Você está na página 1de 21

POLTICA MONETRIA E O CANAL DO EMPRSTIMO BANCRIO: UMA

ANLISE PARA O BRASIL, DE 2003 A 2012.


Cristian Rafael Pelizza*

RESUMO
O objetivo do presente artigo apresentar um modelo, com base no trabalho de Bernanke e
Blinder (1988), em que o crdito, via emprstimos bancrios, possui impacto
macroeconmico, como canal de transmisso das polticas monetrias. A metodologia
utilizada foi a realizao de um teste economtrico utilizando a tcnica do Vetor AutoRegressivo (VAR). Para isso foram utilizadas seis variveis, o PIB real, inflao medida pelo
ndice IGP-DI, a base monetria M1, a taxa Selic real, o Spread bancrio e o Crdito com
recursos livres pblico e privado. Os resultados corroboram com a perspectiva terica, de que
com assimetria de informao o crdito se torna ativo nos resultados da poltica monetria.
Para chegar a essa concluso foi utilizada uma funo de impulso resposta, em que um
choque positivo na taxa Selic afeta o nvel de crdito e o spread bancrio, tendo como
conseqncia impacto sobre o produto.
Palavras chave: Poltica monetria, crdito, Vetor Auto-Regressivo

ABSTRACT
The objective of this paper is to present a model, based on the work of Bernanke and Blinder
(1988), in which the credit via bank loans, has macroeconomic impact as transmission
channel of monetary policies the methodology used was the realization of a econometric test
using the technique of vector autoregression (VAR). Thus, six variables were used, real GDP,
inflation measured by the IGP-DI index, money supply M1, real Selic rate, banking Spread
and free credit with public and private resources. The results corroborate the theoretical
perspective, that with asymmetric information credit becomes active on the results of the
monetary policy. To reach this conclusion a function impulse response, in which a positive
shock in the Selic rate affects the level of credit and banking spread, with the consequent
impact on the product was used.
Key words: Monetary Policy, credit, Vector Autoregression

* Mestrando em economia aplicada UFRGS/PPGE

1. INTRODUO

A oferta de moeda por muito tempo foi vista como o agregado chave em termos de
deciso sobre as polticas monetrias. Essa viso, presente na influente histria monetria dos
Estados Unidos de Friedman e Schwartz (1963), tambm constava nos modelos IS-LM
padro. Nesse aspecto, haveria correlao positiva, pelo menos no curto prazo, entre oferta de
moeda e produto, sendo que a importncia dos bancos estava resumida a criao de moeda,
via mecanismo multiplicador. Complementar a esse ponto de vista estava o modelo de
Modigliani e Miller (1958), que ressaltava a estrutura financeira das firmas como irrelevante,
e com isso os bancos tornam-se redundantes na economia. Essa idia sobre o papel da poltica
monetria evoluiu at os modelos de ciclo real de negcios, onde a mesma afeta as variveis
reais de maneira transitria, e apenas atravs de choques no antecipados na oferta de moeda.
A partir da dcada de 1970, a ateno sobre o papel da informao sobre os
mercados, podendo gerar imperfeies, trouxe nova luz sobre o papel do crdito sobre o
sistema econmico. Stiglitz e Weiss (1981) desenvolveram um modelo em que a informao
assimtrica gera racionamento sobre o mercado de crdito, e destacam assim, a importncia
dos intermedirios na captao de informaes sendo dessa forma crucial para reduzir
problemas como seleo adversa e risco moral nesse mercado. Com assimetria de informao
o crdito passa a ter funo ativa na propagao das polticas monetrias, dado que mudanas
na taxa bsica de juros (no caso do Brasil a taxa Selic) afetam tambm o prmio de
financiamento externo, cujo valor depende tambm da percepo dos riscos relacionados a
assimetria de informao observado pelos bancos.
A partir desses problemas, surgem anlises, em especial do perodo da grande
depresso, que destacam que aspectos relacionados moeda eram insuficientes para explicar
quedas persistentes e da magnitude da crise de 1929. Mishkin (1978) e Bernanke (1983),
destacam assim a importncia do crdito nesses perodos, resgatando de maneira parcial o
trabalho pioneiro de Fisher (1933). Assim sendo, o teorema de Modigliani-Miller passa a
perder a validade, j que as imperfeies no mercado passam a ter importncia sobre a
estrutura financeira das firmas e sobre a demanda agregada em geral.
A teoria do canal de crdito pode ser visto atravs de dois meios, o primeiro chamado
de canal do balano patrimonial e primeiramente desenvolvido por Bernanke e Gertler
(1989), e posteriormente ampliado para um modelo de equilbrio geral por Carlstrom e Fuerst
(1997), atenta ao fato de que os recursos externos e internos da firma possuem custos
diferentes, de forma que assumindo os mesmos como substitutos imperfeitos choques

monetrios podem afetar o balano patrimonial das firmas, assumindo um ambiente com
assimetria de informao. Com relao ao segundo meio de transmisso, o canal do
emprstimo bancrio, Bernanke e Blinder (1988) desenvolvem um modelo em que o
mercado de crdito adicionado ao IS-LM tradicional, considerando o papel essencial dos
intermedirios financeiros na oferta de crdito.
O presente trabalho busca demonstrar o funcionamento do canal do emprstimo
bancrio, numa primeira seo, aps a introduo, em seu modelo terico desenvolvido por
Bernake e Blinder (1988), e depois atravs do uso do mtodo economtrico do vetor autoregressivo (VAR), sendo que alguns de seus aspectos tericos importantes so observados na
seo 2 e o teste emprico para o Brasil, de 2003 a 2012, est na seo 3.

