III. AİLEDE İLİŞKİLER
2. Bağlanma Kuramı
2.3. Anne Çocuk İlişkisinde Bağlanmayı Etkileyen Etmenler
Ao longo dos capítulos anteriores apresentamos a evolução da estrutura de mercado bancário brasileiro. Em síntese, há indícios de que, a partir dos movimentos de concentração, tenhamos tido um comportamento menos acirrado no que se refere à competição bancária. Isso posto, este capítulo pretende explorar as relações entre estrutura de mercado e apetite ao risco.
A relação entre fragilidade do sistema bancário e sua estrutura de mercado, sobretudo, no que se refere à competição e concentração é amplamente estudada. Algumas assunções teóricas e estudos empíricos, como a apresentada em Allen e Gale (2004), sugerem que um sistema bancário com muitas instituições e baixa concentração é mais suscetível às crises financeiras quando se comparado às situações em que há poucos players no mercado.
De acordo com Beck et al. (2006), uma das hipóteses é que o controle e monitoramento de uma quantidade menor de bancos em um sistema mais concentrado é menos difícil que supervisionar inúmeros bancos em um sistema menos concentrado. Nessa perspectiva, a regulação bancária seria mais eficiente e o risco de contágio e, portanto, de risco sistêmico, seria menos evidente em um ambiente mais concentrado (com menos bancos).
Outra abordagem nesse sentido implica que maior competição pode ser associada a níveis menores de lucros, podendo servir de incentivo para que os bancos incorram em maiores riscos em busca de ganhos financeiros superlativos. Nessa situação, em que se há, menos competição, maior poder de mercado pode gerar aumento dos lucros e, portanto, do valor de mercado do banco. Nesse sentido, quanto maior o market share e lucro dos bancos, menor seriam os incentivos para que banqueiros e seus administradores assumam riscos excessivos, implicando em uma probabilidade menos latente de risco sistêmico.
Finalmente, segundo Matutes e Vives (2000), a competição bancária tende a aumentar os juros pagos para atrair o interesse de depositantes, fazendo cair as margens de ganho dos bancos e aumentando a probabilidade de bancarrota da firma bancária e – dependendo do canal de transmissão e efeito contágio – da eclosão de uma crise sistêmica.
29 Outras linhas de pensamento atestam que quanto mais concentrado um mercado bancário, mais frágil ele será. Boyd e De Nicolo (2005) argumentam que a ideia de que poder de mercado confira maiores lucros e, consequentemente, mais estabilidade não parece ser representativa da realidade. Segundo os autores, esse pensamento negligencia efeitos do poder de mercado e custo de empréstimo sobre o comportamento dos agentes tomadores de crédito. Segundo eles, altas taxas de juros cobradas pelos bancos induzem os agentes tomadores de crédito a assumirem maiores riscos, elevando o risco sistêmico.
Com efeito, Bolt e Tieman (2004), por exemplo, defendem que o aumento de competição no mercado bancário implica, ceteris paribus, em menores lucros por período, tornando os bancos mais propensos à tomada de risco através do aumento das concessões de crédito e alavancagem. Segundo os autores, um exemplo prático dessa dinâmica causal em que há preocupação pela estabilidade do sistema pode ser observado quando do aumento da exigência de capital próprio, por parte do regulador, nos casos em que há incremento na competição da indústria bancária. Assim, não só se aumenta o colchão de liquidez no advento de um choque, como força uma redução no ritmo de concessão por parte dos bancos.
O Gráfico 6 a seguir demonstra, através de dados do banco mundial, a evolução dos indicadores de concentração bancária (C35) e do retorno sobre ativos (ROA6) dos
bancos nacionais.
Como visto no Capítulo 2, a concentração bancária no Brasil teve um grande salto ao longo da série de análise, saindo de patamares de 39% para 63% no espaço de apenas uma década. Durante o mesmo período, no entanto, não houve alteração relevante no padrão de retorno dos bancos. Muito embora, vale ressaltar que o advento da crise financeira de 2008 tenha feito com que o patamar de retorno dos bancos tenha sofrido grande ruptura e encerrado o ciclo de aumento dos retornos.
