A Tabela 8 mostra diversas variações na estimação da Equação (3). Na coluna (8.1), testam-se os efeitos das variáveis independentes de interesse: MSCA, CRISE e MSCA*CRISE sobre o risco bancário. A regressão é estimada pelo método dos mínimos quadrados ordinários, incluindo efeitos fixos por IF e erros padrão robustos clusterizados em nível de IF. Em sintonia com os resultados obtidos por Gropp, Hakenes e Schnabel (2010), constata-se que em períodos de normalidade o coeficiente de MSCA é significante e negativo. Assim, uma elevação de 0,1 no MSCA está associada a um decréscimo médio de 12,45% no Z-score. Portanto, considerando-se a redução na variável explicada, há indícios de que aumentos no MSCA promovam maior assunção de riscos. A dummy de crise, também vinculada a aumentos na tomada de riscos, sinaliza que, para uma IF com MSCA igual a 0, em momentos de instabilidade no setor bancário tem-se um decréscimo médio no Z-score de 47,43% (e-0.643 – 1). Ao contrário
do efeito da variável MSCA quando tomada de forma isolada, sua interação com a dummy de crise mostra um impacto positivo e significante sobre o nível de risco. Desse modo, embora em períodos de crise o efeito líquido da variável MSCA sobre o Z-score continue negativo, há uma razoável diminuição em seu impacto. Ou seja, em fase de turbulência bancária, para uma elevação de 0,1 no MSCA, tem-se uma diminuição média no Z-score de 9,08%. Logo, há sinais que corroboram H1 e H2.
Tabela 8 – Impacto do MSCA sobre o risco bancário (Z-score) (8.1) (8.2) (8.3) (8.4) (8.5) (8.6) MSCA -1,245*** -1,001*** -1,010*** -0,676*** -0,667*** -0,745*** (0,131) (0,161) (0,207) (0,123) (0,137) (0,175) CRISE -0,643*** -0,566*** -0,207** -0,647*** -0,523*** -0,215*** (0,073) (0,078) (0,093) (0,069) (0,073) (0,085) MSCA * CRISE 0,337*** 0,347*** -0,012 0,323*** 0,289** 0,029 (0,131) (0,123) (0,145) (0,110) (0,116) (0,135) ATIV 0,000 -0,127** 0,008 0,005 (0,042) (0,056) (0,009) (0,010) PROBSUP t-1 -0,401*** -0,346*** -0,494*** -0,549*** (0,140) (0,133) (0,079) (0,084) LIQUID -0,076*** -0,106*** -0,159*** -0,162*** (0,017) (0,020) (0,016) (0,018) CONC 0,937*** 0,745*** (0,275) (0,238) PIBCAP 2,220*** 2,259*** (0,122) (0,115) CRESCPIB t-1 0,009*** 0,010*** (0,002) (0,002) CRESCPIB t-2 -0,030*** -0,030*** (0,002) (0,002) CREDPIB -0,005*** -0,004*** (0,001) (0,001) Número de observações 41314 35031 28875 41314 35031 28875
Número de efeitos fixos 5581 5291 4798 34 34 34
Número de clusters 5581 5291 4798 5581 5291 4798
F 275,44 86,60 93,85 296,74 105,99 115,09
R2 0,597 0,631 0,672 0,210 0,238 0,270
R2 Ajustado 0,534 0,566 0,606 0,209 0,237 0,269
Fonte: elaboração própria
Variáveis Ln (Z-score)
Notas: A variável dependente é o logaritmo natural do Z-score, cuja fórmula de cálculo é igual a: (ROA + PL/Ativos) / Desvio Padrão do ROA. Quanto menor o Z-score, maior é a assunção de risco. As variáveis independentes são: MSCA - market share dos competidores assegurados; CRISE - dummy que assume valor igual a um entre 2008 e 2010 se o país entrou em crise; ATIV - logaritmo natural do total de ativos; PROBSUP - probabilidade de suporte com defasagem de um ano; LIQUID - logaritmo natural do índice de liquidez, expresso em %; CONC - índice Herfindahl de concentração (proxy para competição); PIBCAP - logaritmo natural do PIB per capita; CRESCPIB - crescimento anual do PIB, expresso em %, com defasagens de um e dois anos; CREDPIB - total de crédito bancário ao setor privado dividido pelo PIB, expresso em %. Diferentes números de observações deve-se à disponibilidade de dados no Bankscope. A amostra contém bancos cooperativos, comerciais, hipotecários, de poupança e instituições governamentais de crédito com atuação nos países da OCDE entre 2005 e 2013. Regresssões OLS em painel. As colunas (8.1), (8.2) e (8.3) incluem efeitos fixos por IF. As colunas (8.4), (8.5) e (8.6) incluem efeitos fixos por país. Os valores entre parênteses representam os erros padrão robustos clusterizados em nível de IF. ***, **, * indicam significância a 1%, 5% e 10%, respectivamente.