2. POLTICA MONETRIA E O CANAL DE CRDITO

Nos modelos IS-LM padro, os ativos e passivos bancrios possuam implicaes


diferentes em termos de determinao da renda e taxa de juros de equilbrio no sistema
econmico. Enquanto o passivo bancrio, a moeda, possua papel importante na determinao
demanda agregada, o ativo, os emprstimos, era incluso num mercado de ttulos e suprimido
pela lei de Walras, como observado por Freixas e Rochet, 1997.
Com o desenvolvimento da pesquisa sobre o mercado de crdito, surgem modelos que
apontam a existncia de informao assimtrica no mesmo (Stiglitz e Weiss, 1981), o que
torna importante o papel dos intermedirios financeiros, em especial os bancos. Segundo
Denardin:

Os bancos representam a principal fonte de intermediao de


crdito na maioria das economias e, por isso, se especializam em
superar problemas de informao e outras frices relacionadas ao
mercado de crdito. Se, por alguma razo, a oferta de emprstimos
dos bancos interrompida, os tomadores de emprstimos que so
dependentes desses recursos (em geral pequenas e mdias firmas)
no podem ser literalmente excludos do crdito, mas eles esto
virtualmente certos de que incorrero em custos para encontrar um
novo credor e estabelecer uma nova relao de crdito.
(DENARDIN, 2007, p. 62)

Dessa forma, Bernanke e Blinder (1988), desenvolvem um modelo em que o crdito


um canal adicional de transmisso das polticas monetrias. Ao contrrio dos modelos
tradicionais, os emprstimos e ttulos no so mais vistos como substitutos perfeitos. Assim,

pode-se apresentar uma economia com um bem, trs ativos (moeda (), mantida como
depsitos, ttulos () e emprstimos ()). Os tomadores e emprestadores escolhem entre
ttulos e emprstimos de acordo com suas taxas de juros, () para ttulos e () para

emprstimos. A demanda por emprstimos ser:

 = 
,  , 

(1)

Onde os sinais sobre as variveis so os sinais postulados de suas derivadas parciais, e

a renda (), capta a demanda transacional por crdito (capital de giro, por exemplo). A oferta
de crdito, por sua vez, pode ser observada a partir de um balano simplificado dos bancos,

onde o ativo corresponde s reservas (), aos ttulos em sua posse ( ) e emprstimos

realizados ( ). J o passivo so os depsitos ( ).

 =  +   + 

(2)

Decompondo as reservas () em obrigatrias () e excedentes (), chega-se ao

seguinte balano:

(1 ) =  +   + 

(3)

Os bancos definiro o quanto iro manter nos seus ativos em emprstimos ( ) e

ttulos (  ), a partir da otimizao de seu portflio:




 =   ,  (1 )

 =


 ,   (1 )

(4)

(5)

"

O equilbrio no mercado de crdito ser:


(, , ) = ( ,  )(1  )

(6)

O equilbrio no mercado monetrio segue o formato de padro do modelo IS-LM,


onde a oferta de depsitos ser igual s reservas bancrias vezes o multiplicador monetrio.
Bernanke e Blinder (1988) definem as reservas excedentes como:

 = $ ( )(1  )

(7)

Dessa forma, podemos definir o multiplicador monetrio:


&() = [$()(1 ) + ] )

(8)

Assim sendo, o equilbrio no mercado monetrio, onde a demanda por depsitos


tambm depende da renda pelo motivo transao, torna-se:
+

   ,  = &    

(9)

A ltima curva a ser apresentada o equilbrio no mercado de bens, que pode ser
apresentado como uma IS:

 = , , 

(10)

A partir da equao (9), pode-se substituir os depsitos ( ), no equilbrio do mercado

de crdito (equao (6)), assim teremos:

(, , ) = ( ,  )&()(1 )

(11)

Dessa forma, possvel resolver o valor da taxa de juros dos emprstimos como
funo da taxa de juros dos ttulos, da renda e das reservas bancrias, e observar os sinais de
suas derivadas parciais, a partir do que foi previamente postulado:
+ +

 = .   , , 

(12)

Por fim, substitui-se a taxa de juros dos emprstimos na curva IS, e surge uma nova
curva, chamada por Bernanke e Blinder (1988) de CC, commodities and credit, que
apresenta alm do equilbrio no mercado de bens, o mercado de crdito:

 = ,/, . (, ,  )0

(13)

Como apresentado por Bernanke e Blinder (1988), a curva CC possui inclinao


negativa, assim como a IS, no entanto, afetada pela poltica monetria atravs das reservas
(), e tambm por choques que afetem a demanda ou oferta de crdito (Figura 1).


1

*
*

22

Figura 1 Curvas CC e LM.


Fonte: Bernanke e Blinder (1988)

Se os ttulos e emprstimos forem vistos como substitutos perfeitos, a curva CC tornase uma IS tradicional. Por outro lado, caso a moeda e os ttulos sejam substitutos perfeitos e a
LM for horizontal, a poltica monetria continua tendo efeito positivo, dado pelo seu impacto
na CC.

3. O MTODO DO VETOR AUTO-REGRESSIVO (VAR)

O mtodo do Vetor Auto-regressivo (VAR) foi proposto inicialmente por Sims


(1980), com o intuito de criar uma alternativa aos modelos macroeconmicos estruturais
comuns at a dcada de 1970, onde muitas vezes era ignorada a inter-relao entre as
variveis endgenas e exgenas. Assim sendo, Sims (1980), propem um modelo onde todas
as variveis so endgenas. Segundo ele:
Dever ser vivel, para estimar modelos macro de grande escala em
suas formas reduzidas irrestritas, tratar todas as variveis como
endgenas. claro que algumas restries em relao s defasagens
so essenciais, por isso, quero dizer como irrestrito sem suposies
baseadas em conhecimento a priori. (SIMS, 1980, p. 15)

Os tpicos a seguir buscam observar alguns aspectos chave do modelo VAR,


como estimao, identificao e a funo de impulso-resposta.

