Fábio Beraldo Fernandes; Rafael Soares Douradinho

DOI: 10.22167/2675-6528-202600764

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

O crédito desempenha papel crucial na sustentação das atividades rurais e agroindustriais, viabilizando custeios, investimentos e gestão de fluxo de caixa em um setor com defasagem entre desembolsos e receitas. O estudo teve como objetivo analisar a associação entre o custo médio do crédito no Brasil, representado pelo Indicador de Custo do Crédito (ICC) total, e a inadimplência das operações de crédito de pessoas jurídicas do segmento rural e agroindustrial, verificando como essa relação se manifestou conforme o porte das empresas. Adotou-se abordagem quantitativa, documental e aplicada, utilizando dados secundários mensais do Banco Central do Brasil, de janeiro de 2013 a dezembro de 2024. As análises incluíram estatística descritiva, séries históricas, correlação de Spearman com defasagens e regressões lineares simples por porte, com a inadimplência como variável dependente e o ICC como explicativa. Os resultados indicaram que a associação entre custo do crédito e inadimplência não foi homogênea entre os segmentos. Empresas médias e pequenas apresentaram relações positivas mais consistentes, com maior relevância em defasagens mais longas. O segmento micro revelou menor robustez estatística, e o segmento grande exibiu associação negativa e de baixa intensidade. O custo do crédito associou-se ao risco de inadimplência no segmento analisado, mas essa relação variou conforme o porte e o horizonte temporal, o que reforçou a necessidade de interpretação segmentada para gestão financeira e monitoramento de risco.

Palavras-chave: Crédito rural; Financiamento; Porte empresarial; Risco de crédito; Séries temporais.

1. Introdução

O agronegócio brasileiro constitui um sistema complexo e dinâmico, que articula diversas cadeias produtivas, abrangendo desde a produção primária até o processamento, logística e comercialização. Essa estrutura tem impactos diretos e significativos na geração de renda, nos níveis de emprego e no desempenho externo da economia nacional (Serasa Experian, 2025). A literatura especializada enfatiza que o funcionamento eficaz e a coordenação desses fluxos produtivos e comerciais ao longo do tempo dependem intrinsecamente da disponibilidade e da gestão adequada de mecanismos financeiros (Zylbersztajn et al., 2015).

Nesse arranjo econômico, o crédito rural assume um papel estrutural, sendo um facilitador essencial para decisões de custeio, investimento e comercialização que, muitas vezes, antecedem a efetiva geração de receitas no ciclo agrícola. A antecipação de recursos financeiros é vital para a aquisição de insumos, a contratação de serviços, a formação de estoques e a execução de investimentos produtivos. Assim, o crédito se integra ao planejamento financeiro das empresas rurais e agroindustriais, uma dependência que não se limita a falhas individuais de gestão, mas decorre da própria lógica econômica do setor, marcada por sazonalidade e incerteza (Araújo, 2022).

A forma como o financiamento é organizado e sua disponibilidade influenciam diretamente a condução das operações produtivas e comerciais. O acesso ao crédito condiciona escolhas estratégicas relacionadas a volumes produzidos, tecnologias adotadas, contratos firmados e estratégias de comercialização, afetando a coordenação entre os agentes das cadeias do agronegócio (Zylbersztajn et al., 2015). Esse cenário se desenvolve em um ambiente macroeconômico dinâmico, onde alterações nas condições monetárias, especialmente em períodos de elevação das taxas de juros, modificam o custo médio do crédito no sistema financeiro e impactam a oferta e a demanda por financiamento. Relatórios de acompanhamento do mercado de crédito indicam que mudanças no custo do dinheiro e na liquidez afetam o acesso a recursos e as condições contratuais enfrentadas pelas empresas, inclusive no setor rural e agroindustrial (Serasa Experian, 2025).

