulidade OPSC defasada 24 meses não explica TJPL atual RISC2 defasada 24 meses não explica TJPL atual FBCF defasada 24 meses não explica TJPL atual IBOV defasada 24 meses explica TJPL atual TJPL defasada 24 meses explica TJPL atual CC defasada 24 meses não explica TJPL atual


Equação 6: CC Todos os desfasamentos de d_OPSC F(24, 10) = 0.52077 [0.9076] Todos os desfasamentos de d_RISC2 F(24, 10) = 0.68842 [0.7824] Todos os desfasamentos de d_FBCF F(24, 10) = 0.70984 [0.7646] Todos os desfasamentos de d_IBOV F(24, 10) = 0.49308 [0.9242] Todos os desfasamentos de TJPL F(24, 10) = 1.0073 [0.5240] Todos os desfasamentos de CC F(24, 10) = 0.64534 [0.8174]

FBCF defasada 24 meses não explica FBCF atual

IBOV defasada 24 meses não explica FBCF atual

TJLP defasada 24 meses não explica FBCF atual

CC defasada 24 meses não explica FBCF atual


Todas as variáveis, desfasamento 24 F(6, 10) = 0.48842 [0.8033] Quadro 12: Testes-F com zero restrições

H0: sem casulidade OPSC defasada 24 meses não explica TJPL atual RISC2 defasada 24 meses não explica TJPL atual FBCF defasada 24 meses não explica TJPL atual IBOV defasada 24 meses não explica TJPL atual TJPL defasada 24 meses não explica TJPL atual CC defasada 24 meses não explica TJPL atual


Após os testes de causalidade realizados só foi possível constatar que a análise

passada do Índice Bovespa explica a Taxa de Juros de Longo Prazo atual. Assim

como que a própria Taxa de Juros de Longo Prazo passada explica a atual.

4. ANÁLISE ECONOMÉTRICA DOS FATORES QUE INFLUENCIAM

A CONCESSÃO DE CRÉDITO NO BRASIL DE 1995 À 2010

Antes de dar início aos testes econométricos propriamente ditos é importante

compreender que será utilizado como modelo para realizar a analise de regressão -

que tem como objetivo estimar ou prever a dependência estatística de uma variável

(dependente) de uma ou mais variáveis (explanatórias) desse artigo será o dos

Mínimos Quadrados Ordinários, que é o método mais poderoso e difundido

Com isso começamos a análise do modelo a ser testado. Primeiramente

fazendo o teste informal da presença de estacionáriedade no modelo: Análise Gráfica.

Posteriormente, efetuou-se o teste formal de estacionaridade das séries

escolhidas para o modelo na tentativa de evitar uma regressão espúria. Uma regressão

espúria acontece quando os resultados obtidos na regressão são aparentemente

significantes, mas partem de dados não relacionados (HILL, GRIFFITS, JUDGE,

2003). Para isso utilizou-se o teste de estacionaridade de Dickey-Fuller aumentado.

Percebeu-se que apenas duas (2) das cinco (5) séries escolhidas eram

estacionárias, são elas: Taxa de Juros (TJLP) e Conta Capital (CC).

Os resultados do teste foram os seguintes:


variável P-valor (H0 = série não estacionária)

sem constante com constante com constante e tendência

OCSP 0,9159000 0,9964000 0,9928000

TJLP 0,0005501*** 0,00169*** 0,01459**

RISC2 0,9785000 0,9812000 0,9944000

FBCF 0,6840000 0,1579000 0,06115*

CC 0,000003315*** 0,0000006831*** 0,000004947***

IBOV 0,4489000 0,4096000 0,5305000

*** Significativo a menos de 1%, ** Significativo a menos de 5% e *Significativo a menos de 10%

Tabela 1: Teste Dickey- Fuller aumentado (ADF)

Então foi realizado o teste de estacionaridade com a primeira diferença das

séries não estacionárias ao natural I(0). Assim verificou-se que as séries antes não

estacionárias tornaram-se estacionárias aplicando a primeira diferença.