3.1 IDENTIFICAO E ESTIMAO

O modelo VAR pode ser apresentado da seguinte forma:


:

345 = 67 + 8 69 45 9 + <5

(14)

9;)

Onde a matriz 3 (= > =), representa as restries contemporneas do vetor 45 (= > 1).

O vetor 67 (= > 1) um vetor de constantes, 69 (= > =) so matrizes associadas aos valores

defasados da varivel 45 , e <5 ~@ A(B, CD E95F ), um vetor = > 1 de perturbaes aleatrias
no correlacionadas temporalmente ou contemporaneamente.

As variveis, dessa forma, so mutuamente influenciadas umas pelas outras, tanto em


seus valores presentes como defasados. No entanto, como afirma Bueno (2008), as variveis

presentes no vetor 45 so correlacionadas individualmente com seus erros, j que ambas


dependem contemporaneamente uma da outra (efeito feedback). Assim sendo, nos modelos
VAR busca-se observar a trajetria das variveis de interesse dados choques nos termos de
erro (choques estruturais). Alm disso, devido presena de endogeneidade, os modelos so
estimados em sua forma reduzida:
:

45 = 3 67 + 8 3 69 45 9 + 3 <5 = G7 + 8 G9 45 9 + H5
)

Onde:

9;)

G7 = 3 )67 ,

GI = 3 )69 ,

9;)

HJ = 3 )<5

(15)

(16)

Hamilton (1994) reescreve o modelo atravs de dois novos vetores, (K5 e LM ), sendo

que o primeiro ter a dimenso (=N + 1) > 1 e contm um termo constante com valor unitrio
e as defasagens de 4.

R
Q4 V
5 )
P
U
K5 = P45 F U
P U
O45 : T

(17)

J o segundo, contm as constantes e coeficientes da regresso:


L M = [ G7

G)

GF

G: ]

(18)

Dessa forma, a mdia condicional de 45 , dados seus valores defasados, igual a LM K5 ,

e a matriz de varincia/autocovarincia dos resduos representada por X.


45 |45 ) , 45 F , 4 : ) A(L M K5 , X)

(19)

A densidade condicional da t-sima observao de 4, dado seus valores defasados e o

vetor \, que representa os coeficientes da regresso e a matriz de varincia/autocovarincia,

ser:

]^_ |^_`a,^_`b ,^`cda /45 |45 ) , 45 F , 4 : ); \0


1
= (f) D/F |X ) |)/F exp k
 (45 lM K5 )M m ) (45 lM K5 )n
2

(20)

Para encontrar a funo de verossimilhana, basta multiplicar as densidades


condicionais obtidas recursivamente em todos os perodos observados (os erros so
independentes e identicamente distribudos, seguindo uma distribuio normal). O logaritmo
da funo de verossimilhana ser:
s

(\) = 8 pqr ]^_|^_`a ,^_`b ,^`cda /45 |45 ) , 45 F , 4 : ); \0


5;)

t=
t
 log(2f) +
 log|X ) |
2
2
s

1

 8[(45 L M K5 )M X ) (45 LM K5 )]
2
5;)

(21)

O estimador de Mxima Verossimilhana dos coeficientes presentes na regresso ser:

xM

5;)

5;)

L = y8 45 K5 { y8 K5 K 5 {
M

(22)

Hamilton (1994) demonstra que a estimao por Mxima Verossimilhana da j-sima


equao de um VAR pode ser encontrado atravs de uma regresso com Mnimos Quadrados
Ordinrios (MQO), de |5 em relao a uma constante e os termos defasados das variveis do
sistema. Os coeficientes do j-simo termo so:
s

5;)

5;)

}
~ = y8 |5 K5 { y8 K5 K 5 {
M

(23)

O vetor H5 , para cada j-simo elemento da regresso por MQO de |5 em K5 ,pode ser

definido da seguinte forma:

x MK_
H5 = 45 L

(24)

Substituindo a expresso (24) no ltimo termo da expresso (21), arranjando os

termos e considerando que em MQO o termo s5;) K5 H5 = B, teremos:


s

x L)X ) (L
x L)K5
= 8 H5 X H5 + 8 K5 ( L
) 

5;)

5;)

(25)

x L)K5 e dessa forma o logaritmo da


Pode-se escrever um novo vetor K5 = (L

funo de verossimilhana se torna:


s

(\) = 8 pqr ]^_|^_`a ,^_`b ,^`cda /45 |45 ) , 45 F , 4 : ); \0


5;)

t=
t
 log(2f) +
 log|X )|
2
2
s

5;)

5;)

1

 y8 H5 X ) H5 + 8[K5 ]M X )K5 {
2

(26)

Assim sendo, o valor de K5 que maximiza a funo de verossimilhana de 45 igual a

x , e os coeficientes estimados da regresso de MQO de um modelo VAR


zero, ou seja, L = L

so os estimadores de Mxima Verossimilhana dos coeficientes da regresso.

Encontrando

os

coeficientes

estimados

pode-se

estimar

matriz

de

covarincia/autocovarincia dos resduos do modelo. O logaritmo da funo de


Verossimilhana fica:
s

t=
t
1
x 0 =
 log(2f) +
 log|X ) |
 8 H5 X ) H5
/X, L
2
2
2
5;)

(27)

Dessa forma, derivando a funo e igualando a zero, encontra-se a matriz estimada


que maximiza a funo, que :
s

1
x =
 8 H5 H5
X
t
5;)

(28)

O valor das varincias dos = (var(95 )) termos presentes na regresso, representada

pelos elementos nas linhas e colunas  da matriz X igual a:


E9F

1
=
 8 95F
t
5;)

(29)

Por sua vez, a covarincia (cov(95 |5 )), nesse caso os elementos da i-sima linha e j-sima

coluna de X, igual a:

1
E9| =
 8 95 |5
t
5;)

Alm

disso,

como

demonstra

Bueno

autocorrelacionados, ou seja, cov(95 95 ) = 0.

