5. KONSERTEN: SOSIOKULTURELT FENOMEN OG SAMHANDLINGSROM ________ 43
5.2 Å GJØRE EN KONSERT : BÆRENDE SAMHANDLING I TID OG ROM
5.2.3 Konserten som hendelsesforløp med tidsfasene ”før”, ”under” og ”etter”
O efeito da inclusão de cada dummy sobre o modelo é reportada nas Tabelas 12 e 13, que mostram as regressões grupo-específicas (incluindo uma dummy por vez sobre modelo básico), completa (com todas as dummies) e básica (sem dummies). As regressões grupo específicas indicam que os coeficientes de bancos grandes, públicos e de desenvolvimento mudam em relação ao modelo completo, mas nada que comprometa a avaliação de competitividade da estatística-H. Essa diferença ocorre porque estes três grupos não são excludentes entre si, ou seja, há bancos que participam de mais de um grupo. Logo, a regressão completa avalia mais detalhadamente os grupos, porque controla melhor as características de cada perfil de instituição.
Ao analisar o poder explicativo do modelo, na Tabela 12, pode-se inferir que a inclusão de determinadas dummies de grupos colabora mais que outras para o poder explicativo da
regressão. Na comparação, o modelo sem dummies possui coeficiente de poder explicativo, � (ajustado9), de . e nas regressões grupo específicas verifica-se que a inclusão das
dummies para bancos grandes, públicos e de investimento há contribuição sobre o valor do �², enquanto o grupo de bancos estrangeiros e de desenvolvimento diminuem. A inclusão das dummies para bancos grandes é a que mais contribui com o modelo, seguida pela dos bancos públicos e bancos de investimento. O fato dos bancos grandes, públicos e de investimento contribuírem para o poder explicativo do modelo já é um indício que esses bancos possuem coeficientes diferentes dos demais bancos. Os bancos estrangeiros e de desenvolvimento possivelmente possuem coeficientes muito parecidos com o dos bancos em geral e por isso não contribuem tanto com o poder explicativo do modelo.
Avaliando a regressão completa da Tabela 13, apenas os bancos de investimento apresentaram valor-H positivo de . e estatisticamente diferente tanto de zero quanto da unidade. Dessa forma, enquadrando-se em um caso compatível com concorrência monopolística. Esse resultado vai de encontro com o perfil dessas instituições, porque acredita- se que bancos de investimento possuem uma carteira menor de clientes comparado aos bancos comerciais. Contudo são clientes que obtém volumes maiores de empréstimos e desfrutam de juros mais atrativos do que os exercidos por outros bancos privados, justificando a demanda por essa categoria de bancos. Basicamente, pode-se dizer que a menor quantidade de clientes e o grande volume de cada operação incentiva a competitividade dessas instituições.
Também é importante observar que durante todo o período estudado, dos 62 bancos nunca houve mais do que quatro instituições classificadas como de investimento para uma mesma data e apenas um permanecendo nessa classificação do primeiro ao último período da análise. A redução do número de bancos de investimento de quatro no primeiro período para dois no ultimo mostra que os bancos que participavam deste mercado preferiram mudar a classificação. Provavelmente a troca de classificação para banco comercial deve ter se dado devido a menor lucratividade dos bancos de investimento. Essa atitude é comum para firmas racionais, migrar para nichos mais lucrativos do mercado
9 O � -ajustado tem a função de comparar modelos e por isso foi utilizado nessa análise. A sua principal diferença com relação ao � original é que possui uma penalização que reduz seu valor quando se adiciona novas variáveis. O � original sempre aumenta ao se adicionar variáveis, mas o � -ajustado pode até reduzir quando a adição de uma variável não contribui significativamente para o poder explicativo do modelo.