Na coluna (8.2) são introduzidos controles no nível de banco, e os coeficientes para as três variáveis de interesse são praticamente mantidos. A probabilidade de suporte do próprio banco e seu nível de liquidez têm efeito negativo e significante sobre o Z-Score, ceteris paribus. Na coluna (8.3) são adicionados novos controles em nível de país. Nessa especificação, a magnitude do coeficiente da dummy de crise é reduzida e, ao contrário das regressões anteriores, em que a interação entre MSCA e CRISE é significante a 1%, a variável perde significância. Naturalmente, as variáveis macroeconômicas são muito correlacionadas com a dummy de crise (uma vez que esta discrimina em países que foram fortemente afetados pela crise ou não), o que faz com que essas variáveis praticamente capturem boa parte do efeito da crise no Z-Score. Os efeitos encontrados na coluna (8.2) para LIQUIDEZ e probabilidade de suporte praticamente se mantêm nessa especificação. Em linha com Boyd e Runkle (1993), verifica-se que um aumento de 1% em ATIV é acompanhado por uma redução no Z-score de 0,12%.
Consistente com Dam e Koetter (2012), verifica-se que o coeficiente de PROBSUP é negativo e significante a 1%. Dessa forma, ao se elevar a probabilidade de suporte em 0,1 o Z-score é reduzido em 4,01%. Portanto, dado que elevações na expectativa de resgate estão associadas com maior tomada de riscos, encontra-se suporte para a teoria de risco moral. De maneira similar, acréscimos na liquidez também estão vinculados a maior nível de risco. Ou seja, um incremento de 10% na variável LIQUID está relacionado a um decréscimo na variável dependente de 0,76%. Nesse sentido, corrobora-se a tese de que bancos mais agressivos mantêm ativos de maior liquidez em suas carteiras, com o intuito, por exemplo, de responder tempestivamente a chamadas de margem (MARQUES; CORREA; SAPRIZA, 2013).
No que concerne à variável CONCENT, verifica-se que ela tem coeficiente positivo e significante a 1%, sugerindo que sistemas bancários mais concentrados estão relacionados a maior robustez. Dessa forma, para cada elevação de 0,1 no regressor, aumenta-se o Z-score em 9,37%. Portanto, há evidências condizentes com a hipótese de charter value. Analogamente, elevações na variável PIBCAP estão associadas a menor tomada de riscos. Isto é, a cada 1% de aumento na riqueza per capita do país, tem-se uma elevação de 2,22% no Z-score.
No que tange aos efeitos do crescimento econômico sobre a assunção de riscos no setor bancário, observa-se que, dependendo do período de defasagem, é possível que se tenha resultados muito diferentes. Ou seja, quando se utiliza CRESCPIB com defasagem de um ano, um aumento de uma unidade na variável reflete em menor tomada de riscos, com elevação de
0,09% no Z-score. Por outro lado, quando se aplica uma defasagem de dois anos, a mesma variação tem como resposta uma queda no Z-score de 3,00%. Dessa forma, há indícios que apontam para a existência do efeito conhecido na literatura como boom and bust (e.g., HARDY; PAZARBASIOGLU, 1998; KAMINSKY; REINHART, 1999; SCHULARICK; TAYLOR, 2009).
Examinando-se o coeficiente de CREDPIB, nota-se que ele é negativo e significante. Portanto, aumentos na relação entre crédito bancário e PIB estão ligados a maior tomada de riscos. Isto é, a cada elevação de uma unidade no indicador, o Z-score cai 0,5% em média.
Como algumas das variáveis no nível de banco são relativamente estáveis ao longo do tempo nas colunas (8.4), (8.5) e (8.6) os EF por IF são substituídos por efeitos fixos por país. Ao se examinar os coeficientes das variáveis e suas respectivas significâncias e compará-los com o que foi apontado nas regressões anteriores, é observado que, exceto pela variável ATIV, que perde a significância, não há mudanças relevantes.