Mecanismo de transmissão monetária na economia brasileira

Insper Instituto de Ensino e Pesquisa Programa de Mestrado Profissional em Economia Sergio Leopoldino Barbosa Leite Mecanismo de transmissão monetária na economia brasileira São Paulo 2011 1

Sergio Leopoldino Barbosa Leite Mecanismo de transmissão monetária na economia brasileira Dissertação apresentada ao Programa de Mestrado Profissional em Economia do Insper Instituto de Ensino e Pesquisa, como parte dos requisitos para a obtenção do título de Mestre em Economia. Área de concentração: Finanças e Macroeconomia Aplicadas Orientador: Prof. Dr. Marcelo Rodrigues dos Santos Insper São Paulo 2011 2

Leite, Sergio Leopoldino Barbosa Mecanismo de transmissão monetária na economia brasileira / Sergio Leopoldino Barbosa Leite; orientador Marcelo Rodrigues dos Santos São Paulo: Insper, 2011. Dissertação (Mestrado Programa de Mestrado Profissional em Economia. Área de concentração: Finanças e Macroeconomia Aplicadas) Insper Instituto de Ensino e Pesquisa. 1. Política monetária 2. Crédito 3. Consumidor 3

Sergio Leopoldino Barbosa Leite FOLHA DE APROVAÇÃO Mecanismo de transmissão monetária na economia brasileira Dissertação apresentada ao Programa de Mestrado Profissional em Economia do Insper Intituto de Ensino e Pesquisa, como requisito parcial para obtenção do título de Mestre em Economia. Área de concentração: Finanças e Macroeconomia Aplicadas Aprovado em: Banca Examinadora Prof. Dr. Marcelo Rodrigues dos Santos Orientador Instituição: Insper Assinatura: Prof. Dr José Luiz Rossi Junior Instituição: Insper Assinatura: Prof. Dr Fernando Nascimento de Oliveira Instituição: Banco Central do Brasil Assinatura: 4

DEDICATÓRIA A minha noiva Rita pelo apoio e compreensão sempre, em especial ao longo dessa jornada. Aos meus pais, Sergio e Beatriz, pelo carinho e dedicação, incentivando e apoiando os estudos desde cedo, possibilitando ingressar nesse projeto. As minhas irmãs, Júlia e Paula, pelo afeto e carinho depreendidos ao longo da minha vida. Aos meus familiares e amigos, por todo seu apoio. 5

AGRADECIMENTOS Agradeço a todos que de alguma maneira contribuíram para a realização deste trabalho, especialmente: Aos colegas de mestrado pela troca de experiências e aos professores do Insper que forneceram os insumos necessários para a conclusão desse projeto. Ao professor José Luiz Rossi que como orientador do curso de mestrado forneceu preciosas dicas ao longo do curso e também neste trabalho. Ao meu orientador Marcelo Rodrigues dos Santos pela atenção e orientação possibilitando a execução deste trabalho. 6

RESUMO LEITE, Sergio Leopoldino Barbosa. Mecanismo de transmissão monetária na economia brasileira 2011. Dissertação (Mestrado) Insper Instituto de Ensino e Pesquisa, São Paulo, 2011. O objetivo deste estudo é investigar como ocorreu a transmissão da política monetária desde a última década, verificando a existência do canal de crédito bancário utilizando dados macroeconômicos agregados da economia brasileira. A metodologia econométrica utilizada é o VECM (Vector Error Correction Models), na qual são encontradas evidências do canal de crédito mesmo em uma economia com baixa relação crédito/pib como a brasileira. Como resultado do modelo estimado, são obtidas duas relações independentes de longo prazo, identificadas como a relação de oferta e demanda de crédito. Palavras-chave: Mecanismo de transmissão monetária; Vector Error Correction Models; canal de crédito. 7

ABSTRACT LEITE, Sergio Leopoldino Barbosa. Monetary transmission mechanism in the Brazilian economy. 2011. Dissertation (Mastership) Insper Instituto de Ensino e Pesquisa, São Paulo, 2011. The objective of this study is to investigate how the transmission of monetary policy over the last decade, checking the bank lending channel using aggregate macroeconomic data of the Brazilian economy. The econometric methodology used is the VECM (Vector Error Correction Models), which are founded evidence of the credit channel even in an economy with low credit / GDP ratio as the Brazilian. As a result of the estimated model are obtained two independent long-term functions, identified as the relation of supply and demand for credit. Keywords: Monetary transmission mechanism; Vector Error Correction Models; lending channel. 8

Lista de Tabelas Tabela 1: Análise descritiva dos dados... 21 Tabela 2: Matriz de correlação entre as variáveis... 21 Tabela 3: Teste de raiz unitária das variáveis do modelo... 22 Tabela 4: Defasagem sugerida pelo critério de seleção na estimativa do VAR... 25 Tabela 5: Teste de cointegração do modelo estimado... 25 Tabela 6: Coeficientes de cointegração normalizados... 26 Tabela 7: Matriz de cargas... 26 Tabela 8: Teste de exogeneidade fraca... 27 9

Lista de Figuras Figura 1: Taxas de juros do Brasil versus taxas de juros em países desenvolvidos... 18 Figura 2: Evolução do volume de crédito com a taxa Selic e o spread bancário... 19 Figura 3: Meio de pagamento M4 versus taxa Selic... 20 Figura 4: Relação entre produção industrial, taxa de inflação IPCA e a taxa Selic... 20 Figura 5: Plot das séries utilizadas no modelo... 24 Figura 6: Funções de resposta ao impulso do modelo estimado para o Brasil... 28 Figura 7: Funções de resposta ao impulso do modelo estimado com o cambio... 30 10

Sumário 1. Introdução... 12 2. Revisão Bibliográfica... 13 2.1. Literatura Internacional... 13 2.2. Literatura Brasileira... 15 2.3. Revisão metodológica... 16 3. Descrição dos dados... 17 4. Metodologia... 22 5. Resultados... 24 5.1. Resultados da estimação do modelo... 24 5.2. Análise de resposta ao impulso... 27 5.3. Análise de robustez do modelo... 29 6. Considerações finais... 31 Bibliografia... 32 Apêndice... 34 11