Quando o custo do crédito se eleva, uma parcela crescente do fluxo de caixa das empresas é direcionada ao serviço da dívida, o que exige ajustes financeiros ao longo do ciclo produtivo. Esses ajustes podem se manifestar por meio de renegociações, alongamentos de prazos ou reestruturações de passivos, refletindo a necessidade de adaptação às novas condições financeiras. Evidências empíricas no Brasil apontam que o custo do financiamento, as exigências de garantias e os termos contratuais estão relacionados tanto ao acesso ao crédito quanto ao comportamento de pagamento dos tomadores (Menezes et al., 2023). Nesse contexto, a inadimplência emerge como um resultado agregado das restrições financeiras enfrentadas pelas empresas, evidenciando dificuldades em honrar compromissos em um ambiente de crédito mais oneroso. Estudos que analisam o crédito rural indicam que variáveis macroeconômicas e condições financeiras se associam à evolução da inadimplência ao longo do tempo, conectando o custo do crédito a indicadores de risco no setor (Oliveira e Pereira, 2025).

Adicionalmente, as diferenças de porte empresarial estão associadas a distintas estruturas de capital, capacidades de oferecer garantias e alternativas de financiamento disponíveis, resultando em respostas heterogêneas às mudanças nas condições de crédito. Pesquisas sobre inadimplência em programas de crédito rural demonstram que essas características influenciam a probabilidade de atraso e renegociação entre diferentes grupos de tomadores (Roos et al., 2025). Apesar da relevância do tema, análises que relacionam diretamente uma medida agregada do custo do crédito a indicadores de inadimplência do segmento rural e agroindustrial, com recorte por porte, ainda se mostram necessárias para compreender a sensibilidade financeira do setor em séries temporais. A estratificação por porte é incorporada como dimensão analítica central, reconhecendo que empresas apresentam estruturas financeiras e capacidades distintas de acesso a crédito, o que influencia a sensibilidade a condições financeiras e o comportamento de pagamento (Roos et al., 2025).

Dessa forma, a compreensão de como o custo do crédito influencia a inadimplência, considerando as respostas heterogêneas entre os diferentes portes de empresas, é fundamental para uma gestão financeira e monitoramento de risco eficazes no agronegócio. Diante desse contexto, este estudo analisa a associação entre o custo médio do crédito no Brasil, representado pelo Indicador de Custo do Crédito (ICC) total, e a inadimplência das operações de crédito de pessoas jurídicas do segmento rural e agroindustrial, em base mensal, verificando como essa relação se manifesta de acordo com o porte das empresas.

2. Material e Métodos

O presente estudo adotou uma abordagem metodológica quantitativa, documental e de natureza aplicada, buscando descrever e correlacionar fenômenos financeiros observáveis ao longo do tempo (Gil, 2019; Creswell e Poth, 2018). A pesquisa utilizou dados secundários públicos, coletados de órgãos oficiais, que oferecem consistência temporal e abrangência para análises de crédito (Bryman, 2016).

A unidade de análise correspondeu à observação mensal das operações de crédito de pessoas jurídicas do segmento rural e agroindustrial no Brasil, no período de janeiro de 2013 a dezembro de 2024. Esse recorte temporal e setorial foi justificado pela relevância do crédito para o agronegócio e pela disponibilidade de informações agregadas por porte econômico (Araújo, 2022).

A estratificação por porte (micro, pequeno, médio e grande) foi incorporada como dimensão analítica central, reconhecendo que empresas de diferentes tamanhos possuem estruturas financeiras e capacidades distintas de acesso ao crédito, influenciando a sensibilidade às condições financeiras e o comportamento de pagamento (Roos et al., 2025).

As variáveis do estudo foram operacionalizadas a partir de dados secundários do Banco Central do Brasil. A variável dependente foi a inadimplência das operações de crédito de pessoas jurídicas do segmento rural e agroindustrial, definida como o percentual da carteira com atraso superior a 90 dias (Menezes et al., 2023). A variável independente principal foi o Indicador de Custo do Crédito (ICC) total, utilizado como proxy das condições gerais de financiamento (Banco Central do Brasil, 2023).

As fontes de dados incluíram o Sistema de Informações de Crédito do Banco Central (SCR) para a inadimplência e a série mensal do ICC. A utilização do ICC como variável macro de contexto é justificada por estudos que analisam o impacto das condições gerais de crédito sobre segmentos específicos da economia (Oliveira e Pereira, 2025). Para capturar efeitos não imediatos, incorporou-se a defasagem de três períodos (T-3) para o ICC, alinhada à lógica de que atrasos superiores a 90 dias refletem decisões financeiras tomadas anteriormente.

