Artigo

26 de outubro de 2026

Indicadores Macroeconômicos e o Desempenho da Carteira de Crédito Pessoa Física de uma Instituição Bancária

Pamela Siller de Melo; Marcio Pereira Basilio

DOI: 10.22167/2675-6528-202601292

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

Resumo

A concessão de crédito desempenha um papel estratégico no crescimento econômico brasileiro, sendo sensível a flutuações macroeconômicas que impactam o consumo das famílias e a gestão de riscos das instituições financeiras. Avaliou-se a relação entre indicadores macroeconômicos, como Produto Interno Bruto (PIB), Índice Nacional de Preços ao Consumidor Amplo (IPCA), taxa Selic e desemprego, e o comportamento do saldo da carteira de crédito de pessoas físicas de uma instituição bancária, no período de 2015 a 2025. Realizou-se um estudo de caso quantitativo, empregando regressão linear múltipla com análise de defasagens temporais de até quatro trimestres sobre dados trimestrais. Os resultados indicaram que o PIB foi a variável explicativa mais robusta, exercendo influência positiva direta sobre o crescimento da carteira. A taxa Selic, com defasagem de um trimestre, apresentou relação negativa com o estoque de crédito, confirmando a eficácia da política monetária. Contrariamente à teoria, a taxa de desemprego exibiu coeficiente positivo, sugerindo o uso do crédito para suavização do consumo em períodos de deterioração do mercado de trabalho. O IPCA não demonstrou relevância estatística. Concluiu-se que a dinâmica da carteira de crédito esteve intrinsecamente ligada ao ciclo econômico e respondeu de forma defasada às variações no custo do capital. A identificação dessas relações dinâmicas e defasadas evidenciou que a gestão eficiente de carteiras depende da capacidade da instituição em adaptar suas políticas às oscilações econômicas e do custo do capital.

Palavras-chave: Análise econométrica; Atividade econômica; Juros; Regressão linear múltipla.

1. Introdução

O crédito, em suas diversas modalidades, constitui um pilar fundamental para a dinâmica econômica contemporânea, atuando como catalisador do consumo, do investimento e, consequentemente, do crescimento do Produto Interno Bruto (PIB) de uma nação. No Brasil, a concessão de crédito às pessoas físicas assume um papel estratégico, impulsionando a demanda por bens duráveis, financiamentos imobiliários e acesso a serviços essenciais, gerando efeitos multiplicadores sobre a atividade produtiva e o mercado de trabalho (Assaf Neto, 2015; Mankiw, 2021). A relevância desse segmento é evidenciada pelo seu volume expressivo no Sistema Financeiro Nacional (SFN), que reflete a capacidade de intermediação bancária em canalizar recursos de agentes superavitários para deficitários, promovendo a liquidez e a circulação monetária.

Contudo, a saúde e o desempenho da carteira de crédito de pessoas físicas são intrinsecamente sensíveis às flutuações do ambiente macroeconômico. Indicadores como a taxa de juros básica (Selic), a inflação (IPCA), o nível de atividade econômica (PIB) e a taxa de desemprego influenciam a capacidade de pagamento dos tomadores e a propensão das instituições financeiras em conceder crédito. Teoricamente, um aumento do PIB, que sinaliza expansão econômica e maior renda, tende a estimular a demanda por crédito e a melhorar a capacidade de adimplência das famílias. Em contrapartida, elevações na taxa Selic, principal instrumento de política monetária, encarecem o custo do capital, desestimulando o crédito e o consumo, em linha com o mecanismo de transmissão monetária (Mankiw, 2021; Linardi, 2008). A inflação, por sua vez, pode ter efeitos ambíguos: no curto prazo, pode impulsionar a busca por crédito para suavizar o consumo, mas, no longo prazo, a incerteza inflacionária inibe novos compromissos financeiros (Camargos, 2022; Maia, 2025). O desemprego, ao reduzir a renda e a estabilidade financeira, geralmente reduz a demanda por crédito e eleva o risco de inadimplência, impulsionando políticas de concessão mais restritivas (Buss, 2024).

A literatura acadêmica brasileira tem explorado amplamente essas relações. Silveira (2015) analisou o crédito bancário e confirmou a correlação entre renda, juros e inadimplência, impactando a estabilidade financeira familiar. Buss (2024) identificou o desemprego e os juros como determinantes da inadimplência familiar, enquanto Murtadha (2025) reforçou a influência da Selic, inflação e câmbio no desempenho de carteiras de crédito, notadamente em operações de cartão. Davoglio (2019) complementou ao evidenciar que a inadimplência acompanha o desempenho econômico setorial, sublinhando a importância do ambiente macroeconômico para a sustentabilidade bancária. Tiryaki et al. (2017) ressaltaram o caráter procíclico do crédito, onde a expansão da renda estimula concessões e eleva o saldo das operações. Contudo, a maioria foca em dados agregados ou setores específicos, deixando uma lacuna na análise empírica do impacto simultâneo e defasado desses indicadores sobre a carteira de crédito de pessoas físicas de uma instituição bancária particular. A compreensão dessas dinâmicas é vital, pois a gestão eficiente de carteiras e a formulação de políticas públicas dependem da capacidade de antecipar e reagir às oscilações econômicas.