1. Introdução A influência da política monetária no mercado de crédito tem importância cada vez maior na economia mundial, principalmente após a crise financeira global de 2008. Os bancos e instituições financeiras desempenham papel fundamental no mercado de crédito, segundo Denardim (2005) 1 argumenta, os intermediários financeiros possuem relevância empírica na transmissão monetária no Brasil. De acordo com Harbache (2009) 2, existe uma relação inversamente proporcional entre taxa de juros e volume de empréstimos bancários. Portanto, a queda contínua da taxa básica de juros na economia brasileira na última década, entre outros fatores, possibilitou a expansão do crédito no país. No início dos anos 2000 o volume de crédito girava em torno de 25% do PIB anual no Brasil e atualmente, com a expansão da economia nos últimos anos, o total de empréstimos no sistema financeiro nacional equivale a 47% do PIB anual brasileiro. Este efeito de expansão do crédito não se observou nos anos 90, pois o período anterior ao plano real, em vigor desde 1994, foi marcado pela inflação crônica e seguidos planos econômicos, e a segunda metade da década foi marcado pela instabilidade externa e pela implementação do regime de metas de inflação em 1999. Na década de 2000 ocorreu uma expansão do crédito conjuntamente a uma manutenção da estabilidade econômica brasileira, e em conjunto com o crescimento de outros países emergentes, como China e Índia, o Brasil obteve um aumento de produto expressivo, acima da média mundial, embora com menor intensidade que estes países asiáticos. Um dos motores que possibilitou essa evolução no PIB foi o crescimento no mercado de crédito, que mesmo nos patamares atuais são bem inferiores a países desenvolvidos, como os países membros do G7, onde a relação crédito / PIB é superior a 100% ou em países como Chile ou China que possuem essa relação próxima de 100%, mais detalhes podem ser encontrados no apêndice 1. Alguns autores como Mishkin (1996) afirmam que os canais tradicionais de transmissão da política monetária, como exemplo a taxa de juros, não explicam completamente como os agentes econômicos se modificam com as mudanças da política monetária. Outros canais complementam esse entendimento, como o canal de crédito, definido como o aumento de custos devido a assimetrias de informação entre os agentes de mercado. 1 Denardim (2005) examina a relevância empírica dos intermediários financeiros (bancos) para a transmissão da política monetária no Brasil, averiguando se a política monetária afeta somente o lado do passivo dos balanços dos bancos ou se afeta também o lado dos ativos. 2 Nesse estudo Harbache (2009) analisa o impacto da política monetária sobre as taxas de empréstimos e sobre os spreads bancários de algumas modalidades de crédito. É investigada a relação entre as taxas de empréstimos com o crédito e a renda. 12

O canal de crédito representa uma visão complementar de como a política monetária pode modificar a atividade econômica, tendo como premissa básica que existem assimetrias de informação que geram risco moral e seleção adversa modificando a disponibilidade do crédito, afetando o investimento e o produto. Essa visão sugere que o canal de crédito amplifica a propagação dos choques macroeconômicos, fato que ressalta o efeito da política monetária sobre as taxas de juros. O objetivo deste estudo é verificar como ocorreu a transmissão da política monetária desde a última década, investigando a existência do canal de crédito bancário utilizando dados macroeconômicos agregados para a economia brasileira. A metodologia econométrica utilizada é o VECM (Vector Error Correction Models), que permite múltiplas relações de cointegração entre as variáveis de interesse, em particular a resposta da oferta e da demanda a mudanças na política monetária. Este trabalho segue a literatura de Hulsewig et al.(2002) da Alemanha que com o arcabouço de modelos de VECM possibilita que a oferta e a demanda de crédito possam ser identificadas ao se testar a presença de vetores de cointegração. A contribuição desse estudo é a aplicação da metodologia para dados agregados brasileiros de janeiro de 2000 a junho de 2011 comparando os resultados de uma economia emergente como a brasileira ao de uma economia desenvolvida e sólida como a alemã. Nesse trabalho foram encontradas duas relações de cointegração, identificadas como a relação de oferta e demanda de crédito, sugerindo a existência do canal de crédito para a economia brasileira no período analisado. Além desta introdução o estudo está dividido em mais cinco partes: revisão da literatura, descrição dos dados, metodologia, resultados e conclusões finais. 2. Revisão Bibliográfica 2.1. Literatura Internacional O canal de crédito é um dos mecanismos de transmissão mais estudados na literatura recente e possui como princípio fundamental, de acordo Bernanke e Gertler (1995), que assimetrias de informação dão origem a atritos que ampliam os efeitos da política monetária aumentando os custos e modificando as disponibilidades do crédito. Os autores dividem o canal de crédito em dois canais distintos; canal dos balanços patrimoniais e canal de empréstimos bancários. O primeiro analisa o impacto da taxa de juros sobre o balanço patrimonial das empresas, e por conseqüência, sobre o custo de captação de recursos para novos investimentos. Já o canal de empréstimos 13

bancários verifica os efeitos da taxa de juros sobre a situação financeira dos bancos, ou seja, analisando a oferta de crédito. Sob a ótica inicialmente ilustrada por Bernanke e Blinder (1988), o aperto monetário ocorre para drenar os depósitos do sistema e reduzir os empréstimos, e para substituir esse déficit de depósitos são atribuídas mudanças quantitativas na estrutura do passivo dos bancos. Os autores argumentam que deve haver empresas que dependam de empréstimos bancários, de tal maneira que seria custoso substituir tais empréstimos, além disso, o banco central deve ser capaz de modificar o suprimento de fundos para empréstimos por meio da política monetária. Ao avaliar seis episódios na economia dos Estados Unidos desde a segunda guerra mundial, Romer e Romer (1990) não encontraram evidências que os empréstimos bancários desempenham papel importante na transmissão da política monetária à economia real. Os resultados encontrados mostraram que a evolução estrutural que aumenta o acesso a recursos dos bancos são vistos como mitigantes da importância do canal de empréstimos bancários. Entretanto, vários autores apresentaram evidências empíricas favoráveis à importância do canal de crédito no mecanismo de transmissão da política monetária, alguns utilizando dados agregados da economia e outros usando dados desagregados dos balanços financeiros dos bancos. Bernanke e Blinder (1992) utilizaram dados agregados e encontraram evidências de que um choque monetário contracionista, executado por um aumento da taxa básica de juros é seguido pela redução do nível agregado dos empréstimos bancários, resultado consistente com a existência do canal de empréstimos bancários. Contudo esse resultado admite outra interpretação, pois a redução do nível pode ser causada pela diminuição da demanda por empréstimos e não no fluxo de suprimento do credito bancário. Com o uso de dados agregados, Kashyap, Stein e Wilcox (1993) constataram que uma política monetária mais contracionista leva a uma mudança da composição do financiamento externo das empresas, ocasionando um aumento da emissão de commercial papers enquanto os empréstimos bancários declinam, impactando o investimento. Apesar de haver redução de empréstimos bancários, não houve redução da demanda, resultado que podem ser causado pelo deslocamento da oferta de crédito devido ao diferente comportamento entre empresas de grande e pequeno porte, gerando um problema de identificação. Alguns autores utilizaram dados desagregados para testar a relevância do canal de empréstimos bancários, testando a hipótese da resposta a choques monetários de bancos com diferentes tamanhos é significativamente diferente. Ao utilizar dados desagregados trimestrais de bancos americanos entre 1976 a 1993, Kashyap e Stein (2000) concluíram que o impacto da política monetária sobre os empréstimos bancários é maior para bancos com menor liquidez, pois os bancos com 14