Tabela 12 – Regressões do modelo completo e grupos específicos
TODOS GRD PUB EXT INV DES SEM DUMMY
Coef. Std. Err. Coef. Std. Err. Coef. Std. Err. Coef. Std. Err. Coef. Std. Err. Coef. Std. Err. Coef. Std. Err. w1 -0.4070*** (0.0316) -0.3313*** (0.0287) -0.3581*** (0.0288) -0.3511*** (0.0292) -0.4342*** (0.0285) -0.3788*** (0.0287) -0.3659*** (0.0282) w2 -0.1025*** (0.0264) -0.0868*** (0.0200) -0.0865*** (0.0202) -0.0984*** (0.0214) -0.0783*** (0.0199) -0.0533** (0.0231) -0.0773*** (0.0199) gw1(m) -0.6115*** (0.1046) -0.6660*** (0.0983) - - - - gw2(m) 0.3143** (0.1576) 0.3983*** (0.1511) - - - - pw1(m) 0.0606 (0.0999) - - -0.2264*** (0.0939) - - - - pw2(m) 0.2187** (0.1127) - - 0.2963*** (0.1075) - - - - ew1(m) -0.1247** (0.0709) - - - - -0.1730*** (0.0703) - - - - ew2(m) 0.2310*** (0.0618) - - - - 0.2228*** (0.0602) - - - - iw1(m) 0.7570*** (0.0869) - - - 0.7930*** (0.0864) - - - - iw2(m) 0.2505 (0.1595) - - - 0.2172 (0.1589) - - - - dw1(m) 0.2223 (0.1895) - - - 0.2651 (0.1944) - - dw2(m) -0.0393 (0.0470) - - - -0.0863 (0.0455) - - crd 0.3571*** (0.0341) 0.3527*** (0.0340) 0.3497*** (0.0342) 0.3560*** (0.0341) 0.3737*** (0.0340) 0.3561*** (0.0341) 0.3601*** (0.0341) grd(n) 3.7208*** (0.9158) 4.3571*** (0.9486) - - - - pub(n) 2.6819*** (0.7127) - - 3.0682*** (0.8103) - - - - ext(n) 0.8616*** (0.2868) - - - - 0.7384*** (0.2852) - - - - inv(n) 2.9394*** (0.5761) - - - 2.9052*** (0.5753) - - - - des(n) 1.0808 (1.3298) - - - 0.5894 (1.6911) - - _cons 13.8941*** (0.2264) 14.3544*** (0.2304) 14.3322*** (0.2633) 14.5982*** (0.2691) 14.4909*** (0.2749) 14.7199*** (0.2768) 14.6621*** (0.2736) R² 0.3049 0.2722 0.1447 0.0413 0.0548 0.0439 0.0486 (m) Representa as dummies multiplicativas para os grupos de bancos: grandes (g), públicos (p), estrangeiros (e), de investimento (i) e de desenvolvimento(d). (n) São as dummies de nível para os grupos dos bancos: grandes (grd), públicos (pub), estrangeiros (ext), de investimento (inv) e de desenvolvimento (des). Estatística t assintótica: (***) Valor-P < 0.01, (**) Valor-P < 0.05, (*) Valor-P < 0.10.
Os demais grupos de bancos apresentaram estatística-H negativa, o que pelo critério de Shaffer (1983) automaticamente os deixa em uma situação compatível com estruturas não competitivas. Dessa forma é interessante observar o Índice de Lerner para saber as distâncias de uma estrutura competitiva.
Tabela 13 - Estatísticas-H para modelos alternativos
Todos GRD PUB EXT INV DES Sem Dummy
H_grd -0.80662 -0.68579 - - - - - (0.16965) (0.16033) - - - - - H_pub -0.23022 - -0.37459 - - - - (0.12933) - (0.12212) - - - - H_ext -0.4033 - - -0.39967 - - - (0.07935) - - (0.08001) - - - H_inv 0.497918 - - - 0.49759 - - (0.13856) - - - (0.13893) - - H_des -0.32648 - - - - -0.25334 - (0.19417) - - - - (0.19974) - H_geral -0.50951 -0.41808 -0.44453 -0.44949 -0.51258 -0.43212 -0.44323 (0.03371) (0.02987) (0.03010) (0.03070) (0.02971) (0.03050) (0.02942)
A primeira coluna corresponde a todas ao modelo com todas as dummies. A última coluna corresponde ao modelo sem dummies. As demais colunas ao modelo com apenas uma dummy por vez. Estatísticas obtidas pelo teste de Wald.
As informações da Tabela 14 apresentam o Índice de Lerner para poder de mercado conjuntamente com os testes da hipótese nula de existência de concorrência (� = ) e igualdade de poder de mercado com os bancos em geral (� = �� � ). Nessa tabela os testes apresentam que tanto bancos estrangeiros quanto bancos de desenvolvimento possuem o mesmo nível de poder que os bancos em geral.