Nesse contexto, a presente pesquisa justifica-se pela necessidade de aprofundar o entendimento sobre como as condições macroeconômicas afetam o crédito de pessoas físicas em uma instituição bancária específica, fornecendo subsídios práticos para gestão de riscos, precificação de produtos e estratégias de concessão. O estudo contribui para a literatura ao investigar empiricamente, com análise de defasagens temporais, a sensibilidade da carteira de crédito de pessoas físicas às variações do Produto Interno Bruto (PIB), Índice Nacional de Preços ao Consumidor Amplo (IPCA), taxa Selic e desemprego, no período de 2015 a 2025, por meio da estimação de modelos de regressão linear múltipla.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa de caráter aplicado, com abordagem quantitativa e descritiva, seguindo a classificação metodológica proposta por Gil (2023). A natureza aplicada da pesquisa visou aprofundar o entendimento sobre a dinâmica do crédito de pessoas físicas em um contexto bancário específico, enquanto a abordagem quantitativa permitiu a análise estatística de dados numéricos. O delineamento descritivo buscou identificar e analisar as relações entre as variáveis macroeconômicas e o desempenho da carteira de crédito, sem a manipulação de variáveis, focando na descrição dos fenômenos observados. Essa combinação metodológica foi essencial para atingir os objetivos propostos.

A pesquisa foi desenvolvida como um estudo de caso, tendo como unidade de análise a carteira de crédito de pessoas físicas de uma instituição bancária específica. Esta instituição, classificada no segmento S3, possui sede no estado do Espírito Santo e atua com operações de crédito para pessoas físicas e jurídicas. Para preservar a confidencialidade do estudo, optou-se por não identificar nominalmente a instituição. O período de análise abrangeu os anos de 2015 a 2025, com dados organizados em frequência trimestral, permitindo observar a dinâmica das variáveis ao longo de distintas fases do ciclo econômico brasileiro e seus impactos no crédito.

Os procedimentos técnicos da pesquisa basearam-se em uma abordagem documental e bibliográfica, utilizando exclusivamente dados secundários. As informações macroeconômicas, que serviram como variáveis explicativas, foram coletadas de fontes oficiais e de acesso público, incluindo o Banco Central do Brasil e o Instituto Brasileiro de Geografia e Estatística (IBGE). Os dados referentes à carteira de crédito de pessoas físicas da instituição bancária analisada, que constituiu a variável dependente, foram obtidos por meio de relatórios públicos disponibilizados no sítio eletrônico de relações com investidores da própria instituição. Essa metodologia garantiu a fidedignidade e a disponibilidade dos dados para a análise.

A variável dependente do estudo foi definida como o crescimento percentual do saldo da carteira de crédito comercial de pessoas físicas da instituição bancária. Essa carteira engloba operações de empréstimos, financiamentos imobiliários e de outros bens, além de operações com cartão de crédito. As variáveis explicativas selecionadas, fundamentadas na literatura econômica, foram o Produto Interno Bruto (PIB), a taxa básica de juros (Selic Meta), a inflação medida pelo Índice Nacional de Preços ao Consumidor Amplo (IPCA) e a taxa de desemprego. A escolha dessas variáveis justificou-se pela sua reconhecida influência tanto na demanda por crédito quanto na capacidade de pagamento das famílias.

Para assegurar a consistência, comparabilidade e adequação dos dados à modelagem econométrica, as variáveis utilizadas foram previamente tratadas. O crescimento da carteira de crédito de pessoas físicas, variável dependente, foi mensurado em termos percentuais trimestrais. Essa mensuração foi realizada a partir da variação do saldo da carteira entre períodos consecutivos, uma transformação que visou reduzir a tendência inerente à série temporal e torná-la mais apropriada para a análise de regressão. Tal procedimento é comum em estudos econométricos para estabilizar a variância e atender aos pressupostos dos modelos.

As variáveis explicativas – taxa Selic, PIB, IPCA e taxa de desemprego – tiveram suas séries organizadas em base trimestral, compatibilizando-as com a frequência dos dados da carteira de crédito. A taxa Selic Meta foi calculada como a média trimestral da taxa anualizada, disponibilizada pelo Banco Central do Brasil. O PIB foi empregado como índice de volume trimestral com ajuste sazonal, obtido da tabela 1621 do IBGE. O IPCA representou a variação percentual acumulada em três meses, correspondendo à inflação trimestral, extraído da tabela 1737 do IBGE. A taxa de desemprego foi utilizada conforme a Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua), da tabela 4099 do IBGE, já em frequência trimestral.