ativos mais líquidos conseguem gerenciar melhor sua carteira, obtendo evidências da existência do canal de empréstimos bancários na transmissão da política monetária, embora não consigam mensurar de maneira quantitativa essa relevância. A idéia por trás do canal de crédito bancário é que os custos dos bancos aumentam com a política mais restritiva. As diversas representações diferem na maneira em que o aumento do custo marginal é modelado. Conceituações tradicionais, Kashyap e Stein(1995), Stein (1998) e Walsh (2003), possuem como premissa a capacidade dos bancos centrais para manipular diretamente o nível de depósitos por meio do mecanismo de multiplicador de dinheiro. Outras interpretações como Kishan e Opiela (2000) e Ehrmann (2001), possuem como argumento que um aperto na política monetária reduz os rendimentos relativos aos depósitos induzindo as famílias a possuírem menos depósitos. Uma característica comum é que o banco central pode influenciar a quantidade de depósitos no sistema bancário, o que obriga os bancos a alterarem a composição de seus financiamentos. Mudanças na quantidade de depósitos são vistos como catalisador para redução da oferta de crédito. O modelo desenvolvido por Disyatat (2010) incorpora imperfeições do mercado de credito em um ambiente onde as empresas são dependentes do financiamento bancário, onde é possível discutir como a saúde financeira dos bancos influencia os efeitos reais da política monetária. O modelo centra na política induzida por variações no premio de financiamento externo que afetam os custos dos bancos. Mesmo enfatizando o impacto da saúde do sistema financeiro, um canal de credito existe mesmo quando os bancos possuem acesso total aos mercados. 2.2. Literatura Brasileira No Brasil alguns estudos empíricos encontram resultados conflitantes. Usando dados agregados, Sobrinho e Nakane (2002) encontram evidências da existência do canal de crédito para o Brasil no período de 1996 a 2001, pois os testes de causalidade de Granger mostram que a oferta de crédito e o spread de crédito (em menor grau) ajudam a prever o comportamento futuro do produto e a análise das funções resposta a impulso indicam que os bancos reduzem a oferta de crédito e aumentam o spread com um aperto monetário. Entretanto Graminho e Bonomo (2002) utilizam dados desagregados e encontram que choques positivos na taxa de juros relaxam as restrições de liquidez dos bancos brasileiros, contrariando a hipótese da existência de canal de crédito para o Brasil nos moldes propostos pela literatura americana, no período pesquisado, de 1994 a 2001. O argumento dos autores é que a elevação nas taxas de juros aumentam os lucros dos bancos, representando um aumento do financiamento interno e uma menor dependência de depósitos como forma de financiar seus empréstimos. 15

Takeda, Rocha e Nakane (2005) utilizam dados de balanços de bancos desagregados e analisam a existência e relevância do canal de empréstimo bancários no período de dezembro de 1994 a dezembro de 2001. Os autores consideram os efeitos do recolhimento compulsório sobre o total de depósitos à vista, de poupança e a prazo. Os resultados indicam que não há evidencias para apoiar a existência do canal de empréstimos bancários no período estudado, entretanto os recolhimentos compulsórios possuem um impacto relevante nas decisões de empréstimos bancários, sobretudo nos bancos de maior porte. Oliveira e Neto (2008) encontram a evidências de um canal de empréstimo bancário ativo na transmissão monetária brasileira utilizando dados de balancetes mensais de bancos comerciais entre julho de 1994 a dezembro de 2005. Os autores utilizam a base do modelo de Kashyap e Stein (2000) para testar como a restrição de liquidez dos bancos reage aos choques monetários, como as variações na taxa Selic, as taxas dos depósitos compulsórios sobre os depósitos a vista e a leitura das atas do Copom. Ao utilizar dados desagregados mais recentes, de 1994 até meados de 2008, Bonomo, Martins e Mello (2008) indicam uma potencial relevância do canal de crédito bancário, entretanto pela grande quantidade de títulos indexados às taxas de juros na carteira dos bancos torna o canal de crédito menos eficaz do que poderia ser. Mello e Pisu (2009) utilizam dados agregados mensais de dezembro de 1995 a junho de 2008 e confirmam a existência do canal de crédito bancário para a economia brasileira, mesmo o Brasil apresentando uma baixa relação crédito/pib. São encontradas duas relações de cointegração que são identificadas como equação de oferta e demanda de crédito. Com o mesmo arcabouço técnico, Soares (2011) utiliza dados agregados e conclui que o canal de empréstimo bancário se fez presente no Brasil nos anos 2000. 2.3. Revisão metodológica A ênfase dada por Kashyap e Stein (2000) para resolver o problema de identificação é resolvida ao se utilizar dados desagregados, fato que dificulta mensurar o impacto da política monetária no crédito agregado. Para resolver essa questão alguns autores utilizam modelos de vetor com correção de erros (VECMs), onde a oferta e a demanda de crédito podem ser identificadas pelo teste da presença de várias relações de cointegração e exclusão, restrições de homogeneidade e exogeneidade na relações de longo prazo. Utilizando esse arcabouço metodológico, Kakes (2000) testou a existência do canal de crédito bancário para a Holanda com dados agregados trimestrais de 1979 a 1993, encontrando duas relações de cointegração. Ao impor restrição de homogeneidade nas taxas de juros de empréstimos e na taxa livre de risco quantificou a sensibilidade do spread da taxa de juros na oferta de crédito. 16

Com dados trimestrais de 1975 a 1998 da Alemanha, Hulsewig et al.(2002) encontram 2 vetores de cointegração, interpretados como as relações de longo prazo da oferta e demanda no mercado de crédito alemão. Uma terceira relação foi encontrada, que relaciona o capital bancário com a atividade econômica e a taxa de inflação. Portanto os resultados evidenciam a existência do canal de crédito bancário, embora o efeito da estimativa de choques monetários na oferta de crédito apareça com pequena magnitude. 3. Descrição dos dados O foco do presente trabalho é investigar a existência do canal de crédito bancário no Brasil na última década. Devido à instabilidade macroeconômica anterior ao plano real de 1994 e a implementação do sistema de metas de inflação de 1999, optou-se por analisar o período de janeiro de 2000 a junho de 2011, totalizando 138 meses de observação. Entre as séries de interesse estão variáveis de política monetária, mercado de crédito, mercado monetário e da economia real 3. Como indicador de política monetária é utilizado a taxa de juros Selic acumulada no mês anualizada, definida pelo Comitê de Política Monetária do Banco Central (COPOM). No início do período de observação em 2000 a taxa estava no patamar de 20% a.a., atingindo o pico em 2003 por se tratar do início do primeiro mandato do ex-presidente Lula, com uma maior aversão ao risco provocada com a possibilidade de não continuidade do sistema vigente pelo antecessor Fernando Henrique Cardoso. Com a estabilidade e melhora nas condições macroeconômicas as taxas de juros foram arrefecendo no Brasil, enquanto nos países desenvolvidos houve um aumento da taxa, a exceção do Japão. Após a crise global de 2008 as taxas de juros decresceram drasticamente tanto no Brasil, ficando abaixo de 10%, como na Europa e EUA, se aproximando de zero conforme a Figura 1. 3 As variáveis com valor financeiro foram deflacionadas pelo índice IPCA e os valores são de janeiro de 2000. 17

