Factors determining systemic risks of Brazilian banks: A CoVaR-Copula Approach/Fatores determinantes do risco sistemico bancario brasileiro: Uma abordagem CoVaR-Copula.
| Autor | Guimaraes, Laura |
1. Introducao
O risco sistemico pode ser definido como o efeito de uma situacao de risco em determinada instituicao financeira sobre o sistema financeiro no seu conjunto. Essa compreensao esta em linha com a definicao que destaca que o risco sistemico e "O risco que o nao cumprimento das obrigacoes contratuais por um participante pode causar ao cumprimento das obrigacoes de outros pode gerar uma reacao em cadeia de dificuldades financeiras maiores" (Bank for International Settlements, 1994, p.177). Desde o colapso do Lehman Brothers, em setembro de 2008, os mercados financeiros encontramse estreitamente interconectados como consequencia de um processo de globalizacao e tem como resultante a concentracao de risco em alguns setores da economia. Desde entao, tornou-se crucial quantificar o risco sistemico para os tomadores de decisoes, visto que o regulamento macro prudencial requer uma avaliacao de como uma posicao de determinada instituicao financeira pode comprometer o desempenho de outras instituicoes financeiras (Vasilescu, 2019). Tudo isso tambem e crucial para determinar quanto capital regulamentar uma instituicao financeira precisa acumular, a fim de cobrir este tipo de risco (Das e Uppal, 2004; Rosenberg e Schuermann, 2006).
A medida de risco mais amplamente utilizada e o VaR (Value at Risk), que quantifica a perda maxima de uma instituicao financeira para determinado nivel de confianca e horizonte temporal. Esta medida e, no entanto, centrada no risco individual de uma instituicao e deixa de considerar os potenciais efeitos colaterais que um nao cumprimento pode ter sobre outras instituicoes. Portanto, a literatura academica sobre as politicas macro prudenciais tem centrado a propria atencao sobre a contabilizacao da contribuicao de cada banco ao risco de outras instituicoes e/ou para todo o sistema financeiro (Bisias et al., 2012; Bernal et al., 2014).
Adrian e Brunnermeier (2016) propuseram o CoVaR (Comovement Value at Risk) como uma nova medida de risco sistemico. O CoVaR captura possiveis riscos spillover entre as instituicoes financeiras, fornecendo informacoes sobre o VaR do sistema financeiro condicionado ao fato de que uma determinada instituicao financeira esta em perigo. O CoVaR estima o VaR de uma instituicao financeira condicionado a uma outra instituicao financeira que se encontra em uma situacao de risco (medido pelo seu VaR).
Uma vantagem dessa metodologia e que o CoVaR consegue mensurar a exposicao de uma instituicao financeira ao risco sistemico e as possiveis perdas do conjunto de instituicoes geradas por uma instituicao. Modelos que utilizam o CoVaR, [DELTA]CoVaR, VaR condicional canonico de videira (c-vine CoVaR) (Shahzad et al., 2018; Tiwari et al., 2022) e modelo Copula (Yang et al., 2019; Manguzvane e Muteba Mwamba, 2020) tem se destacado nesse proposito de mensurar o risco sistemico pela capacidade de capturar a dinamica condicional das series temporais usadas para fazer este tipo de analise.
A partir desse panorama, o objetivo deste estudo e identificar os fatores que afetam o risco sistemico no sistema financeiro brasileiro, no periodo entre janeiro de 2010 e janeiro de 2019, utilizando como variaveis a volatilidade diaria do indice Ibovespa, os retornos diarios obtidos dos precos do indice Ibovespa, a inclinacao da curva de rendimento das obrigacoes "cupom zero", medida como a diferenca entre os titulos do Brasil a 10 anos e a letra do tesouro nacional a 12 meses e a taxa de variacao Letra do Tesouro a 12 meses. Para alcancar este objetivo, modelamos a estrutura de dependencia entre os bancos e o sistema financeiro usando copula estatica e dinamica (Joe, 1996) a partir da qual podemos calcular o CoVaR e [DELTA]CoVaR e utilizamos uma regressao linear dinamica para identificar os determinantes que afetam o risco sistemico.
O estudo se concentra no mercado brasileiro pois este se constitui em um mercado emergente importante e outros trabalhos nao analisaram este objeto, podendo inclusive servir de elemento de comparabilidade com outros mercados semelhantes ou nao. O periodo de 2010 a 2019 constitui-se alem de um periodo pos-crise de 2008, abrange um periodo de relativa estabilidade no mercado financeiro sem grandes eventos locais ou mundiais, o que permite verificar em situacoes quase normais como se comportam as variaveis aqui analisadas, o que justifica nao incluir o periodo pandemico de 2020 a 2021.
Os resultados deste estudo tem implicacoes para a politica economica e permitem determinar quais variaveis tem um maior efeito sobre o risco sistemico, alem de permitirem que se implementem politicas destinadas a estabilizarem o sistema financeiro. Deve ser notado que este modelo econometrico e um modelo reduzido, e isso significa que, cada vez em que uma politica e modificada, existe mudanca dos parametros do modelo. Entao, ele deve ser estimado novamente. Isso ocorre porque o modelo nao captura os efeitos estruturais da politica. Como exemplo, o problema do risco moral surge quando o banco central age socorrendo os bancos em dificuldades, para se evitarem pontos de contagio financeiros. Como os bancos sabem que serao resgatados pelo Banco Central no caso em que estiveram com problemas, eles assumem uma maior quantidade de risco recebendo os beneficios de se tomar uma maior quantidade de risco.
