Modelo de cálculo de risco bancário: caso da crise financeira equatoriana de 1999/2000

• Ano de defesa: 2002
• Autor(a) principal: Damasceno, Artur Henrique de Toledo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Applied Statistics; Bayesian Inference; Econometria; Econometrics; Estatistica aplicada; Inferência Bayesiana
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/92/92131/tde-22122021-120057/

Com a perspectiva semelhante a de um órgão de controle (Banco Central ou Superintendência de Bancos), este trabalho propõem um modelo para monitoramento periódico de cada banco do setor financeiro, de forma comparativa. Os dados dos bancos do sistema financeiro equatoriano foram analisados neste trabalho, buscando diferenças estruturais e estratégicas \"ex-ante\" sobre aqueles que vieram a sofrer intervenções a partir de abril de 1999, como fruto dos fortes choques externos sofridos pela economia daquele país no período 1997 - 1998. Como variável resposta do modelo proposto, têm-se as próprias intervenções realizadas. Pelo lado das variáveis preditoras, apresentavam-se cerca de 48 índices financeiros e contábeis mensalmente calculáveis para cada banco. Dentre estes índices, analisados para o período setembro de 1996 a março de 1999, apenas 6 foram efetivamente considerados na modelagem, por diferenciarem as distribuições dos bancos em curso normal daquelas dos bancos com problemas. Estes seriam indicativos de que os dois tipos de bancos já operavam de forma diferenciada bem antes das intervenções. As séries das variáveis preditoras selecionadas foram reduzidas através das estatísticas regressão linear e média de 24 meses. A partir disso, puderam-se modelar e calcular dois Índices Principais, aqui denominados por IPR e lPM, com maior poder de predição do que pelas variáveis isoladamente. Quando comparam-se estes Índices Principais à lista de bancos que sofreram intervenção, o resultado é bastante satisfatório, com uma leve vantagem para lPM. Baseando-se nos dados amostrais e suas medidas, e no cálculo do índice lPM, utilizou-se o Método Bayesiano para cálculo da probabilidade, ou risco de intervenção.