Os resultados do teste com a primeira diferença são os seguintes:

variável P-valor (H0 = série não estacionária)

sem constante com constante com constante e tendência

OCSP 4,0820000E-14 2,9820000E-13 1,0730000E-19

RISC2 2,1750000E-13 6,4240000E-13 9,1730000E-13

FBCF 7,0710000E-27 3,4740000E-28 5,2540000E-32

IBOV 4,0150000E-21 3,7540000E-21 2,2720000E-22

Obs: todos são *** Significativos a menos de 1% Tabela 2: Teste de Dickey-Fuller Aumentado (ADF)

Então, rodou-se o modelo com as variáveis já expostas, e corrigida a

estacionáriedade, incluindo uma variável binária (dummy) para períodos

correspondidos pelas Crise Financeiras Mundiais.

Os resultados obtidos são os seguintes:

Variável dependente: OCSP (Operação de Crédito sobre PIB) VARIÁVEL COEFICIENTE ERRO PADRÃO ESTAT. T P-VALOR

const 0,586839 0,106819 5,494 <0,00001 ***

d_RISC2 0,000113716 2,93E-05 3,885 0,00015 ***

d_FBCF -0,000447213 0,00240638 -0,186 0,85278

d_IBOV -7,79E-06 5,82E-06 -1,34 0,18214 TJLP -0,0474082 0,00889362 -5,331 <0,00001 ***

CC -8,41E-06 8,80E-06 -0,955 0,341 Dummy_crise -0,132434 0,0826941 -1,601 0,11109

*** Significativo a menos de 1%, ** Significativo a menos de 5% e *Significativo a menos de 10% Tabela 3: Resultados da Estimação


A equação estimada através do Modelo de Mínimos Quadrados Ordinários foi a seguinte:

Equação 1: d_OCSP = 0,586839 + 0,000113716(d_RISC2) - 0,000447213(d_FBCF) -

7,79E-06(d_IBOV) - 0,0474082(TJLP) - 8,41E-06 (CC) - 0,132434 (Dummy_crise) + ui.

Para verificar a significância das variáveis selecionadas utilizou-se o teste t.

Segundo ele assumindo um intervalo de confiança de 95%, e conforme as hipóteses

do teste que são: hipótese nula (coeficiente significativo) e hipótese alternativa

(coeficiente não significativo). Como pode ser observado na tabela anterior a primeira

defasagem do Risco 2 mostrou significativa (0,00015***) a menos de 1%, com um

intervalo de confiança de 99%; já a primeira diferença da Formação Bruta do Capital

Fixo não mostrou significativa; igualmente a primeira diferença do Índice Bovespa

não foi considerada significativa; já a Taxa de Juros de Longo Prazo mostrou-se

significativa (<0,00001***) a menos de 1%, com um intervalo de confiança de 99%;

a Conta Capital também não se mostrou significativa; bem como a Dummy_crise não

significativa.

Em seguida, realizaram-se testes para verificar se os pressupostos básicos do

modelo de regressão múltipla não estavam sendo violados. O primeiro teste realizado

foi o de multicolinearidade. O método utilizado para determinar se havia ou não

multicolinearidade foi o FIV (Fator de inflação da variância). Valores maiores que 10

de FIV indicam que pode haver problemas de multicolinearidade entre as variáveis.

Os valores de FIV para as variáveis utilizadas no modelo foram os seguintes:

d_RISC2 1,023

d_FBCF 1,048

d_IBOV 1,054

TJLP 1,023

CC 1,051

Dummy_crise 1,084 Quadro 14 : Fator de Inflação da Variância (FIV)

Sendo assim, considera-se que não há problema de multicolinearidade no

modelo estimado.

Uma outra forma de detectar a multicolinearidade é olhando o �2 e as razoes t,

apresentados no modelo. Quando a equação apresenta um �� muito alto, mas poucas

razões t significantes significa que há multicolineariedade.


Apesar de apresentar apenas duas razões t significantes o �� do modelo foi de

0,215551, ou seja, baixo; descartando também a hipótese de multicolineariedade.