O tratamento dos dados envolveu a padronização das séries, alinhamento temporal e verificação de consistência. Procedimentos de limpeza e validação foram aplicados para assegurar que as análises refletissem corretamente os movimentos das variáveis, seguindo boas práticas em análise de dados financeiros (Hair et al., 2019). A operacionalização das variáveis seguiu critérios padronizados para garantir comparabilidade e consistência (Gujarati e Porter, 2011).

A análise dos dados foi realizada em etapas. Inicialmente, conduziu-se a estatística descritiva e a construção de gráficos de séries temporais para caracterizar o comportamento das variáveis. Na sequência, foram realizadas análises de correlação de Spearman com defasagens (T-3) para avaliar o grau de co-movimento entre o ICC e a inadimplência (Enders, 2015).

Adicionalmente, foram estimados modelos de regressão linear simples, separados por porte de empresa, com a inadimplência como variável dependente e o ICC defasado como variável explicativa. Essa estratégia permitiu comparar a sensibilidade associativa entre diferentes portes, conforme abordagens utilizadas em estudos empíricos de crédito (Menezes et al., 2023).

O estudo reconheceu limitações inerentes ao uso de dados agregados e à adoção do ICC total como proxy das condições gerais de crédito. Essas limitações, embora não invalidem a análise, delimitaram o escopo interpretativo dos resultados, conforme recomendado pela literatura metodológica para estudos empíricos aplicados (Creswell e Poth, 2018).

3. Resultados e Discussão

A análise da associação entre o custo médio do crédito e a inadimplência das operações de pessoas jurídicas no segmento rural e agroindustrial revelou padrões heterogêneos, que se manifestam de forma distinta conforme o porte das empresas e o horizonte temporal. Inicialmente, a etapa descritiva dos dados, abrangendo o período de janeiro de 2013 a dezembro de 2024, permitiu caracterizar o comportamento do Indicador de Custo do Crédito (ICC) total e da inadimplência, tanto no agregado quanto por porte, estabelecendo a base empírica para as análises associativas subsequentes. Essa abordagem é fundamental para compreender a dinâmica temporal dos fenômenos financeiros e identificar pontos de inflexão nas séries.

A evolução conjunta da inadimplência total e do ICC ao longo do período analisado demonstrou fases de elevação, estabilidade e retração. Entre 2013 e 2017, observou-se uma trajetória ascendente do ICC, acompanhada por oscilações na inadimplência total, sugerindo uma maior pressão financeira sobre os tomadores de crédito. Embora essa correlação não implique causalidade direta, o comportamento conjunto das variáveis indica que condições financeiras mais restritivas podem estar associadas a uma deterioração na capacidade de pagamento das empresas. Essa observação inicial é crucial para contextualizar as análises mais detalhadas por segmento.

No período de 2018 a 2021, verificou-se um movimento de redução do ICC, que coincidiu com um recuo gradual da inadimplência agregada. Esse cenário pode ser interpretado como um ambiente de crédito menos oneroso, o que favoreceu renegociações, a manutenção da liquidez e um menor comprometimento da renda com encargos financeiros. A leitura conjunta desses movimentos reforça a relevância do custo do crédito como um fator associado ao equilíbrio financeiro dos agentes econômicos no agronegócio, conforme apontado por Menezes et al. (2023) ao discutir o comportamento de pagamento dos tomadores.

A partir de 2022, identificou-se uma nova elevação do ICC, que alcançou níveis superiores nos anos finais da série. Paralelamente, a inadimplência voltou a registrar crescimento, embora com intensidade inferior à observada em ciclos anteriores. Esse comportamento pode indicar adaptações institucionais e financeiras por parte dos tomadores, ou mesmo alterações nos critérios de concessão de crédito e na composição da carteira analisada, que podem ter mitigado parcialmente os impactos do aumento do custo financeiro, conforme sugerido por Moura et al. (2024) em estudos sobre a importância da observação sistemática dessas relações.