5 C3 referente a participação de mercado em ativos dos três maiores bancos comerciais. Dados podem ser obtidos em:
http://econ.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTRESEARCH/0,,contentMDK:20696167~pagePK:64 214825~piPK:64214943~theSitePK:469382,00.html
6 ROA mensurado a partir da relação de receita líquida sobre ativos totais. Dados podem ser obtidos em:
http://econ.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTRESEARCH/0,,contentMDK:20696167~pagePK:64 214825~piPK:64214943~theSitePK:469382,00.html
30 Até então, o ROA dos bancos se elevava ao passo que a concentração se acentuava, o que pode indicar certa proximidade com a ideia de que os bancos incorrem em maiores lucros conforme o mercado se concentra, mas o que não resultou em um sistema menos sujeito ao colapso7. Dessa forma, a queda de
rentabilidade, seguida de um momento de grande prosperidade pode ser uma das explicações pela qual a teoria minskyana da hipótese de instabilidade financeira tenha ganhado tanta evidência, até mesmo no mainstream, no pós crise.
Fonte: Banco Mundial (Financial Development and Structure Dataset)
Gráfico 6 – Concentração versus retorno dos bancos brasileiros, 2001 – 2011
Já quando analisamos a evolução da razão do crédito contra o depósito bancário em função do PIB, vide Gráfico 7, pode-se observar que a concessão teve um crescimento vertiginoso, dos 65% em 2001 para 116% em 2011. Nesse sentido, é interessante ressaltar que essa alavancada no crédito, aparentemente, não sofrido retrações no agregado com a eclosão da crise financeira de 2008. Sobretudo, como se observa no Gráfico 8, em função do papel anticíclico desempenhado pelos bancos públicos durante este período entre 2007 e 2011.
7 Gráfico comparativo do ROA dos bancos brasileiros contra seus pares internacionais (Chile, Rússia, Índia, China e África do Sul) pode ser encontrado no Anexo A deste trabalho.
39 42 49 47 46 53 48 51 66 62 63 1.0 1.9 2.0 1.7 1.7 2.2 2.6 0.9 1.6 1.3 1.2 0.00 0.50 1.00 1.50 2.00 2.50 3.00 0 25 50 75 100 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Concentração Bancária - C3 ROA
31
Fonte: Banco Mundial (Financial Development and Structure Dataset)
Gráfico 7 – Razão entre crédito e depósito bancário por concentração bancária no Brasil, 2001-2011
Fonte: Elaboração própria a partir de dados do Banco Central do Brasil
Gráfico 8 - Evolução da participação (em %) no saldo de crédito por propriedade de capital
Por se tratar de um indicador de cobertura natural de intermediação financeira entre depósitos e operações de crédito, a razão entre crédito e depósitos maior que 100% fornece um indicador de alavancagem que a priori poderia indicar sinais de risco exacerbado. Porém, quando confrontado com dados de seus pares internacionais como Chile e países membros dos BRICS (Rússia, Índia, China e África do Sul), o indicador brasileiro está em patamares semelhantes, com exceção do observado na China. Ainda assim, cabe ressaltar a aceleração apresentada desde 2005 fazendo com que essa relação mais que dobrasse, vide Gráfico 9.
65 69 60 60 59 63 72 80 92 105 116 39 42 49 47 46 53 48 51 66 62 63 43 41 43 44 47 51 54 56 55 49 50 0 10 20 30 40 50 60 0 20 40 60 80 100 120 140 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 CO NC ENT RAÇ ÃO CR ÉDIT O S E DEPÓ SIT O S (% )
Razão entre Crédito e Depósito bancário (%) Concentração bancária - C3 Depósitos bancários sobre PIB (%)
34 .1 34 .2 34 .5 34 .2 36 .3 37 .5 38 .6 40 .6 41 .5 41 .6 42 .3 41 .9 41 .9 41 .9 41 .9 42 .5 43 .8 43 .9 44 .1 44 .4 42 .8 42 41 .6 40 .7 40 .1 40 .4 40 .1 40 .8 40 .8 40 .8 40 .9 40 .2 22 .1 21 .9 21 .4 21 .4 20 .9 20 .5 19 .8 18 .7 18 .4 18 17.6 17.3 17.3 17.3 17.2 17.3
Dez/07 Dec-08 Dez/09 Dez/10
32
Fonte: Banco Mundial (Financial Development and Structure Dataset)
Gráfico 9 - Evolução internacional Crédito por Depósito bancário, 2001-2011
Além disso, se levarmos em conta informações obtidas diretamente dos relatórios do Banco Central do Brasil8, esse patamar de crédito sobre recursos é ainda menor,
ficando na casa dos 85%. Com uma série com informações até dezembro de 2013, o Gráfico 10, demonstra que a evolução deste indicador de alavancagem (crédito sobre captações de recursos estáveis) permanece estável desde o mês de junho de 2009.
