Os estudos que buscam demonstrar a probabilidade de ocorrência de crises e identificar as variáveis mais relevantes usualmente aplicam as técnicas estatísticas conhecidas como análise de regressão logística (LOGIT), análise de regressão probito (PROBIT) e análise discriminante linear (ADL).
O estudo de Fontaine (2005) aplica LOGIT em uma amostra de 37 países, sendo 21 desenvolvidos e 16 emergentes. As variáveis selecionadas, determinadas pela disponibilidade dos dados entre 1960 e 2001, contemplam as reservas internacionais, sem o valor do ouro, o valor do M2, o saldo em conta corrente, a posição fiscal orçamentária (déficit ou superávit), o índice de preços ao consumidor, os investimentos estrangeiros diretos, o volume de crédito doméstico total, os créditos ao setor privado, a taxa de desemprego e o valor do PIB.
Em adição, foram introduzidas duas variáveis, sendo uma política para verificar a interferência política e outra para identificar a ocorrência de crises em países vizinhos (“efeito contágio”).
Para o período de até um ano antes da crise, incluindo a variável “dummy” interferência política, os seguintes indicadores apresentaram significância no modelo:
a) o saldo em conta corrente em relação ao PIB; b) a variação no crédito doméstico total;
c) a posição fiscal orçamentária em relação ao PIB; d) a taxa de inflação; e
e) a variação no M2.
O estudo conclui que os países mais suscetíveis a crises são aqueles que relaxam na condução da política monetária, com tendência a perder reservas e elevar a inflação.
Da mesma forma, Berg e Pattillo (1999b) testaram as mesmas variáveis do estudo de Kaminsky, Lizondo e Reinhart (1998) em um modelo PROBIT bivariado38. As variáveis que excedem os padrões quando as crises se aproximam foram:
38. Os modelos “logito” e “probito” podem ser na forma bivariada ou multivariada, dependendo da quantidade de variáveis dependentes usadas no modelo (duas ou mais).
a) a variação na taxa de câmbio;
b) a variação no saldo em conta corrente; c) a variação nas reservas internacionais; d) a variação nas exportações; e
e) a relação e a variação entre os saldos do M2 e das reservas internacionais.
A conclusão apresenta que a utilização dos modelos ajudaria na previsão da crise financeira ocorrida no sudeste asiático em 1997, com superioridade do modelo PROBIT.
Em outro estudo, Demirgüç-Kunt e Detragiache (1997) estudaram as determinantes econômicas e estruturais das crises bancárias de países em desenvolvimento e industrializados, entre 1980 e 1994. Com o emprego de um modelo LOGIT estimaram a ocorrência de crises utilizando variáveis econômicas como PIB, taxa de juros, inflação, crédito doméstico ao setor privado e situação líquida do setor bancário. Além dessas, utilizou variáveis indicativas da existência de seguro depósito e da força da regulamentação institucional (“law and order index”).
As variáveis com maior significância foram:
a) a variação no PIB;
b) a variação na taxa de juros; e c) a variação na inflação.
Os autores identificaram que as crises tendem a eclodir em ambientes macroeconômicos frágeis, caracterizados por baixo crescimento do PIB e inflação elevada. Igualmente, as taxas de juros altas são tipicamente associadas com problemas no setor bancário, assim como as fugas repentinas de capital e a elevada participação do crédito em relação ao PIB. Por outro lado, o comportamento da taxa de câmbio não apresentou efeito sobre a probabilidade de crise no setor bancário, assim como o déficit ou superávit fiscal.
Como exceção à maioria dos trabalhos, González-Hermosillo (1999), utilizando variáveis contábeis juntamente com variáveis econômicas, investigou episódios de crises bancárias em diferentes regiões dos Estados Unidos e em dois países latino-americanos, México e Colômbia. Verificou que os bancos em situação econômico-financeira satisfatória apresentam
características diferentes daqueles em situação insatisfatória. Os indicadores mais relevantes, que apresentam rápida deterioração antes das crises, são:
a) os créditos vencidos em relação ao total de créditos; e b) o capital em relação ao total de ativos.
Prioritariamente, o perecimento na qualidade dos créditos mostrou ser melhor indicador de falência do que a redução no capital.
Em termos de aplicação institucional dos modelos estatísticos, o IMF tem usado um modelo PROBIT para estimar a probabilidade de crises sistêmicas em países (EDISON, 2000, p. 35). Os modelos de previsão de insolvência são vistos como insumos no processo de avaliação implementado pelo organismo. O modelo do IMF é resultante dos influentes estudos de Kaminsky, Lizondo e Reinhart (1998) e Berg e Pattillo (1999a,b), sendo que a adaptação dos modelos é realizada pelo Developing Country Studies Division (BERG; BORENSZTEIN; PATTILLO, 2004).
Igualmente, o Deutsche Bundesbank (1999, p.22) tem utilizado um modelo LOGIT para mensurar o risco sistêmico, com as seguintes variáveis:
a) variação na taxa de câmbio;
b) variação na taxa de juros do país em relação à taxa de juros americana; c) variação nas exportações;
d) variação no volume de crédito doméstico total;
e) variação na paridade da moeda local em relação ao dólar americano, descontada a taxa de inflação interna;
f) variação no saldo em conta corrente; e
g) relação entre as reservas internacionais e o M2.
Recentemente, outras instituições como o Federal Reserve System dos Estados Unidos (KAMIN; SCHINDLER; SAMUEL, 2001) e o Banco Central Europeu (BUSSIERE; FRATZSCHER, 2002) têm envidado esforços para desenvolver modelos de previsão de insolvência.
Na mesma linha, instituições privadas como o Goldman Sachs (ADES; MASIH; TENENGAUZER, 1998), o Credit Suisse First Boston (ROY; TUDELA, 2001) e o Deutsche Bank (GARBER; LUMSDAINE; VAN DER LEIJ, 2000) criaram modelos de previsão chamados de GS-Watch, Emerging Markets Risk Indicator (EMRI) e Deutsche Bank Alarm Clock (DBAC), respectivamente.
Com o emprego da análise discriminante linear, Burkart e Coudert (2002) identificaram funções lineares específicas para classificar os países da América Latina e do Sudeste Asiático, de acordo com a suscetibilidade à crise, nos períodos de um, dois, três e quatro trimestres antes da crise.
As variáveis mais significativas na equação de regressão para a América Latina são:
a) as reservas internacionais em relação ao M2;
b) as reservas internacionais em relação à dívida externa total; c) as reservas internacionais em relação às importações;
d) o descolamento da taxa de câmbio real à vista do valor negociado no mercado futuro; e e) a variação na inflação.
Na equação de regressão para o Sudeste Asiático, há pouca diferença entre as variáveis significativas, sendo as seguintes:
a) as reservas internacionais em relação ao M2;
b) a dívida externa de curto-prazo em relação à dívida externa total;
c) o descolamento da taxa de câmbio real à vista do valor negociado no mercado futuro; d) a variação no volume de crédito doméstico total; e
e) o volume de exportações e importações em relação ao PIB.