A análise da inadimplência por porte econômico revelou diferenças significativas entre os grupos. O segmento Micro – PJ apresentou maior volatilidade e picos expressivos ao longo da série, indicando uma maior sensibilidade a oscilações econômicas e financeiras. O grupo Pequeno também registrou níveis relativamente elevados em parte do período, enquanto o porte Médio exibiu um comportamento intermediário. Em contraste, o porte Grande manteve os menores níveis de inadimplência, com uma trajetória comparativamente mais estável, o que sugere maior resiliência a choques financeiros.

Esses resultados comparativos sugerem que empresas de menor porte enfrentam maior exposição ao risco de inadimplência, possivelmente devido a uma estrutura financeira mais limitada, menor acesso a capital e menor capacidade de absorver choques adversos. Em contrapartida, organizações de maior porte tendem a possuir instrumentos de gestão financeira mais estruturados, o que favorece a estabilidade ao longo do tempo. A média do ICC total no período foi de 9,89, com amplitude entre 6,01 e 12,83, enquanto a inadimplência agregada foi de 0,36, com mínimo de 0,11 e máximo de 0,91. A heterogeneidade por porte foi evidente, com Micro – PJ e Pequeno apresentando médias de inadimplência de 1,15% e 1,11%, respectivamente, e maior dispersão, enquanto Médio e Grande registraram médias de 0,68% e 0,15%, com menor variabilidade.

As médias anuais do ICC evidenciaram ciclos, com picos em 2016 (12,56) e 2023 (11,79), e um mínimo em 2021 (6,46). A inadimplência agregada atingiu seu ponto mais alto em 2016 (0,66), reduziu até 2022 (0,16) e voltou a subir em 2024 (0,28). A análise segmentada das médias anuais de inadimplência mostrou que Micro – PJ concentrou os maiores valores em 2015 (3,05) e 2016 (3,81), enquanto Pequeno teve médias elevadas em 2013 (2,86) e 2014 (1,90), com novo aumento em 2024 (1,21). O segmento Médio também viu sua média anual aumentar em 2024 (0,60), após um patamar menor em 2022 (0,17), e o Grande manteve níveis mais baixos e variações restritas, reforçando a importância da segmentação.

A identificação dos pontos extremos das séries no período 2013–2024 revelou que o máximo do ICC ocorreu em novembro de 2016 (12,83), coincidindo com os máximos de inadimplência para os segmentos Micro – PJ (6,69%) e Médio (1,68%) no mesmo mês. Isso sugere um episódio em que o custo do crédito e a inadimplência atingiram patamares elevados em parte dos portes. Contudo, o máximo agregado da inadimplência (0,91%) ocorreu em fevereiro de 2017, o que sinaliza que o pico agregado nem sempre coincide exatamente com o pico do custo do crédito, justificando a avaliação de defasagens temporais.

Nos mínimos, o ICC atingiu seu menor valor em junho de 2021 (6,01), enquanto o mínimo de inadimplência agregada (0,11%) foi observado em fevereiro de 2022, com o segmento Médio também atingindo seu mínimo (0,09%) no mesmo mês. Esse desalinhamento temporal entre os mínimos do custo do crédito e os mínimos de inadimplência é consistente com a hipótese de que as mudanças no custo do crédito podem repercutir na inadimplência com atraso, validando a abordagem de defasagem empregada nas análises subsequentes. Em suma, a análise descritiva confirmou a variabilidade do ICC e a heterogeneidade da inadimplência por porte, com Micro e Pequeno mais vulneráveis e Grande mais estável.

Correlação e Regressão

Os resultados da análise de correlação indicam que a relação entre o ICC total e a inadimplência das operações de crédito de pessoas jurídicas do segmento rural e agroindustrial não é homogênea entre os portes, nem se manifesta no mesmo horizonte temporal. Considerando que a inadimplência observada no estudo corresponde a atrasos superiores a 90 dias, a interpretação substantiva foi concentrada a partir do lag 4, que representa um intervalo posterior ao prazo mínimo já embutido no indicador de inadimplência. Essa abordagem permite uma análise mais precisa dos efeitos do custo do crédito sobre a capacidade de pagamento.