(30)

(2008),

os

erros

no

devem

ser

Em relao ao teste de hipteses, pode-se utilizar a Razo de Verossimilhana, com

um termo adicional = 1 + =N a diferenciando dos modelos univariados. Esse termo

representa o nmero de parmetros estimados por equao. J os subscritos e , na matriz


x , representam os modelos restrito e no restrito respectivamente:
X
x logX
x
 = (t )logX

(31)

Sob a hiptese nula,  segue assintoticamente uma distribuio F , com o nmero

de graus de liberdade igual ao nmero de restries impostas sob a hiptese nula.

Com relao escolha do nmero de defasagens do modelo, necessrio que se


escolha um nmero suficiente para tornar o erro um rudo branco. No entanto, como aponta
Enders (2004), os modelos VAR j possuem como caracterstica o fato de ser

sobreparametrizados, cada modelo ir gerar =F + N= coeficientes, dessa forma a escolha de


defasagens, via critrios de informao possui um termo que penaliza VAR de grandes

ordens. Ordens maiores, por sua vez, geram uma varincia menor, ento seleciona-se um
valor de defasagens N que minimiza as seguintes funes (respectivamente critrios de
Akaike, Schwartz e Hannan-Quinn):

2
2 (N) = ln|X(N)| +
 &=F
(32)
t
p=t
2 (N) = ln|X(N)| +

 &=F
(33)
t
p=p=t
(N) = ln|X(N)| +

 2&=F (34)
t
Quanto deteco de autocorrelao no modelo, Bueno (2008) sugere o uso dos testes
tradicionais de Ljung-Box e Breusch-Godfrey, tambm utilizados em modelos univariados. J
o teste de normalidade usual o de Jarque-Bera.

3.2 FUNO IMPULSO-RESPOSTA

Como a estimao do Vetor Auto-regressivo feita atravs de sua forma reduzida, as

informaes contidas nas matrizes 3 e 6 da forma estrutural acabam no sendo observadas

diretamente. Dessa forma, Sims (1980) sugere a imposio de que alguns coeficientes sejam
iguais a zero, atravs de critrios econmicos, limitando assim o efeito feedback. Bueno
(2008) apresenta o exemplo de um VAR (1) bivariado, com o coeficiente )F = 0.
5 = )7 + )) 5 ) + )F 5 ) + $5

5 = F7 F) 5 + F) 5 ) + FF 5 ) + $5
Reescrevendo o modelo em formato matricial:

(35)

(36)

5
1
= k
F)
5

0 )7
1
n + k
1 F7
F)
0 E
nk
1 0

1
+k
F)

0 ))
nk
1 F)

0 $5
n
E $5

)F 5 )
n

FF 5 )
(37)

A partir dessa funo podem-se recuperar as informaes da forma estrutural mesmo

fazendo a estimao da forma reduzida. Como a matriz na forma reduzida igual a G,

possvel observar os seguintes coeficientes:


.)7 = )7 ;

.)) = )) ;

.)F = )F ;

(38)

.F7 = F7 )7 F) ;

(39)

.F) = F) F) )) ;

(40)

.FF = FF F) FF ;

(41)

(42)

(43)

Da mesma forma, possvel encontrar o valor das varincias e da covarincia dos


erros estruturais atravs das suas formas reduzidas:
() ) = EF ;

(44)

F
(F ) = EF + F)
EF ;

F
2q() , F ) = F)
EF

(46)

(45)

A mesma metodologia pode ser aplicada para = variveis. Assim, a matriz com a

restrio assume a forma de uma matriz triangular, a chamada decomposio de Choleski. A

parte superior da matriz assume as (=F =)/2 restries, ordenadas de maneira arbitrria
atravs de razes econmicas:

1
y
A

0
{
1

(47)

Um VAR de ordem N como um VMA de ordem infinita, e dessa forma observar como

choques nos termos de erro afetam a trajetria das variveis do modelo, a chamada funo
impulso-resposta:
45 = + H5 + ) H5 ) + F H5 F

(48)

Onde representa a mdia de longo prazo e os elementos da matriz 9 so os

multiplicadores de impacto sobre as variveis endgenas, que somadas decomposio de

Choleski, tornam possvel observar graficamente a trajetria da varivel endgena ante um


choque no erro. Hamilton (1994) apresenta da seguinte forma:
 =

45 
H5

(49)

Os elementos da matriz  , linhas  e colunas , mostram o impacto sobre a i-sima

varivel 9,5  dado por um choque no j-simo termo de erro |5 no perodo . Em geral

aplica-se um choque de um desvio padro. Voltando ao exemplo de Bueno (2008), para um


VAR de ordem um, temos um VMA de ordem infinita com o seguinte formato:

)
1
45 = + 8
k

1 )F F)
F)
;7

)F E $,5 9
n E $

1
,5 9

(50)

Onde o vetor de choques assume o seguinte formato:


)
1
=
k

1 )F F)
F)

)F
n
1

(51)

Cada elemento 9| da matriz de multiplicadores de impacto ir representar um choque

sobre as variveis endgenas. Por exemplo, no caso de um VAR (1) bivariado, o choque de
$5 sobre 5 dado pela soma dos coeficientes ,)) , = 0,1,2 .