Adicionalmente, para capturar os efeitos dinâmicos das condições macroeconômicas sobre a carteira de crédito, foram incorporadas defasagens temporais nas variáveis explicativas. Essa abordagem considerou que os impactos das variáveis econômicas não se manifestam de forma imediata, mas ao longo do tempo. Foram estimados modelos com defasagens de um a quatro trimestres para todas as variáveis explicativas. A escolha de incorporar defasagens temporais encontra respaldo no mecanismo de transmissão da política monetária, cujos efeitos podem se materializar com atraso de aproximadamente seis a nove meses, o que corresponde a dois a três trimestres, conforme indicado pelo Banco Central do Brasil.

Para a análise dos dados, empregou-se a técnica estatística de regressão linear múltipla. O objetivo foi avaliar a relação entre o crescimento do saldo da carteira de crédito de pessoas físicas, como variável dependente, e os indicadores macroeconômicos selecionados, como variáveis explicativas. Essa abordagem permitiu identificar a direção, a magnitude e a significância estatística das associações entre as variáveis, contribuindo para a compreensão do comportamento da carteira de crédito frente às variações do ambiente macroeconômico. A seleção das variáveis explicativas mais relevantes em cada especificação foi realizada por meio do método stepwise, um processo algorítmico baseado em critérios estatísticos de significância.

As análises estatísticas foram conduzidas com o auxílio de planilhas eletrônicas, como o Microsoft Excel, e da plataforma Stats Studio, uma ferramenta estatística desenvolvida por docentes da Escola Superior de Agricultura “Luiz de Queiroz” da Universidade de São Paulo (USP/ESALQ). O Stats Studio foi utilizado para a estimação dos modelos de regressão linear múltipla, o cálculo dos coeficientes, a realização de testes de significância e a verificação dos pressupostos do modelo. Esse ferramental contribuiu para a precisão na mensuração e comparação das séries históricas, assegurando transparência e reprodutibilidade. Testes com diferentes especificações, incluindo defasagens temporais, foram realizados para avaliar a robustez dos resultados e capturar possíveis efeitos dinâmicos entre as variáveis.

Em relação aos aspectos éticos, a pesquisa adotou o princípio da confidencialidade, optando por não identificar nominalmente a instituição bancária analisada. Essa medida visou proteger os dados e a privacidade da entidade, garantindo a integridade do estudo de caso. Adicionalmente, o autor assumiu total responsabilidade pela consistência, interpretação dos resultados e conclusões apresentadas, após revisão crítica de todo o conteúdo. Tais procedimentos asseguraram a transparência e a ética na condução da pesquisa, em conformidade com as boas práticas acadêmicas e a proteção das informações sensíveis envolvidas.

O estudo apresentou algumas limitações metodológicas que merecem ser destacadas. A utilização de dados agregados e a não consideração de modelos econométricos mais complexos, capazes de capturar a dinâmica temporal das séries de forma mais sofisticada, representam restrições. A amostra analisada, compreendendo o período de 2015 a 2025, embora relevante, pode não abranger todas as nuances do ciclo econômico. Além disso, a complexidade do crédito pode ser influenciada por fatores não observados, e a possibilidade de variáveis relevantes omitidas, bem como a limitação de usar variáveis macroeconômicas de abrangência nacional para uma instituição com atuação predominantemente regional, são pontos a serem considerados na interpretação dos resultados.

3. Resultados e Discussão

A presente seção detalha os resultados obtidos na pesquisa empírica, com foco na análise descritiva das variáveis macroeconômicas e do crescimento da carteira de crédito de pessoas físicas, bem como na interpretação dos modelos de regressão linear múltipla estimados. Os dados analisados, de frequência trimestral, abrangem o período de 2015 a 2025, permitindo uma compreensão aprofundada da dinâmica do crédito em um contexto bancário específico, localizado no estado do Espírito Santo, cuja identidade é preservada por razões de confidencialidade. As variáveis explicativas – taxa Selic, IPCA acumulado, PIB e taxa de desemprego – foram cuidadosamente tratadas para assegurar a consistência e adequação à modelagem econométrica, conforme detalhado na metodologia.