Jan/00 Aug/00 Mar/01 Oct/01 May/02 Dec/02 Jul/03 Feb/04 Sep/04 Apr/05 Nov/05 Jun/06 Jan/07 Aug/07 Mar/08 Oct/08 May/09 Dec/09 Jul/10 Feb/11 Taxa de juros (% a.a.) Figura 1 - Taxas de juros do Brasil versus taxas de juros em países desenvolvidos A Figura 1 apresenta uma comparação entre as taxas de juros do Brasil com países desenvolvidos entre janeiro de 2000 e junho de 2011. As taxas de juros do Brasil é a taxa Selic acumulada no mês anualizada e a fonte dos dados é o SGS (Sistema gerenciador de séries temporais v.2.1) do Banco Central do Brasil. 30 Taxas de juros (% a.a) 25 20 15 10 5 0 ZONA DO EURO JAPÃO REINO UNIDO EUA BRASIL Para o mercado de crédito é utilizado operações totais ao sistema financeiro e o spread bancário. O crédito total no sistema financeiro é variável de maior interesse na investigação dos choques da política monetária no crédito total na economia. Desde 2000 o crédito total no sistema financeiro mais que dobrou, já a Selic caiu quase pela metade, de 20% a.a. para 12% a.a., enquanto o spread bancário apresentou queda no período, mas em menor magnitude, conforme ilustrado na Figura 2. Além da estabilidade econômica retratada pela queda da taxa básica de juros, outros fatores contribuíram para a expansão do crédito no Brasil na última década, conforme análise do próprio banco central brasileiro 4, como a regulamentação do crédito consignado, modalidade que corresponde hoje a quase 10% de todo o crédito do sistema financeiro nacional. 4 O boletim regional do Banco Central do Brasil atribui parte dessa expansão a evolução do crédito consignado. (HTTP://www.bcb.gov.br/pec/boletimregional/port/2011/04/br201104b2p,pdf) 18

Jan-00 Oct-00 Jul-01 Apr-02 Jan-03 Oct-03 Jul-04 Apr-05 Jan-06 Oct-06 Jul-07 Apr-08 Jan-09 Oct-09 Jul-10 Apr-11 Crédito (R$ bilhões) Selic/spread (% a.a.) Figura 2 Evolução do volume de crédito com a taxa Selic e o spread bancário Na Figura 2 é mostrada a relação entre o volume de crédito no sistema financeiro nacional com a taxa Selic acumulada no mês anualizada e o spread bancário. O período analisado é de janeiro de 2000 a junho de 2011 e a fonte dos dados é o SGS (Sistema gerenciador de séries temporais v.2.1) do Banco Central do Brasil. 1,000.00 900.00 800.00 700.00 600.00 500.00 400.00 300.00 200.00 100.00 - Crédito vs selic/spread 50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% CREDITO SPREAD SELIC O meio de pagamento ampliado M4 é utilizado como indicador monetário. Os meios de pagamento ampliados são uma extensão do conceito mais restrito de moeda, denominado M1, que engloba o papel-moeda em poder do público e os depósitos à vista. O M2 é composto pelo M1 adicionado os depósitos para investimentos, cadernetas de poupança e os títulos emitidos por instituições depositárias, ou seja, aquelas cujos instrumentos de captação integram os meios de pagamentos ampliados. Incluindo no M2 as quotas de fundos de investimentos e a posição líquida de financiamentos através de operações compromissadas lastreadas em títulos públicos federais chega-se ao M3. Por fim, para o M4 soma-se ao resultante os títulos federais, estaduais e municipais em poder do público 5. No apêndice 2 é mostrado o gráfico comparativo entre os agregados monetários. De acordo com a Figura 3 observa-se que até 2004, período de instabilidade da taxa de juros, o meio de pagamento M4 permaneceu constante, e após a taxa Selic confirmar sua trajetória de queda juntamente com a estabilidade econômica observada, o meio de pagamento M4 subiu de maneira consistente. 5 Mais detalhes no metadados da série 1843 Meios de pagamento amplos M4. (www.bcb.gov.br) 19

Produção industrial (média 2002=100) Jan-00 Oct-00 Jul-01 Apr-02 Jan-03 Oct-03 Jul-04 Apr-05 Jan-06 Oct-06 Jul-07 Apr-08 Jan-09 Oct-09 Jul-10 Apr-11 Inflação IPCA/selic (% a.a.) Meio de pagamento - M4 (R$bilhões) Jan-00 Oct-00 Jul-01 Apr-02 Jan-03 Oct-03 Jul-04 Apr-05 Jan-06 Oct-06 Jul-07 Apr-08 Jan-09 Oct-09 Jul-10 Apr-11 Selic (% a.a.) Figura 3 - Meio de pagamento M4 versus taxa Selic Na Figura 3 é mostrada a evolução do meio de pagamento M4 com a taxa Selic acumulada no mês anualizada. O período analisado é de janeiro de 2000 a junho de 2011 e a fonte dos dados é o SGS (Sistema gerenciador de séries temporais v.2.1) do Banco Central do Brasil. 1,800 1,600 1,400 1,200 1,000 800 600 400 200 - Meio de pagamento M4 vs selic 30% 25% 20% 15% 10% 5% 0% MEIO DE PAGAMENTO M4 SELIC A produção industrial juntamente com a inflação proveniente do índice nacional de preços ao consumidor amplo (IPCA) são utilizadas para representar a economia real. O IPCA é o índice de preços oficial do governo federal, sendo o índice utilizado para verificar o cumprimento da meta de inflação. A produção industrial é um retrato do andamento da economia, e tem comportamento inversamente proporcional à taxa de inflação e à taxa de juros, conforme a Figura 4. Figura 4 Relação entre produção industrial, taxa de inflação IPCA e a taxa Selic A Figura 4 apresenta a produção industrial dessazonalizada comparada à taxa de inflação IPCA e a taxa Selic acumulada no mês anualizada. O período analisado é de janeiro de 2000 a junho de 2011 e a fonte dos dados é o IBGE para produção industrial e o SGS (Sistema gerenciador de séries temporais v.2.1) do Banco Central do Brasil para as demais séries. Produção industrial vs inflação ipca/selic 140.00 30% 120.00 25% 100.00 20% 80.00 60.00 15% 40.00 10% 20.00 5% - 0% PRODUCAO INFLAÇÃO IPCA SELIC Na Tabela 1 temos uma análise descritiva dos dados utilizados, sendo o CRÉDITO e o M4 deflacionados pelo índice IPCA (valores de janeiro de 2000). A 20