Este trabalho esta composto da seguinte forma: a secao 1 apresenta a introducao onde constam a contextualizacao do tema e objetivo do trabalho. A Secao 2 apresenta a literatura empirica utilizando as medidas de risco sistemico. Na Secao 3 e apresentada a metodologia seguida da Secao 4 onde sao mostrados os dados. A secao 5 resume os principais resultados e se conclui o artigo em seguida.
2. Literatura empirica
A literatura demonstra uma continua busca pela compreensao dos elementos que determinam o risco sistemico. Huang et al. (2009) desenvolveram um indicador de risco sistemico para a dificuldade financeira sistemica dada pelo preco de credit default swaps (CDS). Usando dados CDS, Goodhart e Segoviano (2009) construiram um indice de estabilidade bancaria para avaliarem a dependencia interbancaria de eventos extremos. Rodriguez-Moreno e Pena (2013) forneceram evidencias sobre a adequacao do uso de dados CDS para estimarem o risco sistematico.
Acharya et al. (2016) introduziram a esperada diminuicao (Expected Shortfall) sistemica e a esperada diminuicao marginal como indicadores para quantificarem o risco de a situacao se agravar alem das contribuicoes das instituicoes financeiras ao risco. Brownlees e Engle (2016) desenvolveram uma medida de risco sistemico chamado SRISK, representando-se o montante de capital necessario para restaurar uma exigencia de capital minimo. Allen et al. (2012) propuseram uma medida do risco sistemico chamado CATFIN, que pode predizer o declinio das atividades de emprestimos agregados no banco com 6 meses de antecedencia. Billio et al. (2012) apresentaram cinco medidas de risco sistemico que capturam o contagio e o efeito da exposicao nas relacoes entre instituicoes financeiras. Engle e Manganelli (2004) desenvolveram um modelo de valor em risco autorregressivo condicional (CaViaR) que usa regressao quantilica para capturar o comportamento dos retornos nas caudas.
Adrian e Brunnermeier (2016) propuseram o CoVaR como uma nova medida de risco sistemico. Esta medida considera a perda maxima esperada por uma instituicao financeira para um nivel de confianca e condicionada ao fato de que outra instituicao esta numa situacao de instabilidade medida pelo seu VaR. Barroso et al. (2013) avaliam a aplicacao metrica do CoVaR utilizando a metodologia desenvolvida por Adrian e Brunnermeier (2016) ao sistema bancario brasileiro, considerando algumas importantes implicacoes, entre elas que o VaR e uma medida insuficiente que nao e adequada para capturar o risco sistemico de uma instituicao.
Mais recentemente, outros trabalhos demonstram a continuidade e importancia da utilizacao dessas metodologias. Shahzad et al. (2018), utilizando as abordagens de VaR, CoVaR, [DELTA]CoVaR, c-vine CoVaR, copula estatica, analisaram os efeitos colaterais negativos e positivos, riscos sistemicos e de dependencia da cauda do mercado de acoes islamico, propondo como contribuicao a estimacao mais precisa dos riscos sistemicos positivos e negativos.
Tiwari et al. (2022) utilizando uma estrutura de modelagem com VaR, CoVaR, [DELTA]CoVaR, c-vine CoVaR e tempo--modelos bivariados e copulas variaveis e estaticos, modelaram os efeitos downside e upside spillover, riscos sistemicos e de dependencia de cauda dos indices DJ World Islamic (DJWI) e DJ World Islamic Financial (DJWIF), e dos indices de acoes islamicos do Japao, EUA e Reino Unido. Entre outros achados, destaca-se que no periodo da crise financeira, os indices islamicos dos Estados Unidos e do Reino Unido apresentaram risco sistemico maior de baixa. Liu et al. (2021), examinando a estrutura de dependencia dinamica entre titulos verdes (GBs) e varios mercados globais e setoriais de energia limpa (CE), usando varias abordagens de copula invariantes e variantes no tempo e CoVaR e [DELTA]CoVaR, concluiram que titulos verdes e energia limpa apresentaram media variavel no tempo positiva e dependencia de cauda.
Abuzayed et al. (2021) examinam o transbordamento do risco de angustia sistemica entre o mercado de acoes global e os mercados de acoes individuais nos paises mais afetados pela pandemia de COVID-19, utilizando medidas de risco de dependencia de cauda: CoVaR e [DELTA]CoVaR. Alem disso, foi aplicado o modelo de correlacao condicional dinamica bivariada (DCC) condicional autorregressivo heteroscedastico (GARCH). A partir dos dados, os resultados indicaram o contagio de risco sistemico bivariado entre o mercado de acoes global e cada mercado de acoes individual evoluiu durante o periodo analisado e se intensificou a medida que o COVID-19 se espalhou pelo mundo.
Yang et al. (2019) analisaram as variacoes e transbordamento do risco...
Para continuar a ler
PEÇA SUA AVALIAÇÃOCOPYRIGHT GALE, Cengage Learning. All rights reserved.