Bancos grandes apresentam resultado não concorrente pela estatística-H, poder de mercado bem superior ao poder dos demais bancos e o índice de . contra . dos demais bancos em geral. Este é um resultado esperado para o perfil dos cinco grandes bancos, porque essas são as instituições que concentram a maior parte dos depósitos brasileiros, além de ser referência para o resto do mercado de crédito.
Tabela 14 – Testes Comparativos do Índice de Lerner Coef. Hip. Nula: � = � Hip. Nula: � = ������
p-valor p-valor L_grd 0.4464803 0.000 0.040 (0.0519774) L_pub 0.1871384 0.029 0.079 (0.0854559) L_ext 0.2873924 0.000 0.230 (0.0402939) L_des 0.2461225 0.026 0.411 (0.1103518) L_geral 0.3375352 0.000 - (0.0147954)
O índice de Lerner calculado por PR é definido em L>=0. Todos os testes são uni-caudais. Estatísticas obtidas pelo teste de Wald.
Com relação aos outros estudos que usam o método de PR para o Brasil, a Tabela 14 apresenta resultados distintos. Lucinda (2010) é o estudo que metodologicamente mais se aproxima do realizado aqui e encontra estatística-H de . , muito mais alto que o encontrado aqui, − . . Tabak, Gomes e Medeiros Júnior (2012) apesar de encontrar o valor médio de . , menor que Lucinda (2010), ainda é muito superior ao valor encontrado neste estudo. Belaisch (2003) consegue resultado ainda mais distante, com estatística-H tão alta que em alguns casos não rejeita a possibilidade de concorrência perfeita. Possivelmente este estudo seja o primeiro a utilizar o método de PR, avaliar os bancos brasileiros como não concorrentes e medir o poder de mercado das instituições bancárias com o uso da estatística-H.
6 CONCLUSÃO
O objetivo deste trabalho foi determinar o nível de competição no mercado bancário brasileiro no período de julho de 1994 a fevereiro de 2012. Diante de vários outros estudos que indicavam um mercado compatível com estruturas de concorrência monopolística, os resultados deste trabalho ganham destaque ao incorporar a análise da dessazonalização dos dados, as críticas de Bikker, Shaffer e Spierdijk (2009) sobre a inclusão de variáveis de escala e normalizar o preço dos insumos sobre a unidade de crédito cedido.
A escolha do modelo principal seguiu o Trabalho de Bikker, Shaffer e Spierdijk (2009), ou seja, não se incluiu qualquer variável de tamanho na regressão e nem controle de escala sobre as variáveis. A análise do efeito sobre inclusão dos Depósitos Totais como variável independente evidencia que as críticas estavam corretas e quase sempre superestima o cálculo de H, com exceção dos bancos de desenvolvimento, caso que subestima. Dessa forma elimina- se a tendência de enviesar a estatística-H pela utilização de escala ou tamanho.
Os grupos de interesse do trabalho foram controlados através de dummies. O controle por dummies permitiu estudar mais detalhadamente as características de cada grupo assim como a sua influência sobre o cálculo da estatística-H em dados dessazonalizados e não dessazonalizados.
Empiricamente a comparação dos modelos com dados dessazonalizados e não dessazonalizados revela a existência do viés sazonal nas estimativas. O viés sazonal se caracteriza basicamente por gerar resultados da estatística-H que sempre indicam estruturas concorrentes, � > , mesmo quando isso não é verdade. A inclusão da variável de escala apresentou efeito menor que a sazonalidade, mas suficiente para alterar a avaliação de estrutura competitiva de alguns tipos de bancos. Esse efeito eleva o valor H causando o falso resultado competitivo. Também pode se dizer que trabalhos como de Belaisch (2003), Araújo e Jorge Neto (2007), Lucinda (2010) e Tabak, Gomes e Medeiros Júnior (2012) possuem grande chance de sofrer com a sazonalidade dos dados, utilização de variáveis de escala e com as propriedades das proxies do preço dos insumos que escolheram.
Como principal resultado, as regressões revelam que, em geral, os bancos brasileiros não são competitivos com exceção dos bancos de investimento que possuem estatística-H compatível com estruturas de concorrência monopolística. Os cinco grandes bancos apresentam
estruturas não concorrentes, mas a avaliação de poder de mercado revela que essas instituições não estão no mesmo nível das demais, pois possuem maior poder de mercado.