Inicialmente, a análise descritiva das séries temporais revelou padrões e tendências importantes na evolução do saldo da carteira de crédito. Observou-se um crescimento contínuo do saldo da carteira de crédito de pessoas físicas ao longo do período, embora pontuado por momentos de desaceleração. Este comportamento cíclico da carteira de crédito é intrínseco à natureza do mercado financeiro e reflete a sensibilidade do crédito às flutuações da atividade econômica. A partir de 2018, uma mudança na forma de divulgação dos dados, que passaram a ser expressos em milhares de reais (R$ mil), indicou um aprimoramento na precisão das informações disponibilizadas pela instituição, o que, por sua vez, contribui para uma análise mais robusta. A expansão do crédito, mesmo com oscilações, é um indicativo da crescente demanda por recursos financeiros por parte das famílias, seja para consumo, investimento em bens duráveis ou financiamento imobiliário, conforme apontado por Assaf Neto (2015) e Mankiw (2021), que destacam o papel do crédito como motor da economia.

A trajetória da taxa Selic, a taxa básica de juros da economia brasileira, exibiu ciclos de política monetária distintos, caracterizados por períodos de aperto e flexibilização. O período de análise iniciou-se com taxas elevadas, em torno de 14,25% ao ano, entre o final de 2015 e meados de 2016. Posteriormente, a Selic experimentou uma redução acentuada, atingindo uma mínima histórica de 2,00% ao ano em 2020, em resposta a um cenário de desaceleração econômica e à crise sanitária. Contudo, a partir de 2021, um novo ciclo de alta foi iniciado, elevando a taxa para 13,75% ao ano em 2023 e encerrando 2025 em 15% ao ano. Esses movimentos da Selic atuaram como um termostato para o saldo da carteira de crédito. A queda dos juros até 2020 barateou significativamente o custo do capital, estimulando a tomada de novos empréstimos pelas famílias e, consequentemente, impulsionando o crescimento da carteira de crédito. Em contrapartida, as elevações subsequentes encareceram as prestações e induziram uma maior seletividade por parte das instituições bancárias na concessão de crédito, além de desestimular a demanda. Linardi (2008) corrobora essa interpretação, ao afirmar que a taxa de juros influencia diretamente o custo do capital, e aumentos na Selic tendem a frear a expansão do crédito. Murtadha (2025) complementa, observando que a política monetária impacta o planejamento financeiro das famílias, levando a uma moderação no crescimento dos saldos de crédito em períodos de juros elevados, especialmente para modalidades de consumo imediato. Para a instituição bancária, a compreensão desses ciclos é crucial para ajustar suas estratégias de precificação, gestão de risco e oferta de produtos de crédito, garantindo a sustentabilidade da carteira.

O comportamento do Índice Nacional de Preços ao Consumidor Amplo (IPCA), que mede a inflação, foi marcado por flutuações consideráveis ao longo do período. Observou-se um pico inflacionário em 2015, com 10,67% ao ano, seguido por um novo período de pressão em 2021, quando o índice atingiu 3,02% no terceiro trimestre. No encerramento do período, em 2025, a inflação demonstrou nova volatilidade, registrando 2,04% no primeiro trimestre, antes de uma desaceleração. A inflação elevada, ao corroer o poder de compra real das famílias, impacta o saldo da carteira de crédito de duas maneiras principais. No curto prazo, pode haver um aumento do saldo de crédito devido à necessidade das famílias de financiar itens básicos para manter seu nível de consumo, o que pode elevar momentaneamente o endividamento, conforme destacado por Camargos (2022). No entanto, no longo prazo, a inflação persistente inibe a demanda por novos contratos de crédito de maior valor, levando a um comportamento mais cauteloso e, eventualmente, à estabilização do estoque total de crédito, como sugere Maia (2025). Para as instituições financeiras, a volatilidade inflacionária representa um desafio na gestão de carteiras, exigindo modelos de precificação e provisionamento que considerem a erosão do poder de compra e o impacto na capacidade de pagamento dos tomadores.

O Produto Interno Bruto (PIB) brasileiro, um indicador fundamental da atividade econômica, enfrentou uma forte retração no biênio 2015-2016, com quedas de 3,5% e 3,3%, respectivamente, refletindo um período de recessão. A recuperação subsequente foi lenta, mas consistente, culminando em um crescimento constante no final de 2024 e 2025, com o índice de volume trimestral evoluindo de 189,63 no segundo trimestre de 2024 para 194,92 no final de 2025. Esse comportamento de retomada da atividade econômica se traduz positivamente no saldo da carteira de crédito. O aumento da produção nacional e a melhora das expectativas econômicas fortalecem a confiança tanto dos tomadores, que se sentem mais seguros para contrair dívidas, quanto dos emprestadores, que percebem menor risco de inadimplência. Tiryaki et al. (2017) ressaltam a natureza procíclica do crédito, onde períodos de expansão da renda estimulam as concessões e elevam o saldo das operações. Davoglio (2019) reforça esse vínculo, evidenciando a agilidade com que o desempenho da carteira de crédito responde às movimentações da riqueza nacional. Para a instituição, um PIB em crescimento sinaliza um ambiente favorável para a expansão do crédito, justificando políticas mais flexíveis de concessão e investimentos em novos produtos.