4. ANLISE EMPRICA DO CANAL DE EMPRSTIMO BANCRIO

Entre os diversos trabalhos que analisam as implicaes empricas da existncia dos


canais de crdito no h um consenso pleno. Romer e Romer (1990) argumentam que o
impacto da emisso monetria sob a poltica monetria mais informativo que o impacto do
crdito, por exemplo. Em contrapartida, trabalhos como o de Bernanke e Blinder (1992),
Kashyap, Stein e Wicox (1993) e Walsh e Wilcox, utilizando o mtodo VAR, encontram

resultados condizentes com a teoria anteriormente postulada. Para o Brasil, uma anlise
similar pode ser vista em Denardin (2007) e Sobrinho (2003).
As sries utilizadas para os testes economtricos a seguir foram o PIB real, a taxa
Selic Real, a inflao medida pelo ndice IGP-DI (que tambm deflaciona as sries reais), o
Spread bancrio, o crdito bancrio com recursos livres e a o agregado monetrio M1,
formado pela moeda em poder pblico mais depsitos a vista. Os dados recolhidos foram
mensais, de janeiro de 2003 a dezembro de 2012. Com exceo da srie formada pelo ndice
IGP-DI, todas as sries apresentaram raiz unitria pelo teste de Dickey-Fuller aumentado. No
entanto, optou-se por utilizar as sries em nvel, numa metodologia proposta por Sims, Stock
e Watson (1990), na qual se admite a utilizao de variveis estacionrias e no estacionrias
no mesmo modelo, fator esse justificado pelo fato do mtodo VAR ter seu mrito ao observar
as inter-relaes entre as variveis e no na estimao dos parmetros.
Nesse sentido, o mtodo VAR gera modelos sobreparametrizados, cada estimao

com = variveis ir gerar = + N=F parmetros, onde N o nmero de defasagens. O modelo

apresentado possui seis parmetros e quatro defasagens, o que implica em cento e cinqenta

parmetros, e dada a presena de colinearidade em muitas das variveis muitos deles no


sero estatisticamente significantes. Isso pode ser observado nos resultados presentes na
Tabela 2 presente no Apndice A, onde esto presentes os valores estimados dos coeficientes
para cada defasagem (nas linhas) em relao a cada uma das variveis endgenas (nas
colunas), abaixo do parmetro estimado est o seu erro padro e a estatstica-t (vale observar
os baixos valores deste teste na Tabela 2, o que corrobora com a aceitao de uma hiptese
nula em que os parmetros so iguais a zero). Os parmetros foram estimados por MQO
como discutido na seo 3 do presente trabalho. Alm disso, pode se observar a presena de
altos coeficientes de determinao, comumente presentes em modelos VAR.
A escolha do nmero de defasagens se baseou a princpio no critrio de Schwartz, que
apresentou seu melhor resultado para duas defasagens. No entanto, disso resultou uma
presena forte de autocorrelao, apontado pelo teste LM de Breusch-Godfrey. Uma escolha
de mais defasagens poderia minimizar esse problema, como visto nos resultados da Tabela 1
feitos para trinta e seis graus de liberdade. No entanto, como o modelo possui seis variveis,
um aumento muito grande no nmero de defasagens diminuiria em muitos graus de liberdade
o modelo, prejudicando a inferncia e a posterior estimao da funo de impulso-resposta.
Dessa forma optou-se por quatro defasagens.

Lags

Estatstica LM

p-valor

2
4
6

54.97701
47.10193
30.41601

0.0223
0.1019
0.7310

TABELA 1 Teste LM de Breusch-Godfrey


Fonte: Elaborao prpria

A funo de impulso-resposta, dado um choque de um desvio padro na taxa Selic


real pode ser observada na Figura 2, onde a linha pontilhada mostra dois desvios padro em
relao resposta ao choque:
Response to Cholesky One S.D. Innovations 2 S.E.
Response of RENDA_REAL to SELIC_REAL

Res ponse of INFLACAO to SELIC_REAL

3,000

.10

2,000
.05
1,000
0

.00

-1,000

-.05

-2,000
-.10
-3,000
-4,000

-.15
5

10

15

20

25

30

35

Respons e of M1 to SELIC_REAL
.10

.08

-1,000

.06

-2,000

.04

-3,000

.02

-4,000

.00

-5,000

-.02
10

15

20

25

30

15

20

25

30

35

Res pons e of SELIC_REAL to SELIC_REAL

1,000

10

35

Respons e of SPREAD to SELIC_REAL

10

15

20

25

30

35

Response of CRELIVRE to SELIC_REAL

.5

2,000

.4

.3

-2,000

.2
-4,000
.1
-6,000

.0

-8,000

-.1
-.2

-10,000
5

10

15

20

25

30

35

10

15

20

25

30

35

FIGURA 2 Resposta das variveis a um choque de um desvio padro na taxa Selic real
Fonte: Elaborao prpria