O próximo pass

o foi realizar o teste de normalidade dos resíduos. O teste revelou que o

modelo possui distribuição não normal dos erros, ou seja, rejeitou-se a hipótese nula

normalidade. O p-valor encontrado foi de 6,43344e-019.

Outro teste realizado foi o de heterocedasticidade, ou seja, de variância

constante. O teste utilizado foi o de White.

Devido ao caráter restritivo do teste que só pode ser utilizado para séries onde

o melhor grau de defasagem é 1, ao realizarmos tal teste acabamos nos encontrando

na parte inconclusiva do gráfico entre dl e du.

Em seguida, encontrou-se o melhor grau de defasagem segundo os critérios de

Akaike, Bayesiano de Schwartz, e Hannan-Quinn. Como houve divergência entre os

critérios, optou-se por considerar apenas o Akaike que apresentou como sendo 24 o

melhor grau de defasagem.

Defasagem Log. da verossimilhança p(LR) AIC BIC HQC

1 -5308,36975 68,74833 69,804049* 69,17712

2 -5275,34602 0,00165 68,786487 70,54602 69,50113

3 -5232,89765 0,00001 68,703816 71,167161 69,70432

4 -5193,54714 0,00005 68,660861 71,828019 69,94722

5 -5170,85929 0,136 68,831529 72,7025 70,40375

6 -5145,49511 0,05267 68,967886 73,54267 70,82597

7 -5125,66898 0,31041 69,175243 74,45384 71,31918

8 -5104,06671 0,1906 69,35983 75,342239 71,78963

9 -5041,0619 0 69,013614 75,699837 71,72927

10 -4992,79894 0 68,856397 76,246432 71,85791

11 -4944,21178 0 68,695023 76,788871 71,98239

12 -4893,43915 0 68,50563 77,303292 72,07886

13 -4846,81265 0 68,369393 77,870867 72,22848

14 -4811,24909 0,00043 68,374988 78,580276 72,51993

15 -4754,91686 0 68,114319 79,023419 72,54512

16 -4659,73336 0 67,355556 78,968469 72,07222

17 -4592,45082 0 66,954498 79,271224 71,95702

18 -4515,21556 0 66,425841 79,44638 71,71422 Tabela 4: Sistema VAR, máximo grau de defasagem igual a 24

Valor Crítico dl Valor Crítico du 4- du 4-dl d calculado

1,7071 1,831 2,169 2,2929 1,80

Quadro 15: Resultado do Teste de White



19 -4465,51154 0 66,250148 79,9745 71,82439

20 -4377,70433 0 65,585953 80,014118 71,44605

21 -4191,66787 0 63,662409 78,794386 69,80836

22 -4024,7881 0 61,984463 77,820254 68,41628

23 -3774,73974 0 59,240253 75,779857 65,95792

24 -3531,65052 0 56,585263* 73,82868 63,588792*

Os asteriscos indicam os melhores valores dos respectivos critérios de informação.

Critérios de informação:

AIC = Critério de Akaike

BIC = Critério de Bayesiano de Schwartz

HQC = Critério de Hannan-Quinn Tabela 4: Sistema VAR, máximo grau de defasagem igual a 2

Para verificação do modelo com 24 defasagens foi necessário utilizar o

modelo dos Multiplicadores de Lagrange (LM) aumentado pelo teste F como coloca

Hill:

Para teste de estruturas de autocorrelação mais complicadas, que envolvem defasagens de ordem superior (...), o teste LM pode ser usado, incluindo-se os erros defasados adicionais em yt = B1 + B2x1 + pet-1 + v1, e usando-se um teste F para testar a relevância de sua inclusão. (HILL, GRIFFITS, JUDGE, 2003)

Realizando o teste de autocorrelação com 24 defasagens verificou-se que o

modelo não é autocorrelacionado porque o p-valor do teste LMF (La Grange

aumentado pelo teste F) foi de 0,306039.