produção industrial utilizada é dessazonalizada pelo próprio IBGE. Consta para cada uma das variáveis utilizadas a descrição resumida, o símbolo que passará a ser utilizado nesse trabalho, a fonte da informação e as estatísticas descritivas de cada variável. Tabela 1 - Análise descritiva dos dados A Tabela 1 contém uma análise descritiva dos dados utilizados no modelo. Nessa análise são mostradas algumas medidas estatísticas das séries, onde o P25 representa o 1º quartil, e o P75 representa o 3º quartil. As variáveis com valores monetários (*) estão deflacionadas pelo índice IPCA, com valores de janeiro de 2000. Análise Descritiva : 2000:01-2011:06 VARIÁVEL DESCRIÇÃO SÍMBOLO FONTE MÉDIA DESVIO PADRÃO MÍNIMO P25 MEDIANA P75 MÁXIMO SELIC Taxa de juros acumulada no mês anualizada (%) r M BACEN 15.5 4.3 8.7 11.7 15.9 18.6 26.3 CREDITO * Operações de crédito totais do sistema financeiro (R$ milhões) c BACEN 458,924.7 190,260.6 281,214.8 302,438.3 361,831.3 614,995.0 877,656.2 Spread médio das operações de SPREAD crédito com recursos livres referenciais para taxa de juros r L BACEN 36.4 4.6 27.7 33.0 36.6 39.5 47.8 (pré-fixado) M4 * Meio de pagamento ampliado - M4 (R$ milhões) m BACEN 915,027.0 305,522.8 553,712.6 650,154.2 792,927.5 1,178,436.6 1,566,395.4 Producao Industrial Índice de base PRODUCAO fixa mensal com ajuste sazonal y IBGE 116.6 9.9 96.3 110.7 115.4 126.1 132.7 (Base: média de 2002 = 100) INFLACAO Inflação do Índice nacional de preços ao consumidor-amplo (IPCA) - % acumulado 12 meses π IBGE 6.2 3.1 2.9 4.4 5.5 6.5 16.0 A tabela 2 possui uma matriz de correlação entre as variáveis utilizadas no modelo. Observa-se que a taxa Selic é negativamente correlacionada com o crédito, o agregado M4 e a produção industrial, em linha com a intuição econômica. Já o spread bancário e a inflação são positivamente correlacionadas com a taxa Selic. Tabela 2 Matriz de Correlação entre as variáveis A Tabela 2 contém uma matriz de correlação entre as variáveis utilizadas no modelo. SELIC CREDITO SPREAD M4 PRODUCAO INFLACAO SELIC 100% -81% 88% -83% -78% 80% CREDITO -81% 100% -76% 99% 83% -45% SPREAD 88% -76% 100% -78% -83% 75% M4-83% 99% -78% 100% 88% -49% PRODUCAO -78% 83% -83% 88% 100% -55% INFLACAO 80% -45% 75% -49% -55% 100% Para testar a estacionaridade das variáveis aplicou-se o teste de raiz unitária Dickey-Fuller Aumentado (ADF), sob a hipótese nula de que as variáveis são integradas de primeira ordem I(1), isto é, apresentam uma raiz unitária. Realizou-se o teste ADF em nível e em 1ª diferença, com as três especificações propostas por Enders (1995), random walk com intercepto, random walk com tendência e intercepto e random walk puro. Como mostrado na Tabela 3 todas as séries do estudo contém raiz unitária ao nível considerando 5% de significância, entretanto em 1ª diferença as séries se tornam estacionárias considerando a mesma significância. Portanto, através do teste de raiz unitária realizado, as variáveis do modelo são I(1), possibilitando a aplicação da metodologia proposta por Johansen (1991), que será descrita na próxima seção. 21

Tabela 3 - Teste de raiz unitária das variáveis do modelo Na Tabela 3 é apresentado o teste de raiz unitária das variáveis utilizadas no estudo. Os valores em () se referem à estatística t, enquanto os valores em [] se referem ao p-valor de cada especificação do teste efetuado. VARIÁVEL SÍMBOLO MODELO ADF EM NÍVEL ADF 1 a DIFERENÇA Intercepto (-2,63) (-3,59) [0,09] [0,01] SELIC r M Tendência e intercepto (-4,06) (-3,57) [0,01] [0,04] Puro (-0,94) (-3,60) [0,31] [0,00] Intercepto (2,27) (-9,96) [1,00] [0,00] CREDITO c Tendência e intercepto (-1,56) (-10,47) [0,80] [0,00] Puro (5,68) (-8,40) [1,00] [0,00] Intercepto (-1,66) (-12,07) [0,45] [0,00] SPREAD r L Tendência e intercepto (-2,30) (-12,04) [0,43] [0,00] Puro (-0,85) (-12,05) [0,35] [0,00] Intercepto (1,45) (-3,97) [0,99] [0,00] M4 m Tendência e intercepto (-1,55) (-8,41) [0,81] [0,00] Puro (3,13) (-2,40) [1,00] [0,02] Intercepto (-1,36) (-10,42) [0,60] [0,00] PRODUCAO y Tendência e intercepto (-3,38) (-10,39) [0,06] [0,00] Puro (1,41) (-10,32) [0,96] [0,00] Intercepto (-2,75) (-5,04) [0,07] [0,00] INFLACAO π Tendência e intercepto (-3,17) (-5,01) [0,09] [0,00] Puro (-0,98) (-5,06) [0,29] [0,00] 4. Metodologia De acordo com Engle e Granger 6, a combinação linear de duas séries não estacionárias pode ser estacionária. Se tal série estacionária existe dizemos que há cointegração entres as séries e a combinação linear estacionária é chamada equação de cointegração e é interpretada como a relação de equilíbrio de longo prazo das variáveis. Ao se constatar que as variáveis do modelo são integradas, isto é, possuem tendência estocástica, podem existir relações de longo prazo entre elas, podendo chegar ao número de equações menos uma relação. No caso de existir tais relações, irá existir cointegração entre as variáveis, termo (s) de correção de erro (s) devem ser incorporados ao modelo ajustado. O teste de cointegração é feito considerando o VAR de acordo com a equação 1. 6 Detalhes em Engle, R.F. ; C.W.J. Granger (1987), Cointegration and Error-Correction: Representation, Estimation, and Testing, Econometrica 55 (March), pp. 251-276 22