Ao calcular o Índice de Lerner, o modelo indicou que bancos estrangeiros e de desenvolvimento são instituições que possuem o mesmo poder de mercado que os bancos em geral. Bancos públicos possuem poder de mercado inferior aos bancos em geral, mas rejeita a possibilidade de serem competitivos. Os cinco grandes bancos apresentam poder de mercado maior que dos demais bancos, resultado que em parte explica a grande lucratividade e os elevados juros exercidos no mercado.
Basicamente este trabalho encontra resultados que vão em direção contrária aos principais trabalhos realizados até o momento e a metodologia apresentada aqui é uma contribuição fundamental para o cálculo da estatística-H. A aplicação dos instrumentos usados aqui podem ter aplicação para vários outros estudos similares. Por fim, este trabalho é mais cauteloso com relação ao método que os de Belaish (2003), Araújo e Jorge Neto (2007), Lucinda (2010) e Tabak, Gomes e Medeiros Júnior (2012) e apresenta uma clara evidência de que o mercado bancário brasileiro não é competitivo, resultado que vai contra ao ao apresentado por esses autores.
Pesquisas futuras podem utilizar o método de dessazonalização de dados em painel para estimação de outros modelos de competitividade, eficiência e finanças na área bancária ou em qualquer painel que possua sazonalidade. Com dados dessazonalizados, também é possível analisar com mais detalhes os efeitos da inclusão de variáveis de escala em várias outras economias e comparar os resultados. A normalização dos insumos também tem fundamental destaque nos resultados e abrem uma nova forma de trabalhar o modelo PR.
REFERÊNCIAS
ARAÚJO, L. A. D. D.; JORGE NETO, P. D. M. Risco e Competição Bancária no Brasil. Revista Brasileira de Economia, v. 61, n. 2, p. 175-200, 2007.
BAIN, J. S. Barriers to New Competition. Cambridge: Harvard Press, 1956.
BELAISCH, A. Do Brazilian Banks Compete? International Monetary Fund, 2003. IMF Working Papers 03/113.
BIKKER, J. A. Competition and efficiency in a unified European banking market.
Edward Elgar, 2004.
BIKKER, J. A.; HAAF, K. Competition, concentration and their relationship: An empirical analysis of the banking industry. Journal of Banking and Finance, n. 26, p. 2191- 2214, 2002.
BIKKER, J. A.; SHAFFER, S.; SPIERDIJK, L. Assessing Competition with the Panzar-Rosse Model: The Role of Scale, Costs, and Equilibrium. Utrecht School of
Economics, 2009. Working Papers 09-27.
BIKKER, J.; SPIERDIJK, L.; FINNIE, P. Misspecifiation of the Panzar-Rosse Model: Assessing Competition in the Banking Industry. Netherlands Central Bank, Research
Department, 2006. DNB Working Papers 114.
BRESNAHAN, T. F. The oligopoly solution is identified. Economics Letters, n. 10, p. 87-92, 1982.
BRESNAHAN, T. F. Empirical studies of industries with market power. In: SCHMALENSEE, R.; WILLIG, R.D. (ed.). Handbook of Industrial Organization, v. 2, 1989, p. 1012-1055.
CARBO, S. et al. Cross-Country Comparisons of Competition and Pricing Power in European Banking. Journal of International Money and Finance, v. 28, n. 1, p. 115-134, 2009.
CHOI, I. Unit root tests for panel data. Journal of International Money and
CLAESSENS, S.; LAEVEN, L. What drives bank competition? Some international.
Journal of Money, Credit, and Banking, n. 36, p. 563-583, 2004.
FERNANDEZ DE GUEVARA, J.; MAUDOS, J. Explanatory Factors of market Power in Banking System. Manchester School, v. 75, n. 3, p. 275-296, 2007.
FISHER, R. A. Statistical Methods for Research Workers. Forth Edition, Edinburgh,
Oliver and Boyd, 1932.
GUEVARA, F. D.; JUAN, J. M.; PEREZ, F. Market Power in European Bancking Sectors. Journal of Finalcial Services Reserch, v. 27, n. 2, p. 109-137, 2005.
HARRIS, R. D. F.; TZAVALIS., E. Inference for unit roots in dynamic panels where the time dimension is fixed. Journal of Econometrics, n. 91, p. 201–226, 1999.