4.1. Verificação do novo modelo

Para tornar significativa Dummy de Crise rodou-se um novo modelo onde foi

incluída uma dummy para cada crise, e retirado o ano de 1995:

Variável dependente: OCSP (Operação de Crédito sobre PIB)

VARIÁVEL COEFICIENTE ERRO PADRÃO ESTAT. T P-VALOR

const 0,404529 161.554 25.040 1.331 **

d_RISC2 0,000133353 3.11362e-05 42.829 3,21e-05***

d_FBCF -0,000220185 244.441 -901 92.834

d_IBOV -4,42617e-06 5.56352e-06 -7.956 42.749

TJLP -0,0281209 156.726 -17.943 0,07471*

CC 1,26729e-06 9.09088e-06 1.394 88.931

dummy_crise97 -0,494111 167.129 -29.565 0,00360***

Tabela 5: Resultados da Estimação


Variável dependente: OCSP (Operação de Crédito sobre PIB)

VARIÁVEL COEFICIENTE ERRO PADRÃO ESTAT. T P-VALOR

dummy_crise98 0,6315 292.437 21.594 3.234 **

dummy_crise99 -0,331711 156.107 -21.249 3.517 **

dummy_crise2001 -0,255906 186.222 -13.742 17.135

dummy_crise2002 -0,138901 235.035 -5.910 55.539

dummy_crise2008 0,444869 266.929 16.666 9.760 *

***Significativo a menos de 1%, **Significativo a menos de 5% e *Significativo a menos de 10%

Tabela 5: Resultados da Estimação

Lembrando que o teste de estacionariedade não foi refeito, porque só foram

incluídas no modelo original variáveis dummies.

A equação estimada através do Modelo de Mínimos Quadrados Ordinários foi a seguinte:

Equação 2: d_OCSP = 0,404529 + 0,000133353 (d_RISC2) - 0,000220185 (d_FBCF) -

4,42617e-06(d_IBOV) - 0,0281209(TJLP) – 1,26729e-06(CC) - 0,494111 (Dummy_crise97) + 0,6315(Dummy_crise98) - 0,331711 (Dummy_crise99) -0,255906 (Dummy_crise20001) -0,138901 (Dummy_crise2002) + 0,444869 (Dummy_crise2008)

Para verificar a significância das variáveis selecionadas utilizou-se o teste t.

Segundo ele assumindo um intervalo de confiança de 95%, e conforme as hipóteses

do teste que são: hipótese nula (coeficiente significativo) e hipótese alternativa

(coeficiente não significativo). Como pode ser observado na tabela anterior a primeira

defasagem do Risco 2 mostrou significativa (3,21e-05 ***) a menos de 1%, com um

intervalo de confiança de 99%; já a primeira diferença da Formação Bruta do Capital

Fixo não mostrou significativa; igualmente a primeira diferença do Índice Bovespa

não foi considerada significativa; já a Taxa de Juros de Longo Prazo mostrou-se

significativa (0,07471*) a menos de 10%, com um intervalo de confiança de 90%; a

Conta Capital também não se mostrou significativa; a dummy_crise97 mostrou-se

significativa (0,00360***) a menos de 1%, com um intervalo de confiança de 99%; a

dummy_crise98 mostrou-se significativa (0,0323**) a menos de 5%, com um

intervalo de confiança de 95%; a dummy_crise99 mostrou-se significativa (0,0352**)

a menos de 5%, com um intervalo de confiança de 95%; a dummy_crise2001 não se

mostrou significativa; bem como a dummy_crise2002 não significativa; a

dummy_crise2008 mostrou-se significativa (0,09076*) a menos de 10%, com um

intervalo de confiança de 90%.


Em seguida, realizaram-se testes para verificar se os pressupostos básicos do

modelo de regressão múltipla não estavam sendo violados. O primeiro teste realizado

foi o de multicolinearidade. O método utilizado para determinar se havia ou não

multicolinearidade foi o FIV (Fator de inflação da variância). Valores maiores que 10

de FIV indicam que pode haver problemas de multicolinearidade entre as variáveis.