A ordenao das variveis teve como base a matriz de Cholesky, e seguiu


parcialmente a abordagem de Sobrinho (2003) dadas algumas diferenas nas variveis

escolhidas. A ordem utilizada foi PIB real, inflao, base monetria M1, Selic real, Spread e
crdito com recursos livres. A funo foi aplicada a 36 meses aps o choque.
Com relao ao impacto da Selic real sobre o PIB real, possvel observar que nos
primeiros perodos existe certa instabilidade, com o mesmo apresentando uma queda, para
depois subir a patamares superiores aos anteriores ao choque, prximo ao quinto ms. Aps o
dcimo perodo aproximadamente, o PIB real, no entanto passa a se estabilizar a um patamar
inferior ao anterior ao choque. A inflao, por sua vez sofre uma queda inicial, atingindo seu
menor valor pelo segundo ms, passando por uma tendncia de alta com oscilaes nos
perodos seguintes e a partir do dcimo quinto ms se aproximando de seu patamar anterior.
A base monetria M1, passa por movimento bastante similar ao da inflao, no entanto se
estabiliza a um nvel inferior ao anterior ao choque.
A resposta da taxa Selic ao choque na prpria taxa Selic, apresenta seu ponto mximo
imediatamente aps o choque, passando a cair nos perodos seguintes e estabilizando
aproximadamente pelo vigsimo ms aps o choque. O spread bancrio apresenta um
aumento aps o choque, e depois um movimento de queda a partir do stimo ms, se
aproximando de seu valor original. No entanto aproximadamente aps seu vigsimo quinto
perodo, passa a apresentar uma alta novamente. J o crdito apresenta uma queda brusca e se
estabiliza num patamar abaixo do original. O resultado, de maneira geral converge com o
encontrado por Sobrinho (2003) para o perodo de 1996 a 2001.

5 . CONCLUSO
A partir do trabalho de Bernanke e Blinder (1988), pode-se perceber a importncia do
mercado de crdito sobre variveis macroeconmicas reais como a renda agregada. Dessa
forma torna-se crucial entender como a demanda e oferta agregada por crdito se comportam
e como a poltica monetria impacta sobre ambas e as mesmas tornam-se mecanismos de
transmisso da mesma para o sistema econmico, impactando sobre a renda e os juros por
exemplo. Como afirmam Bernanke e Gertler (1995):
Ns no pensamos no canal de crdito como uma alternativa distinta
para o tradicional mecanismo de transmisso monetria, mas sim
como um conjunto de fatores que amplificam e propagam os efeitos
da taxa de juros convencionais. Por esta razo, o termo "canal do
crdito" uma espcie de equvoco, o canal de crdito um
mecanismo de aprimoramento, e no um canal verdadeiramente
independente ou em paralelo. (BERNANKE e GERTLER, 1995, p.
28)

Com relao ao mtodo VAR, embora haja controvrsia em relao a sua utilizao,
no que diz respeito ao uso apenas de variveis endgenas, na estimao ser feita em sua
forma reduzida e no fato de que em geral muitos parmetros no apresentam significncia
estatstica, uma tcnica importante na medida em que torna possvel visualizar a trajetria
das variveis ante choques, atravs da funo impulso-resposta. Nesse sentido, vale ressaltar
que o grande mrito do VAR observar a inter-relao entre variveis, sendo que para
estimaes mais precisas de parmetros e para previso no se torna recomendvel seu uso
(embora possam ser feitas previses com esse mtodo).
Quanto aos resultados empricos para o Brasil, os parmetros, como esperado em
modelos VAR, no apresentam uma gama de informaes suficientemente relevantes. Por
sua vez, pela funo impulso-resposta apresentou resultados de interesse, atravs dela
observou-se que um choque na Selic real afeta negativamente o PIB real e a base monetria
M1, que acabam estveis a patamares inferiores aos anteriores ao choque. Quanto inflao
retorna a seu nvel inicial. O spread bancrio responde com um aumento, depois volta ao
estgio inicial e no fim do perodo observado. J crdito com recursos livres apresentou
queda significativa e estabilizou a um patamar consideravelmente inferior ao anterior ao
choque.
Dessa forma, possvel concluir que o canal de emprstimo bancrio possui
relevncia em termos de poltica monetria, de forma que os impactos das decises sobre a
Selic real alteram a composio do Spread bancrio, e dessa forma impactam ativamente
sobre a demanda e a oferta de crdito. A assimetria de informao presente no mercado de
crdito gera rigidez suficiente para que a poltica monetria passe a ter impacto sobre
variveis reais como o PIB, sendo imprescindvel a autoridade monetria, ao decidir sobre
polticas e por conseqncia a definio da Selic, observar que o impacto dessas resolues
ir aparecer tambm mediante Spread bancrio e mercado de crdito.

APNDICE A

Renda Real

Inflao

M1

Selic Real

Spread

Crdito Livre

Renda Real (-1)

0.809954
(0.11282)
[ 7.17939]

-4.76E-06
(7.5E-06)
[-0.63408]

0.588094
(0.11976)
[ 4.91051]

-6.25E-07
(1.5E-06)
[-0.42867]

-3.17E-05
(9.9E-06)
[-3.21961]

0.136909
(0.08314)
[ 1.64682]

Renda Real (-2)

0.058266
(0.15459)
[ 0.37690]

-4.96E-06
(1.0E-05)
[-0.48217]

0.003905
(0.16411)
[ 0.02380]

4.47E-06
(2.0E-06)
[ 2.23346]

5.93E-06
(1.4E-05)
[ 0.43851]

0.015669
(0.11392)
[ 0.13754]

Renda Real (-3)

0.043144
(0.15246)
[ 0.28299]

1.34E-05
(1.0E-05)
[ 1.32051]

-0.434794
(0.16184)
[-2.68653]

-2.44E-06
(2.0E-06)
[-1.23702]

1.64E-05
(1.3E-05)
[ 1.23366]

-0.203887
(0.11235)
[-1.81482]

Renda Real (-4)

-0.117133
(0.12143)
[-0.96462]

6.65E-06
(8.1E-06)
[ 0.82301]

0.243313
(0.12891)
[ 1.88754]

-1.35E-06
(1.6E-06)
[-0.85868]

3.17E-07
(1.1E-05)
[ 0.02982]

0.102181
(0.08948)
[ 1.14191]

Inflao (-1)

413.4903
(1763.20)
[ 0.23451]

0.670731
(0.11737)
[ 5.71468]

-1000.308
(1871.76)
[-0.53442]

-0.045400
(0.02280)
[-1.99105]