(1) Onde X=[ r M, c, r L, m, y, π] Π=matriz de coeficientes K=ordem do modelo auto-regressivo τ=comportamento dinâmico de curto prazo i=1,2,..., k-1 Para a análise de cointegração, parte-se de um Vetor Auto-regressivo (VAR) de ordem k, mostrado na equação 1, onde os resíduos do VAR devem ser iid (independentes e identicamente distribuídos), porém, para as distribuições possuírem validade assintótica é necessário que os resíduos sejam ruído branco. Ao se estimar o VAR verifica-se pelos critérios de informação de Akaike e Schwarz a defasagem adequada do modelo. Johansen (1991) propõe a análise de cointegração, cujo objetivo é identificar o posto da matriz de coeficientes das variáveis utilizadas em nível defasadas de um período, Π, que representa as propriedades de longo prazo do sistema, enquanto que τ i com i = 1,2,3,..., k -1, representam o comportamento dinâmico de curto prazo, sendo k a ordem do modelo auto-regressivo. Como observaram Mussolini e Teles (2010) uma das vantagens dessa metodologia em relação à de Engle-Granger é que a exemplo de um VAR tradicional, não é preciso classificar a priori as variáveis como exógenas ou endógenas. Além disso, podem ser testadas restrições sobre os parâmetros do vetor de cointegração e os coeficientes de ajustamento. Johansen (1991) sugere utilizar duas estatísticas para testar a existência dos vetores de cointegração, além de determinar a quantidade desses vetores. A estatística do máximo autovalor e a estatística do traço, que é mais robusta na ausência de normalidade. A matriz Π pode ser definida de acordo com a equação (2), onde α é uma matriz com os coeficientes que expressam a velocidade de ajustamento dos desvios do equilíbrio de longo prazo e a matriz β é representada pelos vetores de cointegração, relacionados às raízes características diferentes de zero, que se constituem nos termos de correção de erro. Π=α.β (2) 23

5. Resultados 5.1. Resultados da estimação do modelo O modelo estimado é um VECM com seis variáveis, descritas na Tabela 1 e mostradas na Figura 5, todas em nível e algumas em logaritmo (as variáveis que não são taxas percentuais como o CRÉDITO, M4 e a PRODUCAO), semelhante ao tratamento dado por Hulsewig et al.(2002) e diversos outros autores. Hulsewig et al.(2002) estimou para a Alemanha um modelo com seis variáveis e existem algumas diferenças nas variáveis utilizadas nos estudos. A produção industrial é usada para a economia brasileira como indicador da economia real, enquanto o PIB para a economia alemã. Para o indicador monetário, é feita uma proxy e optou-se por utilizar o agregado M4 para o Brasil 7, enquanto para a Alemanha utiliza-se o capital disponível pelos bancos, que possui um efeito significativo sobre a política monetária. O restante das variáveis são utilizadas de maneira análoga em ambos os estudos. Figura 5 - Plot das séries utilizadas no modelo A Figura 5 apresenta um plot das séries utilizadas no modelo. Algumas variáveis estão na forma logarítmica. A fonte de informação é o IBGE para produção industrial e o SGS (Sistema gerenciador de séries temporais v.2.1) do Banco Central do Brasil para as demais séries. LOG_CREDITO SPREAD 13.8.50 13.6.45 13.4 13.2.40 13.0.35 12.8 12.6.30 12.4 00 01 02 03 04 05 06 07 08 09 10 11.25 00 01 02 03 04 05 06 07 08 09 10 11 LOG_M4 SELIC 14.4.28 14.2.24 14.0.20 13.8.16 13.6 13.4.12 13.2 00 01 02 03 04 05 06 07 08 09 10 11.08 00 01 02 03 04 05 06 07 08 09 10 11 LOG_PRODUCAO IPCA 4.9.20 4.8.16.12 4.7.08 4.6.04 4.5 00 01 02 03 04 05 06 07 08 09 10 11.00 00 01 02 03 04 05 06 07 08 09 10 11 7 Para a variável de agregado monetário foi testado o agregado M1, por ser mais líquido, e os resultados encontrados não diferem na essência com os obtidos com o M4, entretanto optou-se pelo uso deste último, que é mais abrangente e composto também pelo M1. 24

Este modelo é uma versão mais completa do VAR, pois como constatou Denardim (2005), ao se realizar um VAR em primeira diferença com séries I(1) pode-se eliminar informações relevantes sugeridas pelas equações de equilíbrio de longo prazo estabelecidas entre as variáveis. Portanto o procedimento adequado é incluir um termo de correção de erro na forma de um vetor de cointegração, isto é, utilizar um modelo VECM, com as variáveis em nível. Conforme descrito na metodologia, estimou-se um VAR, observando a validade das propriedades assintóticas, e de acordo com os critérios de informação de Akaike e Schwarz a defasagem mais adequada do modelo é obtida, mostrada na Tabela 4. Entretanto, mesmo sendo dois lags a defasagem sugerida de acordo com os critérios de informação, para melhor especificação do modelo é utilizada defasagem de quatro lags para garantir resíduos estacionários e ausência de correlação serial. Tabela 4 - Defasagem sugerida pelo critério de seleção na estimativa do VAR Na Tabela 4 é mostrada a defasagem sugerida pelo critério de seleção do lag, ao estimar o VAR padrão através do software Eviews 7. Os valores com * representam a ordem do lag sugerido para cada critério de informação. Para a escolha do modelo segue-se o critério de informação de Akaike que sugere a existência de tendência e constante. Através da análise do teste do traço de do máximo autovalor proposto por Johannsen (1991) é constatada a presença de dois vetores de cointegração ao não se rejeitar a hipótese nula a significância de 5%, mostrado na 5. Conseqüentemente encontram-se duas relações independentes de longo prazo entre as variáveis agregadas do modelo para a economia brasileira. Tabela 5 - Teste de cointegração do modelo estimado Lag Akaike Schwarz 0-21.9487-21.8163 1-39.6245-38.6981 2-41.0007* -39.2802* 3-40.9840-38.4694 4-40.9011-37.5924 5-40.9404-36.8376 6-40.6343-35.7375 7-40.4738-34.7829 8-40.5710-34.0860 A Tabela 5 possui o teste de cointegração do modelo estimado, com a estatística do máximo autovalor e a estatística do traço e seus respectivos p-valores. As estimativas foram feitas com o software Eviews 7 e as hipóteses com * representam rejeição da hipótese nula a 5%. Hipótese nula: Número de vetores de cointegração Autovalor Estatística do máximo autovalor p-valor (traço) Estatística do traço p-valor (máximo autovalor) Nenhum * 0.3565 58.6345 0.0008 174.2935 0.0000 No máximo 1 * 0.3341 54.0896 0.0004 115.6590 0.0002 No máximo 2 0.1590 23.0254 0.4163 61.5693 0.0770 No máximo 3 0.1346 19.2252 0.2904 38.5439 0.1279 25