IM, K. S.; PESARAN, M. H.; SHIN., Y. Testing for unit roots in heterogeneous panels. Journal of Econometrics, v. 53–74, n. 115, 2003.
JAUMANDREU, J.; LORENCES, J. Modelling price competition across many
markets (An application to the Spanish loans market). European Economic Review, n. 46, p. 93-115, 2002.
JOAQUIN, M.; GUEVARA, J. F. D. Factors Explaining the Interest Margin in the Banking Sectors of the European Union. Journal of Banking and Finance, v. 28, p. 2259- 2281.
LAU, L. J. “On identifying the degree of competitiveness from industry price and output data”. Economics Letters, n. 10, p. 93-99, 1982.
LEVIN, A.; LIN, C. F.; CHU, C.-S. J. Unit root tests in panel data: asymptotic and finite-sample properties. Journal of Econometrics, v. 108, n. 1, p. 1-24, Maio 2002.
LUCINDA, C. R. Competition in the Brazilian Loan Market: An Empirical Analysis.
Estudos Econômicos, São Paulo, v. 40, p. 831-858, Out./Dez. 2010. ISSN 4.
MADDALA, G. S.; WU, S. A Comparative Study of Unit Root Tests with Panel Data and A New Simple Test. Oxford Bulletin of Economics and Statistics, n. 61, p. 631-652, 1999.
MASON, E. H. Price and Production Policies of a Large Scale Enterprise. American
Economic Review, n. 29, p. 69-74, 1939.
MORENO, F. R.; MARTÍNEZ, A. L. D. G.; RUIZ, F. M. Competencia en el mercado español de créditos bancarios: un modelo de variaciones conjeturales. Instituto Valenciano
de Investigaciones Económicas, S.A. (Ivie), Valencia, 2006. Working Papers. Serie EC,
2006-07.
NAKANE, M. I. A test of competition in Brazilian banking. Estudos Econômicos, n. 32, p. 203-224, 2002.
PANZAR, J. C.; ROSSE, J. N. Structure, conduct and comparative statistics. Bell
Laboratories Economic Discussion Paper, 1982.
PANZAR, J. N.; ROSSE, J. Testing for 'Monopoly' Equilibrium. Journal of
Industrial Economics, n. 35, p. 443-456, 1987.
PETTERINI, F. C.; JORGE NETO, P. D. M. Competição bancária no Brasil após o plano Real. CAEN/UFC, Fortaleza, 2003. Textos Para Discussão.
ROCHA, F. A. S. Evolução da concentração bancária no Brasil (1994-2000). Notas
Técnicas do Banco Central do Brasil, n. 11, 2001.
ROSSE, J.; PANZAR, J. Chamberlin vs Robinson: an empirical study for monopoly rents. Bell Laboratories Economic Discussion Paper, 1977.
SHAFFER, S. Competition, conduct, and demand elasticity. Economic Letters, n. 10, p. 167-171, 1982.
SHAFFER, S. The Rosse Panzar statistic and the Lerner index in the short run.
Economics Letters, n. 11, p. 175-178, 1983.
SHAFFER, S. A test of competition in Canadian banking. Journal of Money, Credit,
and Banking, n. 25, p. 49-61, 1993.
SHAFFER, S. The competitive impact of disclosure requirements in the credit card industry. Journal of Regulatory Economics, n. 15, p. 183-198, 1999.
SHAFFER, S. Conduct in a banking monopoly. Review of Industrial Organization, n. 20, p. 221-238, 2002.
SHAFFER, S. Patterns of competition in banking. Journal of Economics and
Business, n. 56, p. 287-313, 2004.
SHAFFER, S.; DISALVO, J. Conduct in a banking duopoly. Journal of Banking and
Finance, n. 18, p. 1063-1082, 1994.
TABAK, B. M.; GOMES, G. M. R.; MEDEIROS JÚNIOR, M. D. S. The Impact of Market Power at Bank Level in Risk-taking: the Brazilian case. Banco Central do Brasil, Brasília, p. 1-33, Junho 2012. ISSN 283. Working Paper Series.
TONOOKA, E. K.; KOYAMA, S. M. Taxa de juros e concentração bancária no Brasil. Trabalhos para Discussão do Banco Central do Brasil, n. 62, 2003.
VUONG, Q. H. Likelihood ratio tests for model selection and non-nested hypotheses.