A taxa de desemprego, outro indicador macroeconômico crucial, apresentou níveis alarmantes no início do período analisado, subindo de 8% no primeiro trimestre de 2015 para 13,9% no primeiro trimestre de 2017, e atingindo um pico de 14,9% no terceiro trimestre de 2020, em meio à crise sanitária. No entanto, os dados mais recentes indicam uma trajetória de queda consistente, reduzindo de 7,0% no primeiro trimestre de 2025 para 5,1% no último trimestre do mesmo ano. A melhora no mercado de trabalho em 2025 favoreceu a capacidade das famílias de acessar o mercado de crédito, sustentando o saldo da carteira. Teoricamente, o desemprego atua como um sinalizador de risco para as instituições bancárias, que tendem a restringir a oferta de crédito em períodos de baixa ocupação, impactando negativamente o estoque total de operações (Buss, 2024). Embora Camargos (2022) observe que o desemprego pode, paradoxalmente, elevar a procura por crédito de subsistência, a tendência geral é de retração da carteira devido ao comprometimento da fonte primária de renda. A recuperação do emprego, portanto, é um fator positivo para a saúde da carteira de crédito, reduzindo o risco de inadimplência e ampliando a base de potenciais tomadores.

A análise gráfica das séries permitiu uma avaliação preliminar das relações entre as variáveis macroeconômicas e o crescimento da carteira de crédito de pessoas físicas, complementando os resultados econométricos e oferecendo uma perspectiva visual da dinâmica observada.

Fonte: Resultados originais da pesquisa a partir de dados do Banco Central do Brasil e dados públicos da instituição financeira do segmento S3

Figura 1. Crescimento trimestral do saldo da carteira de crédito de pessoa física e a taxa Selic Meta trimestral anualizada

Conforme apresentado na Figura 1, que relaciona a evolução da taxa Selic com o crescimento trimestral da carteira de crédito, não se observa uma relação contemporânea claramente definida. Períodos de elevação da taxa de juros não coincidem, de forma imediata, com reduções no crescimento da carteira. Este comportamento sugere que os efeitos da política monetária sobre o crédito não se manifestam instantaneamente, mas sim com defasagem temporal, o que é consistente com o mecanismo de transmissão da política monetária. A política monetária, ao alterar as taxas de juros, afeta o custo do crédito e as expectativas dos agentes econômicos, mas esses impactos levam tempo para se materializar na economia real e, consequentemente, na demanda e oferta de crédito. Essa observação preliminar reforça a necessidade de incorporar defasagens temporais nos modelos econométricos para capturar a complexidade dessas interações.

A relação entre o IPCA trimestral e o crescimento da carteira de crédito, embora não ilustrada por uma figura específica neste recorte, demonstrou elevada volatilidade do indicador inflacionário, sem um padrão visual consistente de associação direta e contemporânea com o crescimento da carteira. Este resultado preliminar indica que a inflação, no curto prazo, pode ter um baixo poder explicativo sobre a dinâmica do crédito, uma evidência que foi posteriormente confirmada nos modelos econométricos, onde o IPCA não se mostrou estatisticamente significativo. Isso não significa que a inflação não tenha impacto, mas que seus efeitos podem ser indiretos, defasados ou já incorporados em outras variáveis, como a taxa de juros, que é frequentemente ajustada em resposta às pressões inflacionárias.

Fonte: Resultados originais da pesquisa a partir de dados do Banco Central do Brasil e dados públicos da instituição financeira do segmento S3

Figura 2. Crescimento trimestral da carteira de crédito comercial de pessoa física e a taxa de desemprego trimestral

Na Figura 2, que relaciona a taxa de desemprego ao crescimento da carteira, observou-se uma associação menos intuitiva do que o esperado pela teoria econômica. Houve períodos em que o aumento do desemprego coincidiu com o crescimento do crédito, notadamente entre 2020 e 2021, durante a pandemia de COVID-19. Este fenômeno pode ser explicado pela redução da taxa Selic no mesmo período, que barateou o crédito e pode ter incentivado as famílias a recorrerem a empréstimos como mecanismo de suavização do consumo em um momento de incerteza econômica e perda de renda. Essa dinâmica atípica sugere que, em contextos de crise, o crédito pode assumir um papel de “amortecedor” para as famílias, embora isso possa levar a um aumento do endividamento em um cenário de fragilidade financeira. A interpretação desse achado é crucial para as instituições financeiras, que precisam considerar não apenas o risco de crédito em cenários de desemprego, mas também a potencial demanda por crédito de subsistência.

