Detalhes bibliográficos
Ano de defesa: |
2020 |
Autor(a) principal: |
Siedler, André Godinho |
Orientador(a): |
Sampaio, Joelson Oliveira |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Palavras-chave em Inglês: |
|
Link de acesso: |
https://hdl.handle.net/10438/29444
|
Resumo: |
O considerável crescimento recente do mercado de securitização no Brasil e sua importância para o financiamento do setor privado da economia, em especial de micro, pequenas e médias empresas, define os Fundos de Investimentos em Direitos Creditórios (FIDCs) Multissetorias Padronizados como uma importante ferramenta para o mercado de crédito do país, tornando-se imprescindível que o setor tenha condições de avaliar de forma adequada sua exposição ao risco de crédito. Este trabalho propõe uma modelagem de risco de crédito a nível de portfólio para FIDCs Multissetoriais Padronizados através da estrutura do Vector Autoregression (VAR), relacionando a taxa de inadimplência agregada do setor a uma série de variáveis macroeconômicas, no período de maio de 2012 a dezembro de 2019. Os resultados encontrados são demonstrados através de testes de causalidade de Granger e de funções impulso-resposta, que fornecem evidência de que as variáveis macroeconômicas utilizadas no estudo - a variação do nível de atividade medido pelo IBC-Br, o índice de preços IPCA, a taxa de juros Selic, o volume mensal de concessões de crédito, a variação do índice de produção industrial geral e a taxa de câmbio mensal para venda do fim do período - impactam de forma significativa a inadimplência dessa modalidade de fundo de investimento. Ademais, os modelos estimados ao longo do estudo são comparados sob a perspectiva da capacidade de previsão da taxa de inadimplência fora da amostra de dados. |