Para o segmento Grande, a correlação de Spearman permaneceu negativa e de baixa magnitude, com um coeficiente de -0,230 em quatro meses, e um p-valor de 0,006. Isso indica que o aumento do ICC não se associa a um aumento posterior da inadimplência nesse grupo, no mesmo sentido observado nos demais segmentos. Esse comportamento sugere que empresas de maior porte operam com mecanismos de absorção financeira, como renegociação e diversificação de fontes de recursos, que reduzem a sensibilidade direta da inadimplência às oscilações do custo médio do crédito. Essa interpretação é compatível com a literatura de finanças corporativas, que destaca a maior capacidade de gestão de passivos em estruturas empresariais maiores (Ross, Westerfield e Jaffe, 2015; Gitman e Zutter, 2015).

No segmento Micro – PJ, a correlação positiva de 0,297 em quatro meses (p-valor de 0,000) mostra que o custo do crédito se associa ao aumento posterior da inadimplência em um horizonte relativamente curto, embora com intensidade inferior à observada em Médio e Pequeno. Esse resultado sugere que o encarecimento do crédito encontra uma resposta mais rápida entre microempresas, o que pode ser explicado por menor margem de liquidez e menor capacidade de alongamento financeiro. A leitura do resultado não indica uma associação forte, mas sustenta a ideia de que alterações nas condições gerais de crédito tendem a se refletir de maneira mais célere nesse grupo, em linha com a discussão sobre restrição financeira em empresas menores (Assaf Neto, 2016).

Os segmentos Médio e Pequeno apresentaram um padrão distinto, marcado por uma associação positiva mais intensa e por defasagens mais longas. No segmento Médio, a correlação atingiu 0,631 em 12 meses (p-valor de 0,000), configurando o resultado mais forte entre todos os segmentos. Para o segmento Pequeno, o melhor ajuste ocorreu em 11 meses, com um coeficiente de 0,486 (p-valor de 0,000). Esses achados indicam que, nesses grupos, a deterioração associada ao aumento do custo do crédito tende a se acumular ao longo do tempo até se refletir em inadimplência, sugerindo um processo menos imediato e mais cumulativo, coerente com estudos que tratam a inadimplência como resultado de pressões progressivas sobre o fluxo de caixa (Menezes, Schiozer e Vasconcelos, 2023; Oliveira e Pereira, 2025).

No agregado, a correlação positiva de 0,462 em 12 meses (p-valor de 0,000) reforça a leitura de uma transmissão temporal mais longa. Esse comportamento sugere que a carteira agregada sintetiza diferentes tempos de resposta dos segmentos, produzindo um padrão intermediário que, ainda assim, confirma a relevância do custo do crédito como condicionante financeiro da adimplência no período analisado. Em termos substantivos, os resultados mostram que o comportamento da inadimplência não responde de forma uniforme às condições gerais de crédito, mas como um processo heterogêneo, mediado pelo porte e pelo tempo necessário para que as pressões financeiras se materializem em atraso efetivo.

A análise de regressão linear complementou os achados da correlação, confirmando que a associação entre o ICC total e a inadimplência não se distribui de forma uniforme entre os segmentos. Para o segmento Grande, o coeficiente beta de -0,014 (p-valor de 0,00580) e um R² ajustado de 0,072 indicam uma associação fraca e negativa. Esse resultado é compatível com a interpretação de que empresas maiores possuem maior capacidade de gestão de passivos e instrumentos de financiamento, reduzindo a transmissão direta do custo do crédito para a inadimplência observada (Ross, Westerfield e Jaffe, 2015; Gitman e Zutter, 2015).

No caso do segmento Micro – PJ, o coeficiente beta estimado foi positivo (0,143), mas o modelo selecionado não apresentou significância estatística ao nível de 5% (p-valor de 0,09538), com um R² ajustado de 0,027, indicando capacidade explicativa muito baixa. Embora a correlação tenha apontado uma associação positiva, a regressão não a confirmou com a mesma consistência, sugerindo que a inadimplência das microempresas pode ser influenciada por outros fatores não capturados pelo ICC isoladamente, como restrições de liquidez e choques operacionais (Assaf Neto, 2016).