-0.045922
(0.15411)
[-0.29798]

-1701.401
(1299.32)
[-1.30946]

Inflao (-2)

-453.5483
(1943.07)
[-0.23342]

-0.366651
(0.12934)
[-2.83471]

-3393.652
(2062.70)
[-1.64524]

0.038474
(0.02513)
[ 1.53108]

0.482864
(0.16983)
[ 2.84316]

-1248.918
(1431.87)
[-0.87223]

Inflao (-3)

-2640.627
(1956.90)
[-1.34939]

0.292621
(0.13026)
[ 2.24637]

1912.077
(2077.38)
[ 0.92042]

-0.018631
(0.02531)
[-0.73618]

-0.394849
(0.17104)
[-2.30848]

933.6799
(1442.06)
[ 0.64746]

Inflao (-4)

-366.7839
(1444.46)
[-0.25393]

-0.032411
(0.09615)
[-0.33708]

-631.0581
(1533.39)
[-0.41155]

0.056875
(0.01868)
[ 3.04470]

0.240432
(0.12625)
[ 1.90438]

-398.8035
(1064.43)
[-0.37466]

M1(-1)

-0.243581
(0.10545)
[-2.30988]

1.58E-06
(7.0E-06)
[ 0.22494]

0.273472
(0.11194)
[ 2.44292]

2.24E-07
(1.4E-06)
[ 0.16461]

4.98E-05
(9.2E-06)
[ 5.40444]

-0.212223
(0.07771)
[-2.73102]

M1(-2)

-0.237139
(0.12875)
[-1.84182]

1.80E-06
(8.6E-06)
[ 0.21012]

0.277834
(0.13668)
[ 2.03275]

-5.50E-06
(1.7E-06)
[-3.30449]

-4.21E-05
(1.1E-05)
[-3.73820]

-0.049866
(0.09488)
[-0.52558]

M1(-3)

0.342028
(0.14553)
[ 2.35026]

-1.06E-05
(9.7E-06)
[-1.09590]

0.094976
(0.15449)
[ 0.61478]

5.14E-06
(1.9E-06)
[ 2.72887]

2.16E-07
(1.3E-05)
[ 0.01695]

0.127983
(0.10724)
[ 1.19342]

M1(-4)

0.087359
(0.12136)
[ 0.71981]

1.35E-05
(8.1E-06)
[ 1.67097]

-0.127434
(0.12884)
[-0.98912]

1.18E-07
(1.6E-06)
[ 0.07532]

5.72E-06
(1.1E-05)
[ 0.53931]

0.041470
(0.08943)
[ 0.46369]

Selic Real (-1)

-22422.15
(7816.56)
[-2.86854]

-0.048763
(0.52032)
[-0.09372]

-24831.08
(8297.81)
[-2.99249]

0.382260
(0.10109)
[ 3.78152]

2.146006
(0.68320)
[ 3.14109]

-4531.879
(5760.09)
[-0.78677]

Selic Real (-2)

11187.10
(9068.65)
[ 1.23360]

0.326070
(0.60367)
[ 0.54015]

966.2048
(9626.98)
[ 0.10036]

0.408617
(0.11728)
[ 3.48416]

-0.242453
(0.79264)
[-0.30588]

-4161.731
(6682.76)
[-0.62276]

Selic Real (-3)

10798.36
(8500.71)
[ 1.27029]

-0.132268
(0.56586)
[-0.23375]

11715.02
(9024.08)
[ 1.29820]

0.292831
(0.10993)
[ 2.66370]

-0.540929
(0.74300)
[-0.72803]

3696.199
(6264.24)
[ 0.59005]

Selic Real (-4)

-4573.137
(7369.65)
[-0.62054]

0.286451
(0.49057)
[ 0.58391]

7504.980
(7823.39)
[ 0.95930]

-0.252098
(0.09531)
[-2.64513]

-0.276670
(0.64414)
[-0.42952]

-318.7289
(5430.76)
[-0.05869]

Spread (-1)

792.4918
(1338.11)
[ 0.59225]

-0.211686
(0.08907)
[-2.37655]

-1655.016
(1420.49)
[-1.16510]

0.004727
(0.01730)
[ 0.27314]

1.430464
(0.11696)
[ 12.2307]

1390.010
(986.064)
[ 1.40966]

Spread (-2)

-1664.161
(2225.26)
[-0.74785]

0.130920
(0.14813)
[ 0.88383]

3643.983
(2362.27)
[ 1.54258]

-0.017368
(0.02878)
[-0.60351]

-0.683729
(0.19450)
[-3.51535]

-441.1512
(1639.81)
[-0.26902]

Spread (-3)

889.4027
(2181.52)
[ 0.40770]

-0.136485
(0.14522)
[-0.93988]

-2647.173
(2315.83)
[-1.14308]

0.044234
(0.02821)
[ 1.56790]

0.067431
(0.19067)
[ 0.35364]

-1140.408
(1607.58)
[-0.70939]

Spread (-4)

-591.0506
(1333.04)
[-0.44339]

0.183499
(0.08874)
[ 2.06793]

-860.3443
(1415.11)
[-0.60797]

-0.031048
(0.01724)
[-1.80099]

0.129063
(0.11651)
[ 1.10771]

-382.2153
(982.329)
[-0.38909]

Crdito Livre (-1)

0.098343
(0.17197)
[ 0.57187]

2.57E-05
(1.1E-05)
[ 2.24538]

-0.052926
(0.18256)
[-0.28992]

-2.87E-06
(2.2E-06)
[-1.29152]

2.36E-05
(1.5E-05)
[ 1.57208]

1.061751
(0.12673)
[ 8.37835]

Crdito Livre (-2)

-0.008887
(0.26840)
[-0.03311]