Os valores de FIV para as variáveis utilizadas no modelo foram os seguintes:

Sendo assim, considera-se que não há problema de multicolinearidade no modelo estimado. Uma outra forma de detectar a multicolinearidade é olhando o �2 e as razoes t,

apresentados no modelo. Quando a equação apresenta um �2 muito alto, mas

poucas razões t significantes significa que há multicolinearidade.

Além de apresentar seis razões t significantes o �2 do modelo foi de

0,274274, ou seja, baixo; descartando também a hipótese de multicolinearidade.

O próximo passo foi realizar o teste de normalidade dos resíduos. O teste

revelou que o modelo possui distribuição não normal dos erros, ou seja, rejeitou-se a

hipótese nula normalidade. O p-valor encontrado foi de 2.57183e-17. Sendo assim, a

separação da dummy total das crises não conseguiu normalizar a distribuição dos

erros.

d_RISC2 1.100

d_FBCF 1.099

d_IBOV 1.022

TJLP 1.392

CC 1.199

Dummy_crise97 1.482

Dummy_crise98 1.477

Dummy_crise99 1.201

Dummy_crise2001 2.344



Quadro 16: Fator de Inflação da Variância (FIV)


Outro teste realizado foi o de heterocedasticidade, ou seja, de variância

constante. O teste utilizado foi o de White. Obteve-se um p-valor de 0.052039,

significando que aceitou-se a hipótese nula de homocedasticidade.


1 -4773,31783 66,456409 68,050390 67,104080 2 -4735,21920 0,00010 66,427660 68,757326 67,374257 3 -4688,88431 0 66,286086 69,351436 67,104080 4 -4667,77075 0,21977 66,490010 70,291043 68,034457 5 -4647,38754 0,26877 66,703939 71,240656 68,547311 6 -4622,69466 0,06781 66,858831 72,131232 69,001128 7 -4599,61611 0,11961 67,035837 73,043922 69,477060 8 -4579,29969 0,27357 67,250681 73,994449 69,990828 9 -4507,86236 0 66,765238 74,244690 69,804311

10 -4469,00609 0,00007 66,726111 74,941247 70,064109 11 -4396,61668 0 66,227626 75,178446 69,864549 12 -4336,98415 0 65,903892 75,590396 69,839741 13 -4287,74521 0 65,722537 76,144725 69,957311 14 -4247,93684 0,00004 65,670368 76,828239 70,204066 15 -4183,74223 0 65,284140 77,177695 70,116764 16 -4101,19715 0 64,646536 77,275775 69,778085 17 -4018,92454 0 64,012665 77,377588 69,443139 18 -3915,21725 0 63,085168 77,185774 68,814567 19 -3812,21171 0 62,167284 77,003574 68,195608 20 -3568,62606 0 59,323645 74,895619 65,650894 21 -3219,34880 0 55,032175 71,339833 61,65835 22 -2348,10649 0 43,59050* 60,63384* 50,51560*

Os asteriscos indicam os melhores valores dos respectivos critérios de informação. Critérios de informação: AIC = Critério de Akaike BIC = Critério de Bayesiano de Schwartz HQC = Critério de Hannan-Quinn

Tabela 6: Sistema VAR, máximo grau de defasagem igual a 22

Realizando o teste de autocorrelação com 22 defasagens verificou-se que o

modelo é autocorrelacionado, porque o p-valor do teste LMF (La Grange aumentado

pelo teste F) foi de 0,0159.

5 Conclusão

Este artigo teve como objetivo determinar a significância das crises financeiras

mundiais na concessão de crédito dada pelos bancos brasileiros.

Apesar de no primeiro modelo a dummy_crise não ser significativa para

explicar as alterações no percentual de concessão total de créditos sobre o PIB, com a

separação no segundo modelo pode-se perceber que excetuando-se as crises de

2001(Crise Argentina) e 2002 (Crise “Lula”), todas as outras crises mostraram

significativas dentro do modelo proposto.


Ademais, é importante ressaltar a importância provada da Taxa de Juros de

Longo Prazo e da Inadimplência que mostraram-se significativas em todos os

modelos propostos.