8 http://www.bcb.gov.br/htms/estabilidade/2014_03/Base_de_Dados.xls
Brazil China India FederationRussian South Africa Chile
2001 64.85 276.39 60.02 95.98 140.13 131.09 2002 69.23 266.98 62.05 92.83 114.42 132.06 2003 60.50 267.44 60.47 99.52 117.80 139.80 2004 59.54 257.98 67.14 110.25 124.52 136.93 2005 59.18 251.36 73.68 107.58 121.19 133.47 2006 62.53 241.90 76.57 113.75 124.55 133.32 2007 72.13 234.37 74.63 119.18 126.05 136.64 2008 79.99 246.97 75.26 134.56 120.31 140.40 2009 92.12 236.90 71.31 117.90 123.61 170.47 2010 104.97 235.14 76.31 106.73 119.06 167.99 2011 115.74 251.36 75.83 110.54 110.12 162.24 - 50 100 150 200 250 300 ba nk c re di t x b an k de po si ts
33
Fonte: Elaboração própria a partir de dados do Banco Central do Brasil
Gráfico 10 – Evolução do Saldo de operações de crédito contra recursos estáveis para intermediação
Outro indicador que pode ser analisado para fins de estudar a fragilidade do sistema financeiro é o Z-Score. Trata-se de uma medida que reflete o risco do capital próprio, isso é a probabilidade de bancarrota do sistema bancário local como um todo, ao relacionar a alavancagem (razão entre capital próprio e ativos totais), contra a volatilidade de seus retornos. Mais precisamente, o Z-Score mensura o número de desvios-padrão necessários para que um eventual prejuízo torne o banco insolvente. Dessa forma, quanto maior for o Z-Score, menor será a probabilidade de falência de um banco. Portanto, esse indicador permite avaliar se economias (no agregado) e bancos (individualmente) são menos (mais) arriscados conforme um maior (menor) Z- Score.
Formalmente, o Z-Score é definido como:
�,� =
� ó � �,�
� �,� +̅̅̅̅̅̅̅̅�,�
� �,�
Onde �,� representa a média da distribuição de retornos e Capital Próprio divididos por Ativos Total indica o prejuízo capaz de consumir todo o patrimônio do banco.
O Gráfico 11 apresenta o comparativo histórico do Z-Score entre Brasil, China, Índia, Rússia, África do Sul e Chile. Com efeito, embora apresente patamar mais
84.6 85.0 85.8 85.1 85.3 84.2 84.5 83.1 82.8 82.8 83.5 84.5 85.2 84.8 85.7 85.6 86.1 85.7 86.4 81 82 83 84 85 86 87 0 500 1,000 1,500 2,000 2,500 3,000 3,500
Jun-09 Jun-10 Jun-11 Jun-12 Jun-13
Saldos de operações de crédito
Recursos estáveis captados para intermediação Crédito sobre captações de recursos estáveis (%)
34 elevado que a maioria de seus pares, ficando atrás apenas da Índia (exclui-se aqui o último elemento da série chilena), o indicador brasileiro se manteve estável ao longo do período em questão. Interessante notar que nem mesmo dois momentos de crise de confiança perante a economia brasileira – em 2002 (efeito Lula) e a crise dos
subprimes em 2008/2009 – fez com que o Z-Score nacional sofresse grandes alterações. Entretanto, nos últimos dois elementos da série, a queda no Z-Score nacional pode indicar ligeira deterioração dos bancos brasileiros e consequente aumento da fragilidade financeira do país.
Fonte: Banco Mundial (Financial Development and Structure Dataset)
Gráfico 11 – Evolução comparativa do Z-score para Brasil, Chile, China, Índia, Rússia e África do Sul
Já quando comparamos o Z-Score brasileiro com outro grupo de países – a saber: Grécia, Itália, Portugal e Espanha – o quadro é ainda mais positivo para os bancos nacionais. O
Gráfico 12 apresenta esta comparação, deixando evidente a deterioração do sistema bancário destes países europeus em função, entre outros motivos, da crise de suas dívidas soberanas.