A matriz Π, conforme visto na metodologia pode ser decomposta entre a matriz de cargas α que representa a dinâmica de ajuste de curto prazo fornecendo a importância dos vetores de cointegração em cada equação, e a matriz β que é composta pelos vetores de cointegração. Na Tabela 6 é mostrada a estimativa da matriz β com os coeficientes de cointegração normalizados da forma irrestrita. O vetor β 1 é identificado como a relação de demanda, que depende negativamente da taxa de inflação IPCA (π), pois quanto maior a inflação, menor a demanda de crédito. O vetor β 2 é identificado como a relação de oferta, na qual o banco central pode controlar com medidas como a emissão de papel moeda ou alteração do compulsório dos bancos. Com os parâmetros estimados para a matriz β é possível ter uma relação de elasticidade, como por exemplo, na relação de demanda (vetor β 1 ) com o aumento de 1% na inflação IPCA, a demanda de crédito retrai mais de 12%. Como a série de crédito é bastante inclinada, dado à expansão do crédito que ocorreu a partir de 2004, a existência de uma tendência no modelo se justifica. Tabela 6 - Coeficientes de cointegração normalizados A Tabela 6 apresenta os coeficientes de cointegração (matriz beta) normalizados estimados através do Eviews 7. A matriz de cargas α está representada na Tabela 7, cujos parâmetros representam a velocidade parcial de ajuste nas relações de equilíbrio de longo prazo informando sobre a dinâmica de curto prazo. Para a equação da demanda (α 1 ) o crédito, a produção industrial e a taxa Selic são significativos ao valor crítico de 10%, enquanto na equação da oferta (α 2 ) a produção industrial e a taxa Selic são significativos para a equação a 10% de significância. Tabela 7 Matriz de cargas c m y r L r M π TENDENCIA β 1 (demanda) 1.0000 0.0000 27.6573 18.0824 1.3469-12.6883-0.0480 β 2 (oferta) 0.0000 1.0000-3.0567 0.3391 2.7824 0.4941-0.0004 A Tabela 7 contém a matriz de cargas (matriz alfa) estimada com o software Eviews 7. Os valores em () representam o desvio padrão das estimativas. Δc Δm Δy Δr L Δr M Δπ α 1 (demanda) α 2 (oferta) 0.0083-0.0272 (-0.0043) (-0.0251) 0.0004-0.0141 (-0.0026) (-0.015) -0.0131-0.0657 (-0.0064) (-0.0376) 0.0059 0.0341 (-0.0037) (-0.0216) -0.0049-0.0302 (-0.0008) (-0.0047) -0.0006 0.0017 (-0.0011) (-0.0067) 26

Para uma correta interpretação desse ajuste nas relações de equilíbrio de curto prazo, representada pela matriz de carga α, é necessário verificar se alguma variável do modelo é exógena, o que poderia modificar as relações de equilíbrio de longo prazo. A rejeição da hipótese de exogeneidade fraca implica que a matriz de cargas, em primeira diferença, não contém informação sobre as relações de longo prazo, representadas pela matriz de coeficientes β. Na tabela 8 verifica-se que a 5% de significância, pode-se rejeitar a hipótese de exogeneidade fraca para todas as variáveis. Tabela 8 Teste de exogeneidade fraca A Tabela 8 mostra o teste de exogeneidade fraca feito através do software Eviews 7 onde χ 2 (4) refere-se ao chi-quadrado com 4 graus de liberdade. χ 2 (4) p-valor Δc 64.8890 0.0000 Δm 40.2836 0.0046 Δy 34.6246 0.0222 Δr L 36.7465 0.0125 Δr M 65.8020 0.0125 Δπ 68.5688 0.0000 Assim como Hulsewig et al.(2002) constata no estudo para a economia alemã, verifica-se uma dificuldade de mensurar como ocorre a dinâmica de ajuste no curto prazo nas relações de cointegração de longo prazo com o uso da matriz de cargas. A taxa Selic e a produção industrial são significativas em ambas as equações, ajustando as relações de longo prazo, enquanto o crédito ajusta a equação da demanda. Uma maneira de auxiliar a validação empírica do modelo é a utilização da análise de resposta ao impulso, onde será possível analisar o comportamento de cada variável do modelo a um choque de um desvio padrão da taxa de juros básica da economia, a taxa Selic. 5.2. Análise de resposta ao impulso Para uma análise das dinâmicas de curto prazo no modelo VECM estimado é avaliada a resposta a choques da política monetária nas variáveis do modelo e comparado com os resultados encontrados por Hulsewig et al.(2002) para a economia da Alemanha. De maneira geral os resultados são semelhantes para as duas economias, diferindo apenas na magnitude atingida por algumas variáveis. Com essa análise é possível identificar qual o caminho que cada variável agregada irá adquirir e o tempo de resposta para um choque de um desvio padrão da taxa de juros básica da economia, a taxa Selic no caso brasileiro, conforme a Figura 6 ilustra. O intervalo de confiança, tracejado, é calculado através de dois desvios para cada variável e são observados 20 períodos após o choque. 27

Figura 6 - Funções de resposta ao impulso do modelo estimado para o Brasil A apresenta as funções de resposta ao impulso do modelo estimado através do software Eviews 7 para a economia brasileira. A linha em tracejado vermelha representa o intervalo de confiança calculado com 2 desvios padrões para cada variável. Resposta do CREDITO à SELIC Resposta do M4 à SELIC.010.008.005.004.000.000 -.005 -.004 -.010 -.008 -.015 2 4 6 8 10 12 14 16 18 20 -.012 2 4 6 8 10 12 14 16 18 20 Resposta da PRODUCAO à SELIC Resposta do SPREAD à SELIC.008.012.004.008.000.004 -.004.000 -.008 -.004 -.012 2 4 6 8 10 12 14 16 18 20 -.008 2 4 6 8 10 12 14 16 18 20 Resposta da SELIC à SELIC Resposta da inflacao IPCA à SELIC.012.008.008.004.004.000.000 -.004 -.004 -.008 2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20 Observa-se um puzzle em relação à resposta da inflação IPCA a um choque da taxa Selic. Ocorre uma subida de imediato e em seguida um arrefecimento, com sete meses se observa o máximo impacto na taxa de inflação IPCA e só após mais de um ano que esse choque é negativo. Em economias globalizadas, a taxa de cambio é um fator determinante na taxa de inflação, afetando a balança comercial dos países. Portanto será realizada a seguir uma análise de robustez do modelo desenvolvido para a economia brasileira acrescentando-se a taxa de cambio, real versus dólar ao modelo desenvolvido até o momento. 28