Fonte: Resultados originais da pesquisa a partir de dados do Banco Central do Brasil e dados públicos da instituição financeira do segmento S3

Figura 3. Crescimento trimestral da carteira de crédito comercial de pessoa física e o PIB trimestral

Por fim, a Figura 3 apresenta a relação entre o Produto Interno Bruto (PIB) e o crescimento da carteira de crédito. Aqui, um padrão mais consistente foi observado, com períodos de expansão da atividade econômica associados ao aumento do crescimento da carteira de crédito. Essa evidência reforça o caráter procíclico do crédito, onde a saúde da economia e a capacidade de geração de renda das famílias se traduzem diretamente em maior demanda e oferta de crédito. Este resultado antecipa o papel central do PIB nos modelos de regressão, confirmando sua robustez como principal variável explicativa. Para os gestores bancários, a Figura 3 sublinha a importância de monitorar de perto os indicadores de atividade econômica, pois eles oferecem um sinal claro sobre as perspectivas de expansão ou contração da carteira de crédito.

De forma geral, as evidências gráficas sugerem que a relação entre as variáveis macroeconômicas e o crédito não é plenamente capturada por relações contemporâneas simples. Isso indica a necessidade de incorporar defasagens temporais nos modelos econométricos, uma abordagem que permite analisar como os impactos das condições econômicas se propagam ao longo do tempo, um aspecto fundamental para a compreensão da dinâmica do crédito. A complexidade dessas interações exige uma análise mais sofisticada, que transcende a observação de correlações imediatas.

Resultados da regressão linear múltipla

Com o objetivo de analisar a relação entre variáveis macroeconômicas e o crescimento da carteira de crédito de pessoas físicas, foram estimados modelos de regressão linear múltipla, tanto com quanto sem a inclusão de defasagens temporais. O procedimento stepwise foi aplicado em todas as especificações para selecionar as variáveis explicativas mais relevantes, garantindo a parcimônia e a significância estatística dos modelos.

a) Modelo sem defasagem:

O primeiro modelo estimado, sem a utilização de defasagens temporais, apresentou resultados que oferecem uma visão inicial das relações contemporâneas entre as variáveis.

Tabela 1. Output do modelo sem defasagem de tempo

Trimestre

Saldo Carteira de Crédito Comercial Pessoa Física (R$ mil)

Crescimento da Carteira por Trimestre (R$ mil)

Crescimento da Carteira por Trimestre (%)

1T15

2340000.00

40000.00

1.74

2T15

2350000.00

10000.00

0.43

3T15

2350000.00

0.00

4T15

2290000.00

60000.00

-2.55

1T16

2320000.00

30000.00

1.31

2T16

2330000.00

10000.00

0.43

3T16

2290000.00

40000.00

-1.72

4T16

2230000.00

60000.00

-2.62

1T17

2250000.00

20000.00

0.90

2T17

2270000.00

20000.00

0.89

3T17

2280000.00

10000.00

0.44

4T17

2270000.00

10000.00

-0.44

1T18

2363680.29

93680.29

4.13

2T18

2421545.21

57864.91

2.45

3T18

2438329.17

16783.97

0.69

4T18

2483729.28

45400.10

1.86

1T19

2544798.72

61069.44

2.46

2T19

2622957.60

78158.88

3.07

3T19

2655954.63

32997.03

1.26

4T19

2694406.39

38451.76

1.45

1T20

2876676.49

182270.10

6.76

2T20

2912390.15

35713.66

1.24

3T20

3041734.63

129344.48

4.44

4T20

3210636.72

168902.09

5.55

1T21

3401280.71

190643.99

5.94

2T21

3643911.18

242630.47

7.13

3T21

3836068.64

192157.46

5.27

4T21

4027600.31

191531.67

4.99

1T22

4244872.41

217272.10

5.39

2T22

4521202.96

276330.55

6.51

3T22

4787240.77

266037.81

5.88

4T22

5148001.83

360761.07

7.54

1T23

5562775.06

414773.23

8.06

2T23

5970974.25

408199.19

7.34

3T23

6315490.45

344516.20

5.77

4T23

6567490.18

251999.73

3.99

1T24

6910329.97

342839.79

5.22

2T24

7309712.34

399382.38

5.78

3T24

7692898.74

383186.39

5.24

4T24

8043955.98

351057.25

4.56

1T25

8372414.00

328458.02

4.08

2T25

8535345.30

162931.30

1.95

3T25

8653657.42

118312.11

1.39

4T25

8736579.00

82921.59

0.96

Fonte: Elaboração própria com base nos resultados do Stats Studio

Conforme apresentado na Tabela 1, a estimação do modelo resultou em uma especificação parcimoniosa, na qual apenas as variáveis PIB e taxa de desemprego foram mantidas como explicativas do crescimento da carteira de crédito de pessoas físicas. O coeficiente de determinação (R²) de 0,4168 indica que aproximadamente 41,68% da variância no crescimento da carteira de crédito é explicada pelas variáveis selecionadas. Embora este R² seja moderado, o teste F apresentou um p-value de 0,0000, permitindo rejeitar a hipótese nula de que os coeficientes são conjuntamente iguais a zero, o que evidencia a significância global do modelo ao nível de 5%.