Brazil China India Russian Federation South Africa Chile
2001 22.38 14.37 27.83 11.03 10.08 5.33 2002 23.71 9.80 31.12 10.13 27.69 5.38 2003 23.75 9.84 34.19 9.57 14.98 5.61 2004 22.81 10.09 34.60 9.05 8.27 5.47 2005 22.00 10.12 36.75 8.23 8.47 5.49 2006 23.92 19.59 35.41 7.81 8.55 5.27 2007 23.20 12.80 41.31 7.86 8.52 5.57 2008 24.17 18.92 39.33 6.12 7.82 3.56 2009 23.34 18.20 40.59 7.14 8.43 5.69 2010 20.76 20.26 39.89 7.36 8.97 3.87 2011 19.61 19.59 40.19 6.61 9.39 35.73 - 5 10 15 20 25 30 35 40 45 Z -S CO RE
35
Fonte: Banco Mundial (Financial Development and Structure Dataset)
Gráfico 12 - Evolução comparativa do Z-score para Brasil, Grécia, Itália, Portugal e Espanha
Com efeito, o sistema financeiro brasileiro parece menos frágil, segundo o indicador Z-score, quando comparado com seus pares BRICS e Chile e, também, quando confrontado àquelas economias europeias. O que pode indicar que – mesmo com o aumento da concentração e a ligeira queda da competição como expressadas nos capítulos anteriores – o sistema financeiro nacional não teve impacto negativo exacerbado no que se refere à percepção de aumento no risco sistêmico decorrente das alterações em sua estrutura de mercado bancário.
Para confirmar essa percepção, a próxima sessão abordará, tal como em Tabak et al. (2007), a relação entre NPL (non-performing loans) e indicadores de estrutura de mercado como o HHI e a Estatística-H. Dessa forma, o NPL servirá como proxy da fragilidade financeira por se tratar da avaliação da qualidade da carteira de crédito dos bancos.
Brazil Greece Italy Portugal Spain
2001 22.38 8.93 13.64 26.46 2002 23.71 4.05 10.73 13.13 24.27 2003 23.75 3.46 11.47 16.80 23.17 2004 22.81 2.44 27.44 17.23 23.22 2005 22.00 2.52 12.63 19.40 22.69 2006 23.92 2.56 11.59 22.61 22.13 2007 23.20 2.53 13.12 24.25 21.10 2008 24.17 1.71 11.77 14.42 22.43 2009 23.34 2.22 12.19 18.92 23.19 2010 20.76 1.92 13.08 17.03 23.07 2011 19.61 (3.29) 9.44 14.74 18.94 (5) - 5 10 15 20 25 30 Z -Sc ore
36 4.1. Metodologia
Para avaliarmos a relação entre estrutura de mercado e apetite ao risco aplicaremos um teste empírico a partir dos dados e obtidos através dos balancetes dos bancos nas bases de dados do Banco Central do Brasil. Os dados compreendem o período entre 2001 e 20139 e foram coletados semestralmente.
O teste será conduzido a partir de uma análise de dados em painel visando avaliar evidências de impacto da evolução da estrutura de mercado de crédito brasileiro no apetite ao risco do sistema nacional. Cabe ressaltar que o teste não pretende, em momento algum, indicar qual o ótimo social e econômico entre concentração e competição no mercado bancário.
Segundo o Bank of Internation Settlements10 (BIS), através do Comitê de Basiléia
de 1988, o risco de crédito é definido como a maior fonte de risco bancário. A ideia é que quanto maior o risco do ativo, maior será o capital requerido para alavancá-lo. Por essa razão, escolhemos como variável para mensurar a fragilidade financeira do sistema a taxa de créditos inadimplentes da carteira de cada banco, também conhecida como NPL (acrônimo para non-performing loans). A intuição é que maiores níveis de NPL sugerem maiores riscos de crédito, que quando não geridos de forma adequada, podem redundar na falência da firma bancária. Assim, o NPL se tornou um indicador macroprudencial importante para a avaliação da fragilidade financeira por parte das autoridades reguladoras.
Dessa forma, tendo como referência os trabalhos de Araújo e Neto (2007) e Tabak et al. (2007), o modelo para testar a relação entre estrutura de mercado e apetite ao risco pode ser descrito da seguinte forma:
�,� = �+ ℎ �,�−�+ �−�+ � � � �−�+ � �−�+ �,�
(8)
No qual, a variável NPL é construída a partir da soma do saldo da carteira de crédito dos bancos classificados como rating E, F, G e H sobre o total do saldo de
9 Para detalhes de quais bancos formam a amostra, veja o Anexo B
10 Espécie de Banco Central dos Bancos Centrais, serve para catalisar a estabilidade financeira e monetária através da cooperação internacional entre órgãos reguladores do sistema financeiro.