Quanto a Formação Bruta do Capital Fixo sua não significância pode dever-se

ao fato de que a única serie temporal que continha dados mensais era a Formação

Bruta de Capital Fixo em relação a compra de maquinário, os índices totais eram

apenas anuais. Efeito similar pode ter ocorrido com a Conta Capital que na verdade

foi uma variável mais generalizada para demonstrar a entrada de investimentos e

aplicações no país. A grande surpresa foi o Índice Bovespa, mas tanto nesse quanto

nos outros dois casos não se pode descartar a ocorrência de erros estocásticos na

coleta e manipulação dos dados.

Quanto a não ocorrência de normalidade na distribuição dos erros é importante

lembrar que apesar de ser um dos pressupostos do MQO, dependendo do tamanho da

amostra é comum o teste apontar que os erros não são normalmente distribuídos. Ao

longo da pesquisa para tentar resolver este problema foram acrescentadas 6 dummies

estruturais no lugar do dados discrepantes, porém a distribuição dos erros permaneceu

não normal. Com isto optou-se por deixar o erro não normal e evitar a inclusão de

tantas dummies que poderiam alterar muito as características reais do modelo.

(Gujarati, 2003)

A retirada do ano de 1995, por ser este um ano com muitas variações de

inflação dentre outros parâmetros econômicos, também foi uma tentativa de

normalizar o erro, o que, perceptivelmente, não ocorreu. Nem mesmo a separação das

dummies por crise normalizou a distribuição do erro.

Portanto o que podemos concluir é que o ideal seria partir para outro método

de estimação. O GMM5 (Método Generalizado dos Momentos) poderia ser

recomendável, porém não é tratado a nível de graduação.

6 REFERÊNCIAS BIBLIOGRÁFICAS

BAER, W. A Economia Brasileira. 2 ed. São Paulo: Nobel, 2002.

BANCO CENTRAL DO BRASIL. Economia e Finanças – Séries Temporais. Brasília: BR.


BLANCHARD, O. Macroeconomia (4nd edição ed.). (C. Martins, & M. Rosemberg, Trans.) São Paulo, SP, Br: Pearson Prentice Hall, 2007.

GALBRAITH, J. K. 1929 A Grande Crise. (C. A. Colotto, Trans.) São Paulo, SP, Br: Larousse do Brasil, 2010.

GORDON, R.J. Macroeconomia. 7 ed. Porto Alegre: Bookman, 2000.

GREMAUD, A. P.; VASCONCELLOS, M. A. S. de; TONETO JR, R. Economia Brasileira Contemporânea. 7. ed. São Paulo: Atlas, 2007. GUJARATI, D. Econometria básica. 4. ed. Rio de Janeiro: Elsevier, 2003.

HILL, R. C.; GRIFFITHS, W. E.; JUDGE, G. G. Econometria. 2. ed. São Paulo: Saraiva, 2003.

HIRSCHMAN, A. O. As Paixões e os Interesses: Argumentos Políticos para o Capitalismo antes de seu Triunfo. (L. Campelo, Trans.) São Paulo, SP, Br: Paz e Terra, 2000.

JARDIM, Ronise. O setor coureiro-calçadista gaúcho e a crise internacional de 2008. Universidade Federal do Rio Grande do Sul. Faculdade de Ciências Econômicas. Curso de Ciências Econômicas. 2010. Disponível em: < http://hdl.handle.net/10183/25426>. Acesso em: nov. 2010.

KRUGMAN, P. A crise de 2008 e a economia da depressão. 3. ed. Rio de Janeiro: Elsevier, 2009.

MACIEL, Marcos. Crise atual: Confirma acerto do lançamento do Proer no governo FHC. Disponível em: < http://www.direito2.com.br/asen/2008/set/30/marco-maciel-crise-atual-confirma-acerto-do-lancamento-do-proer>. Acesso em: 18 de nov. 2010.

Documents

DO CRASH 1 AO SUBPRIME 2 Lyza Anzanello de Azevedo§as e economia do... · geradas pelo petróleo, na década de 1980 pelas moratórias que geraram um grande número de crises durante