-2.38E-05
(1.8E-05)
[-1.33224]

0.000620
(0.28493)
[ 0.00218]

3.00E-06
(3.5E-06)
[ 0.86539]

1.24E-05
(2.3E-05)
[ 0.52902]

-0.013890
(0.19779)
[-0.07023]

Crdito Livre (-3)

-0.432561
(0.26318)
[-1.64357]

3.90E-06
(1.8E-05)
[ 0.22238]

0.292458
(0.27939)
[ 1.04678]

1.55E-07
(3.4E-06)
[ 0.04562]

-4.40E-05
(2.3E-05)
[-1.91264]

0.144221
(0.19394)
[ 0.74363]

Crdito Livre (-4)

0.364698
(0.16500)
[ 2.21033]

-7.46E-06
(1.1E-05)
[-0.67964]

-0.248002
(0.17516)
[-1.41590]

-5.31E-07
(2.1E-06)
[-0.24899]

8.70E-06
(1.4E-05)
[ 0.60339]

-0.198393
(0.12159)
[-1.63168]

Constante

62849.22
(25126.7)
[ 2.50130]

-1.678033
(1.67259)
[-1.00325]

40618.46
(26673.7)
[ 1.52279]

0.268151
(0.32495)
[ 0.82522]

-0.637646
(2.19619)
[-0.29034]

33910.91
(18516.1)
[ 1.83143]

0.967173

0.581957

0.963010

0.972327

0.959536

0.999670

0.958516

0.471704

0.953254

0.965028

0.948864

0.999583

3.71E+09
111.7144

16.42894
5.278372

4.18E+09
98.71344

0.620088
133.2227

28.32499
89.91351

2.01E+09
11498.00

F

 F ajustado
Soma dos quadrados dos
resduos
Estatstica F

TABELA 2 Parmetros estimados do modelo


Fonte: Elaborao prpria

6. REFERNCIAS
BERNANKE, B. Nonmonetary Eects of the Financial Crisis in the Propagation of the
Great Depression. American Economic Review 73, 1983. p.257-76.
BERNANKE, B. S.; BLINDER, A. S. Credit, Money and Aggregate Demand, American
Economic Review, Vol. 78, No. 2, 1988. S. 435 439.
BERNANKE, B. S.; BLINDER, A. S. The Federal Funds Rate and the Channels of
Monetary Transmission. The American Economic Review, Vol. 82, No. 4. (Sep., 1992),
pp. 901-921.
BERNANKE, B. S.; GERTLER, M. Agency Costs, Net Worth, and Business Fluctuations.
The American Economic Review, Vol. 79, No. 1. (Mar., 1989), pp. 14-31.
BERNANKE, B. S.; GERTLER, M. Inside the Black Box: The Credit Channel of Monetary
Policy Transmission, Journal of Economic Perspectives, Vol. 9, No. 4, 1995. S. 27 48.
BUENO, R. Econometria de sries temporais. So Paulo, Cengage Learning, 2011.
CARLSTROM, C.T.; FUERST, T. S.. Agency Costs, Net Worth, and Business
Fluctuations: A Computable General Equilibrium Analysis. American Economic Review
87(5): 893910, 1997.
DENARDIN, A. A.; Assimetria de informao, intermediao financeira e o mecanismo
de transmisso da poltica monetria: evidncias tericas e empricas para o canal de
emprstimo bancrio no Brasil (1995-2006). Porto Alegre- RS, 2007. UFRGS/PPGE tese
de doutorado.
ENDERS, W. Applied Econometric Time Series. New York: John Wukey 1995.
FISHER, I. The debt-deflation theory of great depressions, Econometrica, October, 1933.
FREIXAS, X.; ROCHET C.J. Microeconomics of Banking. Cambridge, Mass.: MIT Press,
1997.
FRIEDMAN, M.; SCHWARTZ, A. J. A Monetary History of the United States, 18671960. Princeton: Princeton University Press, 1963.
HAMILTON, J. Time Series Analysis. Princeton, N.J.: Princeton University Press,1994
KASHYAP, A. K.; STEIN, J. C.; WILCOX, D. W. Monetary Policy and Credit Conditions:
Evidence from the Composition of External Finance. American Economic Review 83(1):
7898, 1993.

MISHKIN, F. S. The Household Balance Sheet and the Great Depression. The Journal of
Economic History 38, 1978. p.918-937.
MODIGLIANI, F.; MILLER M. H. "The Cost of Capital, Corporate Finance, and the Theory
of Investment." American Economic Review. June,1958. 48:4, pp. 261-97
ROMER, C.D.; ROMER, D.H.New Evidence on the Monetary Transmission Mechanism.
Brookings Papers on Economic Activity, no. 1, 149198, 1990.
SIMS, C. A. Macroeconomics and Reality. Econometrica, Vol. 48, No. 1. (Jan., 1980), pp.
1-48.
SIMS, C.A.; STOCK, J.H.; WATSON, M.W. Inference in Linear Time Series Models with
some Unit Roots Econometrica, Vol. 58, No. 1 (Jan., 1990), pp. 113-144.
SOBRINHO, N. F. S., Uma avaliao do canal de crdito no Brasil, 25 Prmio BNDES
de Economia. Rio de Janeiro: BNDES, 2003.
STIGLITZ, J. E.; WEISS, A. Credit Rationing in Markets with Imperfect Information,
American Economic Review, Vol. 71, No. 3, 1981. S. 393 410.
WALSH, C. E.; WILCOX, J. A. Bank Credit and Economic Activity. In Is Bank
Lending Important for the Transmission of Monetary Policy? ed. J. Peek and E.
Rosengren, 83112. Federal Reserve Bank of Boston Conference Series No. 39, 1995.