37 crédito. Essa razão representa a fração dos empréstimos que estão inadimplentes por mais de noventa dias (non-performing loans). Para se controlar o feito do tamanho do banco, lançamos mão da parcela de mercado do banco no mercado de crédito, representada pela variável MktShare. Como variáveis de controle macroeconômico, usou-se o CDS como vetor para mensurar o risco sistêmico do país, mensurado pelo valor do Credit Default Swap brasileiro e a variável DívidaPIB representando a relação dívida interna como razão do PIB que busca capturar o volume de endividamento dos agentes. Já a variável Estrutura fará referência à estrutura de mercado, ora pela ótica da concentração, ora pela ótica da competição, sendo usados os indicadores HHI e Estatística-H, respectivamente.
As variáveis de market share, Credit Default Swap, Dívida em função do PIB e Estrutura foram aplicadas com defasagem no intuito de estudar a predição das taxas de NPL. A intuição aqui é que o efeito no atraso maior que 90 dias decorre das decisões tomadas em conjunturas prévias à formação da taxa de inadimplência.
A expectativa é que o coeficiente , referente à parcela de mercado de crédito, tenha sinal negativo sugerindo que ocorra para o caso brasileiro uma relação de concentração estável. Ou seja, indicando que quanto maior a parcela de mercado, mais diversificado e pulverizada poderá ser a carteira de crédito implicando em um NPL menor.
Com relação ao coeficiente – por se tratar de uma proxy de risco sistêmico – espera-se que seu sinal seja positivo, indicando que em uma economia mais arriscada haja uma deterioração na qualidade da carteira de crédito.
Já para �, a expectativa é que seu sinal seja positivo, implicando em um NPL maior quanto maior for o endividamento como razão do PIB. Isso porque, como em Minsky (1992) quanto mais alavancados estiverem os agentes, mais frágil deverá estar o sistema, indicando uma menor propensão de pagamento das dívidas e maiores índices de atraso.
Finalmente, os coeficientes � serão testados para indicar a relação entre a estrutura de mercado bancário e apetite ao risco. Dessa forma, quando estrutura for representada pelo indicador de concentração HHI, se seu sinal for positivo (negativo)
38 indicará que, para o caso brasileiro, uma maior (menor) concentração representa um maior (menor) NPL. Isso quer dizer que, um mercado mais concentrado, em média, incorre maiores (menores) riscos originando maiores (menores) taxas de inadimplências acima de noventa dias. Por sua vez, quando � for representado pelo indicador de competição Estatística-H, caso o sinal seja positivo (negativo), significará que, em média, sistemas mais (menos) competitivos resultam em taxas de NPLs maiores (menores). Ou seja, quanto mais (menos) competitivo for o mercado, maior (menor) o apetite ao risco por parte dos bancos.
Adicionalmente, para verificar se o modelo estimado corresponde a efeito comum, fixo ou aleatório, aplicamos o teste de Hausman (1978), cujos resultados podem ser observados no Anexo D.
4.2. Resultados
Os coeficientes e seus respectivos valores de significância estatísticos da equação 8 podem ser vistos na Tabela 5 a seguir:
Elaboração própria
* Significante a 1%; ** Significante a 5%; *** Significante a 10%
Tabela 5 – Coeficientes dos modelos 1 e 2 de dados em painel
Os coeficientes das variáveis HHI e Estatística-H que representam concentração e competição, respectivamente, aparecem com sinais opostos. Dessa forma, níveis de competição maiores implicariam menores taxas de NPL. Ao passo que com mercados bancários mais concentrados indicariam maiores taxas de NPL.
Com relação à variável Dívida sobre PIB o sinal se comportou conforme esperado, tanto no Modelo 1, quanto no Modelo 2. Assim, um maior grau de alavancagem significa maiores índices de NPL.