5.3. Análise de robustez do modelo Para a análise de robustez do modelo é estimado um modelo semelhante ao descrito anteriormente e além das variáveis utilizadas e descritas anteriormente é acrescentada a taxa de cambio (real versus dólar). O modelo estimado apresenta validade das propriedades assintóticas, com normalidade dos resíduos e a ausência de correlação serial. Essa análise está restringida às funções de respostas ao impulso do novo modelo com o cambio. No apêndice 3 é mostrada a evolução da taxa de cambio versus a taxa de inflação IPCA e a taxa de juros Selic. De acordo com a Figura 7 observa-se que a resposta do crédito à taxa Selic não é alterada, permanecendo dez meses o auge do impacto e mesma magnitude. Com relação ao agregado monetário M4 a magnitude e o tempo de resposta não são alterados, mas após o ponto de inflexão a resposta atual se estabiliza. A resposta do spread bancário e da taxa Selic ao choque pouco se alteraram, entretanto a magnitude do choque da taxa Selic diminui com a inclusão do cambio no modelo. Ao ocorrer o choque na produção industrial observa-se um impacto negativo e de maior magnitude, com seis meses ocorrendo o pior impacto na economia. A taxa de inflação IPCA apresenta resposta semelhante ao modelo anterior, mas com menor magnitude. O cambio responde positivamente a um choque da taxa Selic, explicando parte do aumento de preços observado ao submeter a um choque da taxa de juros. 29

Figura 7 - Funções de resposta ao impulso do modelo estimado com o cambio A Figura 7 contém as funções de resposta ao impulso do modelo estimado com o cambio, estimado com o software Eviews 7. Resposta do CREDITO à SELIC Resposta do M4 à SELIC.004.004.000.000 -.004 -.004 -.008 -.008 -.012 2 4 6 8 10 12 14 16 18 20 -.012 2 4 6 8 10 12 14 16 18 20 Resposta da PRODUCAO à SELIC Resposta do SPREAD à SELIC.004.008.000 -.004.004 -.008.000 -.012 2 4 6 8 10 12 14 16 18 20 -.004 2 4 6 8 10 12 14 16 18 20 Resposta da SELIC à SELIC Resposta da inflacao IPCA à SELIC.006.006.004.004.002.002.000.000 -.002 -.002 -.004 2 4 6 8 10 12 14 16 18 20 -.004 2 4 6 8 10 12 14 16 18 20 Resposta do CAMBIO à SELIC.04.03.02.01.00 -.01 2 4 6 8 10 12 14 16 18 20 30

6. Considerações finais Este estudo investigou a existência do canal de credito bancário na economia brasileira no período de janeiro do ano 2000 a junho de 2011. Durante esse período o Brasil apresentou uma estabilidade econômica consistente e um crescimento expressivo da relação crédito/pib, de 25% no início do período estudado a 47% ao final do primeiro semestre de 2011. Com o uso de dados agregados econômicos e com o arcabouço de modelos VECM, foi possível identificar duas relações de cointegração, que puderam ser identificadas como a relação de oferta e demanda de crédito. Neste arcabouço de modelo foi seguida a metodologia proposta por Johannsen (1991), realizados os testes de máximo autovalor e de traço, feita a análise de exogeneidade fraca na matriz de cargas do modelo, bem como verificada a validade das propriedades assintóticas. O resultado encontrado para uma economia emergente como a brasileira foi comparado com o resultado encontrado por Hulsewig et al.(2002) para a economia alemã, país onde a relação crédito/pib é superior a 100%. Em ambas as economias foram encontradas evidências da existência do canal de crédito, entretanto foi realizado um teste de robustez no modelo para o Brasil, inserindo a relação cambial, no qual interfere no índice de preços da economia, e foi verificado que a variação do cambio explica parte da variação da inflação a um impacto da taxa básica de juros na economia brasileira. Por fim, recomenda-se para estudos futuros a investigação da transmissão da política monetária para o credito em bancos públicos versus bancos privados, crédito para pessoa física versus pessoa jurídica ou ainda investigar como ocorre a transmissão monetária para diferentes modalidades de crédito. 31

Bibliografia Bernanke, Ben e Blinder, Alan. Credit, money and aggregate demand. American Economic Review, v.78, n.2, p. 435-39, may, 1988. Bernanke, The Federal Funds Rate and the channel of monetary transmission. American Economic Review, v.82, n.4, p. 901-21, September, 1992. Bernanke, Ben, e Gertler, Mark. Inside the Black Box: the credit channel of monetary policy transmission. Journal of economic Perspectives, v.9, n.1, p. 27-48, fall, 1995. Bonomo, M.; Martins, B. S.; Mello J. M. P. Composição da dívida pública e transmissão monetária no Brasil, EPGE / FGV, 2008. Denardim, A. A. O mecanismo de transmissão da política monetária: evidências empíricas para o canal de empréstimo bancário no Brasil, 2005. Disyatat, P. The bank lending channel revisited, BIS working papers N o 297, BIS, 2010. Ehrmann, M.; Gmabacorta, L.; Martínez-Pagés, J.; Sevestre, P.; Worms, A. Financial systems and the role of bank in monetary transmission in the Euro area. Working paper N o 105, working paper series, European Central Bank, 2001. Engle, R.F. ; C.W.J. Granger (1987), Cointegration and Error-Correction: Representation, Estimation, and Testing, Econometrica 55 (March), pp. 251-276 Graminho, F. M.; Bonomo, M. O canal de empréstimos bancários no Brasil: uma evidência microeconômica, EPGE / FGV, 2002. Harbache, R. O impacto da política monetária sobre os juros e crédito bancário, FGV, 2009. Hulsewig, O., P. Winker and A. Worms. Bank Lending in the Transmission of Monetary policy: A VECM Analysis for Germany. University of Wurzburg, 2002. Johansen, S. Estimation and Hypothesis Testing of Co-integration Vectors in Gaussian Vector Autoregressive Models. Econometrica. Econometric Society, v. 59, n. 6, p. 1551 1580, 1991. Kakes J. Identifying the mechanism: is there a bank lending channel of monetary policy, Chicago University Press, Chicago, IL, 2000. Kashyap, A. K.; Stein, J. C., Wilcox, D. Monetary policy and credit conditions: evidence from the composition of external finance. The American Economic Review, v. 83, p. 78-98, 1993. Kashyap, A. K.; Stein, J. C. The impact of monetary policy on bank balance sheets. Carnegie-Rochester Conference Series on Public Policy, p. 151-195, 1995. 32