Os resultados do segmento Médio apresentaram a maior consistência estatística e aderência à narrativa central do estudo. O coeficiente beta positivo de 0,122 (p-valor inferior a 0,001) e um R² ajustado de 0,326 indicam que a elevação do ICC se associa de forma clara ao aumento posterior da inadimplência nesse grupo, com um horizonte de 12 meses. Esse é o modelo com maior poder explicativo, sugerindo que empresas médias apresentam sensibilidade mais estável às condições gerais de crédito. Essa leitura é compatível com a ideia de que empresas médias ocupam uma posição intermediária, com acesso ao mercado de crédito, mas sem o mesmo nível de proteção das empresas maiores (Menezes, Schiozer e Vasconcelos, 2023; Oliveira e Pereira, 2025).

No segmento Pequeno, a regressão também apontou uma associação positiva e estatisticamente significativa, com um coeficiente beta de 0,173 (p-valor de 0,001) e um R² ajustado de 0,140. Embora o poder explicativo seja inferior ao observado em Médio, o sinal do coeficiente e a significância do resultado reforçam que a elevação do custo do crédito se associa ao aumento posterior da inadimplência nesse grupo, em um horizonte de 12 meses. A magnitude do coeficiente é a mais alta entre os modelos positivos selecionados, sugerindo maior intensidade da resposta da inadimplência pequena às variações do ICC. Esse comportamento é coerente com a discussão de que empresas menores operam com menor folga financeira e maior dependência de capital de terceiros, tornando-se mais expostas ao encarecimento do crédito ao longo do tempo (Araújo, 2022).

No agregado, o modelo de Todas apresentou um coeficiente beta positivo de 0,041 (p-valor de 0,000) e um R² ajustado de 0,189. Ao restringir a seleção a partir do lag 4, esse resultado indica que a carteira total responde de forma positiva ao ICC em um horizonte curto, mas já posterior ao intervalo mínimo associado ao conceito de inadimplência utilizado no estudo. Embora o coeficiente seja inferior ao observado em Pequeno e Médio, o resultado mostra que o custo do crédito mantém uma relação positiva com a inadimplência do conjunto das operações analisadas, mesmo quando se exclui a possibilidade de interpretação no limiar dos 90 dias.

Em conjunto, os resultados da regressão demonstram que a associação entre o custo do crédito e a inadimplência existe, mas se materializa de modo desigual entre os portes. Enquanto Médio e Pequeno apresentam relações positivas, estatisticamente significativas e com maior aderência à narrativa do estudo, o segmento Micro – PJ revela uma associação menos robusta e o segmento Grande apresenta sinal inverso, com baixa intensidade explicativa. Essa heterogeneidade reforça a leitura de que a transmissão do custo do crédito para o risco de inadimplência depende da estrutura financeira dos tomadores e do horizonte temporal em que os efeitos se acumulam. Assim, a regressão aprofunda o argumento já indicado pela correlação e sustenta a tese de que as condições gerais de crédito afetam o segmento rural e agroindustrial de forma diferenciada conforme o porte das empresas (Zylbersztajn, Neves e Caleman, 2015).

Do ponto de vista prático, os resultados sugerem que o ICC pode ser utilizado como um sinal antecedente para o monitoramento de risco no crédito rural e agroindustrial, desde que a leitura seja segmentada por porte. Para instituições financeiras, isso significa a possibilidade de incorporar o comportamento do custo do crédito a processos de acompanhamento, revisão de limites, exigência de garantias e reforço de monitoramento, sobretudo em segmentos que mostraram maior sensibilidade. Para gestores de empresas rurais e agroindustriais, a trajetória do ICC pode funcionar como um alerta para a revisão da estrutura de capital, o reforço de caixa, a renegociação de dívidas e a cautela na contratação de novos financiamentos.

A principal contribuição deste estudo reside em demonstrar que o custo do crédito não deve ser interpretado apenas como uma variável macroeconômica distante da realidade operacional das empresas, mas como um condicionante financeiro com potencial de antecipar movimentos de maior ou menor fragilidade no comportamento de pagamento. Ao evidenciar que essa relação varia conforme o porte e o horizonte temporal, o estudo oferece subsídios para uma leitura mais precisa do risco financeiro no segmento rural e agroindustrial, confirmando que o objetivo de analisar a associação entre o custo do crédito e a inadimplência, verificando como essa relação se manifesta conforme o porte das empresas, foi respondido.