Variável CDS(-1) -0.1063 -0.1278 *** MKT_CREDITO(-1) 0.0189 -0.0377 DIVIVIDA_PIB(-1) 3.2441 * 1.6922 HHI(-1) 2.0828 * ESTATISTICA_H(-1) -0.4149 ** Modelo 1 Modelo 2
39 Os coeficientes da variável CDS, embora não significativo no Modelo 1 e pouco significante no Modelo 2, tiveram sinal contrário à expectativa, sinalizando que num sistema dito mais arriscado, menor o NPL. Esse resultado, talvez, reflita o fato de que em momentos de crise os bancos sejam mais cautelosos e concentrem sua concessão de crédito em operações mais segura refletindo taxas de NPL menores.
A relação entre market share do mercado de crédito também teve sinais opostos entre os modelos, mas em ambos não foram significativos estatisticamente.
Para tentar capturar melhor a relação de percepção entre risco sistêmico e NPL, substituímos a variável CDS pelo Z-Score. Ainda que os níveis de significância tenham melhorado com a alteração, os sinais continuaram negativos. Porém, como visto na sessão anterior, ao contrário do CDS, quanto maior o Z-Score, menor é a percepção de risco. Portanto, nos modelos 3 e 4, o sinal da variável se comporta da forma esperada. Os resultados desses dois novos modelos podem ser vistos na Tabela 6 a seguir:
Elaboração própria
* Significante a 1%; ** Significante a 5%; *** Significante a 10%
Tabela 6 – Coeficientes dos modelos 3 e 4 de dados em painel
A análise dos demais coeficientes permanece a mesma dos modelos anteriores, com a exceção do coeficiente da variável de competição Estatística-H que, nesse caso, deixou de ser estatisticamente significativa.
Além disso, como a relação entre market share do mercado de crédito continua como não significante, acrescentamos a relação de market share das agências bancárias como proxy para controlar o efeito do tamanho dos bancos. Os resultados desses modelos podem ser vistos através da Tabela 7:
Variável MKT_CREDITO(-1) 0.0005 -0.0344 DIVIVIDA_PIB(-1) 4.8276 * 3.5187 * Z_SCORE(-1) -3.3416 * -1.9864 * HHI(-1) 1.5781 * ESTATISTICA_H(-1) -0.1724 Modelo 3 Modelo 4
40
Elaboração própria
* Significante a 1%; ** Significante a 5%; *** Significante a 10%
Tabela 7 – Coeficientes dos modelos 5 e 6 de dados em painel
Com a inclusão da variável de controle para o tamanho do banco em função de sua parcela de agências bancárias no mercado, o modelo teve sua melhor performance no que se refere aos índices de significância. A relação entre esta variável, tal qual o market share de ativos, se mostrou positiva. Dessa forma, o tamanho do banco ou sua dispersão parece implicar uma maior exposição ao risco, medida pelo NPL. Essa interpretação, no entanto, parece contra intuitiva do ponto de vista de pulverização das operações e diversificação do risco de crédito que um maior alcance ao público poderia prover através de um maior número de agências e dispersão geográfica. Variável Z_SCORE(-1) -3.4136 * -2.1056 * DÍVIDA_PIB(-1) 5.7040 * 4.3896 * AGENCIAS(-1) 0.2451 * 0.2382 * HHI(-1) 1.4185 * ESTATISTICA_H(-1) -0.1253 * Modelo 5 Modelo 6
41
Conclusão
Assim como em Araújo, Jorge Neto e Ponce (2005), os resultados deste trabalho sugerem que o comportamento individual dos bancos, durante o período de análise, demonstrou que os aumentos na concentração resultaram na criação de um ambiente de menor competição bancária, medida pela Estatística-H.
Ainda assim, mesmo com o aumento da concentração bancária, a estrutura de mercado continua a se caracterizar como tendo grau de concorrência monopolística, assim como nos estudos de Araújo e Neto (2007), Nakane e Rocha (2010) e Tabak et al. (2012).
Este trabalho sugere, também, que o maior grau de concentração resulta em maior apetite ao risco por parte dos bancos. Os resultados dos modelos empíricos testados, em todos os casos, apresentaram sinais positivos para medida de concentração (mensurado pelo índice de Herfindahl-Hirschman) e a taxa de non-
performing loans (NPL). O NPL, portanto, foi usado como proxy do apetite ao risco
bancário em função do fato de que o risco de crédito é tido pelo BIS (Bank of
International Settlement) como a maior fonte de risco do sistema financeiro. Tal
resultado está em linha com os estudos de Boyd e De Nicolo (2005) e Tabak et al