O coeficiente associado ao PIB foi positivo e estatisticamente significativo, indicando que um aumento na atividade econômica está diretamente relacionado à expansão da carteira de crédito. Este resultado está em total consonância com a teoria econômica, que postula que o crescimento do produto eleva a renda disponível das famílias e, consequentemente, estimula tanto o consumo quanto a demanda por crédito (Mankiw, 2021; Assaf Neto, 2015). Para a instituição bancária, este achado reforça a importância de alinhar as estratégias de concessão de crédito com as projeções macroeconômicas de crescimento do PIB, aproveitando os períodos de expansão para aumentar a oferta de crédito e mitigar riscos em fases de desaceleração.

Por outro lado, a taxa de desemprego também apresentou significância estatística ao nível de 5%, porém com um coeficiente positivo. Este resultado diverge do esperado teoricamente, uma vez que o aumento do desemprego tende a reduzir a capacidade de pagamento dos indivíduos e, consequentemente, a demanda por crédito, levando à contração da carteira (Buss, 2024). Essa relação positiva observada deve ser interpretada à luz do contexto do período analisado, especialmente durante a crise da COVID-19. Nesse intervalo, a elevação do desemprego ocorreu simultaneamente à redução expressiva da taxa Selic, o que barateou o crédito e pode ter incentivado sua utilização como mecanismo de suavização do consumo e manutenção do padrão de vida das famílias. Portanto, este resultado reflete um contexto atípico e deve ser analisado com cautela, sugerindo que o crédito pode ter atuado como um “colchão” financeiro em momentos de adversidade. Alternativamente, essa relação pode refletir características específicas da carteira analisada, como a predominância de modalidades de crédito de menor risco ou a capacidade da instituição de gerenciar o risco de forma eficaz mesmo em cenários adversos.

As variáveis taxa Selic e inflação (IPCA) foram excluídas pelo procedimento stepwise neste modelo sem defasagem, indicando que, na especificação contemporânea, não apresentaram contribuição estatisticamente significativa para explicar a variação da carteira de crédito. Este resultado não implica a ausência de efeito econômico dessas variáveis, mas sugere que seus impactos podem ocorrer de forma indireta ou com defasagem temporal, não sendo capturados por este modelo mais simplificado. Para os gestores, a não significância contemporânea da Selic e do IPCA neste modelo inicial ressalta a complexidade da transmissão dos choques macroeconômicos e a necessidade de considerar a dimensão temporal na análise.

Em suma, os resultados do modelo sem defasagem indicam que a dinâmica da carteira de crédito de pessoas físicas está mais fortemente associada ao nível de atividade econômica e às condições do mercado de trabalho no curto prazo. Contudo, a presença de um coeficiente com sinal não esperado para o desemprego e a ausência de defasagens temporais evidenciam limitações na especificação do modelo, sugerindo que uma análise mais aprofundada, com a inclusão de defasagens, seria mais adequada para capturar a complexidade das relações.

b) Modelo com defasagem de 1 trimestre:

A introdução de defasagens temporais nas variáveis explicativas é crucial para capturar os efeitos dinâmicos das condições macroeconômicas sobre a carteira de crédito, uma vez que tais impactos não se manifestam de forma imediata. O modelo com defasagem de um trimestre buscou abordar essa questão.

Tabela 2. Output do modelo com defasagem de 1 trimestre

Trimestre

Selic Meta (% a.a.)

t-1 Selic Meta (% a.a.)

t-2 Selic Meta (% a.a.)

t-3 Selic Meta (% a.a.)

t-4 Selic Meta (% a.a.)