4. Conclusão

O presente estudo analisou a associação entre o custo médio do crédito no Brasil, representado pelo Indicador de Custo do Crédito (ICC) total, e a inadimplência das operações de crédito de pessoas jurídicas do segmento rural e agroindustrial, verificando como essa relação se manifestou conforme o porte das empresas. Verificou-se que a associação entre o custo do crédito e a inadimplência não se comportou de forma homogênea entre os segmentos. Empresas médias e pequenas apresentaram relações positivas mais consistentes, com maior relevância em defasagens mais longas, indicando que o encarecimento do crédito se associava ao aumento da inadimplência de maneira cumulativa ao longo do tempo. O segmento micro revelou uma associação positiva menos robusta e com menor significância estatística, sugerindo que outros fatores podem influenciar a inadimplência nesse grupo. Em contraste, o segmento grande exibiu uma associação negativa e de baixa intensidade, o que apontou para uma maior capacidade de gestão de passivos e absorção de choques financeiros por parte dessas empresas. A principal contribuição prática do estudo reside em demonstrar que o ICC pode ser utilizado como um sinal antecedente para o monitoramento de risco no crédito rural e agroindustrial, desde que a interpretação seja segmentada por porte, oferecendo subsídios para instituições financeiras e gestores na revisão de limites, exigência de garantias e planejamento financeiro.

Como limitação, o estudo utilizou dados agregados e o ICC total como uma proxy das condições gerais de custo do crédito, o que restringiu a identificação de fatores específicos do crédito rural e agroindustrial que também podem influenciar a inadimplência, como preços de commodities, choques climáticos, renda setorial e características contratuais das operações, que não foram incorporados ao modelo. Assim, os resultados devem ser interpretados como associações estatísticas entre variáveis agregadas, e não como demonstração de causalidade estrita. Essa heterogeneidade reforça a leitura de que a transmissão do custo do crédito para o risco de inadimplência depende da estrutura financeira dos tomadores e do horizonte temporal em que os efeitos se acumulam.

Referências Bibliográficas

Araújo, M. J. (2022). Fundamentos de agronegócios (6th ed.). Atlas.

Banco Central do Brasil. (2023). Indicador de Custo do Crédito [ICC]: metodologia e séries históricas. Banco Central do Brasil.

Bryman, A. (2016). Social research methods (5th ed.). Oxford University Press.

Creswell, J. W., e Poth, C. N. (2018). Qualitative inquiry and research design: Choosing among five approaches (4th ed.). SAGE Publications.

Enders, W. (2015). Applied econometric time series (4th ed.). Wiley.

Gil, A. C. (2019). Métodos e técnicas de pesquisa social (7th ed.). Atlas.

Gujarati, D. N., e Porter, D. C. (2011). Econometria básica (5th ed.). McGraw-Hill.

Hair, J. F., Black, W. C., Babin, B. J., e Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.

Menezes, R. M., Schiozer, R. F., e Vasconcelos, L. C. (2023). Collaterals of rural credit in Brazil: Access, loan terms, and default. Revista de Administração de Empresas, 63(3). https://doi.org/10.1590/S0034-759020230301

Moura, J. L. M., Campos, K. C., e Tabosa, F. J. S. (2024). Crédito rural e inadimplência de agricultores no Vale do Curu, CE. Revista de Política Agrícola.

Oliveira, C. A., e Pereira, M. W. G. (2025). Inadimplência no crédito rural no Brasil: Uma avaliação dos determinantes macroeconômicos. Revista de Economia e Sociologia Rural, 63(2), e292119. https://doi.org/10.1590/1806-9479.2025.292119

Roos, R. S., Delgrossi, M. E., e Fornazier, A. (2025). Land credit program default in Brazil: An analysis of causes and consequences. Land Use Policy, 147, 107514. https://doi.org/10.1016/j.landusepol.2025.107514.

Serasa Experian. (2025). Boletim agro: crédito rural, inadimplência e condições de financiamento. Serasa Experian.

Zylbersztajn, D., Neves, M. F., e Caleman, S. M. Q. (2015). Gestão de sistemas de agronegócios. Atlas.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Agronegócios do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy