As informações para os testes empíricos provêm das seguintes fontes: as operações de crédito registradas em 2013 constam do Sistema de Informações de Crédito do Banco Central do Brasil (SCR); as informações dos municípios estão no Censo Demográfico do Instituto Brasileiro de Geografia e Estatística (IBGE) de 2010; o número de sedes de CFI e Postos de Atendimento Cooperativo (PAC) estão na base de dados do II RIF - Relatório de Inclusão Financeira do Banco Central do Brasil (BCB, 2011b). Selecionei as operações de crédito das três modalidades mais relevantes e com participação mais expressiva de CFI: crédito livre sem consignação (crédito ao consumidor), microcrédito e crédito rural.
Os dados se referem apenas a novas operações de crédito realizadas na data-base, a fim de captar a tomada de decisão do banco sobre que taxa aplicar em cada período. Apliquei filtros à base original para rodar o modelo que relaciona a presença de CFI às taxas bancárias. Em primeiro lugar, restringi a análise ao crédito livre sem consignação para Pessoa Física (PF), pois são as operações nas quais os bancos estão mais livres para determinar que taxas praticar. Limitei ainda a amostra às operações com taxas de juros prefixadas, pois a composição entre a parcela pré e o indexador para definição das taxas pós-fixadas dificultaria a análise. De qualquer forma, apenas 1% das operações tem taxas pós.
Considerei apenas as operações com taxa maior que zero porque, ainda que em teoria seja possível que o banco pratique juro zero, é provável que haja erro na informação ou que a operação tenha alguma informação adicional que explique essa
atipicidade. Uma possibilidade é que o banco pratique taxa de juro zero ao mesmo tempo em que cobra tarifas administrativas de valor elevado, uma estratégia mais comum entre bancos pequenos para mascarar os juros cobrados. Outra hipótese é que sejam renegociações de dívidas vencidas. Essas informações em conjunto sugerem que são operações atípicas que não nos ajudarão a compreender a concorrência no mercado de crédito e que por isso devem ser descartadas. Além disso, winsorizei a taxa a 5% para que os valores extremos não prejudiquem a análise.
A unidade de observação é a operação, sendo cada observação um conjunto de operações agrupadas pelas seguintes características comuns ou fatores: município, banco e tempo. O primeiro fator de agrupamento é o município do tomador. O casamento entre o município de residência do tomador do empréstimo e a localização da instituição financeira não é perfeito. Alguns tomadores buscam bancos ou CFIs em cidades vizinhas. Porém, há um problema maior: algumas instituições registram operações de forma centralizada em sua sede, impossibilitando saber onde o crédito foi tomado originalmente. Na base de dados utilizada por Hirakawa e Bueno (2010), 30% das operações sofreram esse descasamento. Por isso, usarei a localização do tomador, pois parece estar menos sujeita a erro.
O segundo fator é o banco. Analisei os três maiores bancos privados6 separadamente e agrupei as operações dos demais. O mesmo ocorre com os bancos públicos. Separei as operações de Banco do Brasil (BB)7 e Caixa Econômica Federal (CEF) e agrupei as operações dos demais bancos públicos. O terceiro fator de agrupamento é o tempo, pois temos operações em quatro datas-base de 2013: março, junho, setembro e dezembro. Como algumas das variáveis são defasadas, temos também informações das operações realizadas em dezembro de 2012. As informações são trimestrais porque essa é a exigência para as CFIs enviarem as informações ao Banco Central. As informações da base pronta para análise estão no anexo.
A base conta ainda com a classificação de risco dos clientes. Contudo, não incluirei essa medida como uma variável de análise, pois a informação tem
6 Em função dos ativos totais em dezembro de 2012. A ordem de classificação não se alterou durante o ano de 2013 (BCB, 2014)
7 O Banco do Brasil é uma sociedade de economia mista. Para nossos propósitos, será tratado como banco público.
problemas. Em primeiro lugar, como a base conta apenas com créditos novos, não há histórico para classificar o risco das operações. A informação disponível é a classificação e risco do cliente. Defini os clientes AA e A como de baixo risco e os demais como de alto risco. Na base, 61% das observações são de clientes com risco baixo. Porém, há 749 observações no 99% percentil (taxa acima de 203%) classificadas como de baixo risco. Operações com taxas tão altas classificadas como risco baixo exigem especial cuidado. É possível que os bancos pequenos tenham sido menos criteriosos na classificação ou que haja alguma informação adicional sobre a operação que não conhecemos, como um colateral garantindo o crédito ou uma cessão de crédito registrada pelos bancos menores como crédito novo de baixo risco. De qualquer forma, essas questões prejudicam a utilidade dessa medida de risco e por isso não a utilizarei.
Escolhi utilizar o IDH municipal (IDHm) como única variável de desenvolvimento local, pois é uma variável que contempla diferentes indicadores de desenvolvimento, riqueza e distribuição. Variáveis como Índice de concentração de Gini, renda per capita e população rural são altamente correlacionadas com o IDHm e por isso não compõem o modelo empírico. Variáveis de população também não fazem parte do modelo como variável separada, pois o IDHm já inclui em sua medida o PIB per capita. O quadro 13 apresenta a descrição, as referências e os sinais esperados das variáveis do modelo:
Grupo Variável Descrição Referências Sinal esperado
Dependente taxa Taxa anual média das operações em um município por tipo
de instituição e por classificação de risco Kondo (2013); Lhacer (2012)
Interesse presença
Presença de CFI, dada de duas formas alternativas: i) pela razão entre o volume emprestado por CFIs no período e o volume emprestado por todas as instituições no município. Variável defasada em um período; ii) Número de agências8 de CFI por 10 mil habitantes conforme RIF de 2011
Lhacer (2012); Abreu (2014); Schmid (2005); Hannan
(2003); Emmons e Schmid (2000); Tokle e Tokle (2000) -
Banco
banco1
Dummies para cada tipo de instituição. Os bancos 1 a 3
são os três maiores bancos privados do país. Públicos é
dummy para os bancos públicos, exceto CEF e BB. Privados representa os demais bancos privados e serve
como controle
Inspirado em Lhacer (2012), Hirakaw a e Bueno (2010), Cohen e Mazzeo (2007) e Tokle e Tokle (2000)
- banco2 - banco3 - BB - CEF - públicos - Local
idhm Índice de Desenvolvimento Humano municipal Inspirado em Sen (2010/1999) - Sul
Conjunto de dummies para as regiões do país. O SE é o
controle Emmons e Schmid (2000)
- CO
NE Norte
capital Dummy igual a 1 se o município for uma capital estadual Emmons e Schmid (2000)
Inspirado em Feinberg e Rahman (2001) + Concorrência HHI
Adaptação do Índice de Concentração de Herfindahl- Hirschman construído com base na participação de mercado de cada tipo de instituição, inclusive CFI. Variável defasada em um período
Kondo (2013) +
Quadro 13 - Descrição das variáveis
8