1T15

12.75

11.32

11

10.99

10.51

2T15

13.24

12.75

11.32

11

10.99

3T15

14.09

13.24

12.75

11.32

11

4T15

14.25

14.09

13.24

12.75

11.32

1T16

14.25

14.25

14.09

13.24

12.75

2T16

14.25

14.25

14.25

14.09

13.24

3T16

14.25

14.25

14.25

14.25

14.09

4T16

13.97

14.25

14.25

14.25

14.25

1T17

12.78

13.97

14.25

14.25

14.25

2T17

11.05

12.78

13.97

14.25

14.25

3T17

9.28

11.05

12.78

13.97

14.25

4T17

7.57

9.28

11.05

12.78

13.97

1T18

6.83

7.57

9.28

11.05

12.78

2T18

6.50

6.83

7.57

9.28

11.05

3T18

6.50

6.50

6.83

7.57

9.28

4T18

6.50

6.50

6.50

6.83

7.57

1T19

6.50

6.50

6.50

6.50

6.83

2T19

6.50

6.50

6.50

6.50

6.50

3T19

6.10

6.50

6.50

6.50

6.50

4T19

5.05

6.10

6.50

6.50

6.50

1T20

4.28

5.05

6.10

6.50

6.50

2T20

3.19

4.28

5.05

6.10

6.50

3T20

2.10

3.19

4.28

5.05

6.10

4T20

2.00

2.10

3.19

4.28

5.05

1T21

2.12

2.00

2.10

3.19

4.28

2T21

3.33

2.12

2.00

2.10

3.19

3T21

4.96

3.33

2.12

2.00

2.10

4T21

7.68

4.96

3.33

2.12

2.00

1T22

10.37

7.68

4.96

3.33

2.12

2T22

12.46

10.37

7.68

4.96

3.33

3T22

13.57

12.46

10.37

7.68

4.96

4T22

13.75

13.57

12.46

10.37

7.68

1T23

13.75

13.75

13.57

12.46

10.37

2T23

13.75

13.75

13.75

13.57

12.46

3T23

13.38

13.75

13.75

13.75

13.57

4T23

12.33

13.38

13.75

13.75

13.75

1T24

11.36

12.33

13.38

13.75

13.75

2T24

10.60

11.36

12.33

13.38

13.75

3T24

10.53

10.60

11.36

12.33

13.38

4T24

11.27

10.53

10.60

11.36

12.33

1T25

13.06

11.27

10.53

10.60

11.36

2T25

14.58

14.58

11.27

10.53

10.60

3T25

15.00

15.00

15.00

11.27

10.53

4T25

15.00

15.00

15.00

15.00

11.27

Fonte: Resultados originais da pesquisa com software Stats Studio

Conforme apresentado na Tabela 2, este modelo com defasagem de um trimestre apresentou um coeficiente de determinação (R²) de 0,3588, indicando uma capacidade moderada de explicação da variação da carteira de crédito de pessoas físicas. Embora ligeiramente inferior ao modelo sem defasagem, o teste F apresentou um p-value de 0,0001, evidenciando que o modelo é estatisticamente significativo como um todo. As variáveis selecionadas pelo procedimento stepwise foram a taxa Selic e o PIB, ambas com coeficientes estatisticamente significativos ao nível de 5%.

O coeficiente associado à taxa Selic, com defasagem de um trimestre, apresentou sinal negativo, indicando que o aumento da taxa básica de juros no trimestre anterior está associado à redução do crescimento da carteira de crédito no período subsequente. Este resultado é altamente consistente com o mecanismo de transmissão da política monetária, segundo o qual o aumento dos juros encarece o crédito, desestimula a demanda por financiamento e, consequentemente, contrai o saldo da carteira (Linardi, 2008; Murtadha, 2025). A defasagem de um trimestre (aproximadamente três meses) para a materialização desse efeito é plausível, considerando o tempo necessário para que as decisões de política monetária se traduzam em mudanças nas condições de mercado e no comportamento de tomadores e emprestadores. Para a instituição bancária, essa evidência reforça a necessidade de monitorar as decisões do COPOM e antecipar seus impactos na demanda por crédito, ajustando as taxas de juros de seus produtos e as políticas de concessão com base nas expectativas de movimentos da Selic.

Por sua vez, o PIB defasado em um trimestre também apresentou coeficiente positivo e estatisticamente significativo, indicando que o aumento da atividade econômica no período anterior contribuiu para a expansão da carteira de crédito. Este resultado reforça a importância do ciclo econômico como determinante da dinâmica do crédito, evidenciando que a melhora das condições econômicas se traduz, com alguma defasagem, em maior demanda por crédito por parte das famílias. A confiança econômica e a estabilidade do emprego, impulsionadas pelo crescimento do PIB, incentivam as famílias a assumir compromissos financeiros de longo prazo. Para os bancos, a defasagem positiva do PIB sugere que o planejamento de expansão da carteira pode ser feito com base em indicadores econômicos antecedentes, permitindo uma proatividade na oferta de crédito e na gestão de riscos.

A inclusão da defasagem temporal permitiu capturar de forma mais adequada os efeitos das variáveis macroeconômicas sobre o crédito, uma vez que tais impactos não ocorrem de forma imediata. Nesse sentido, os resultados obtidos para o modelo com defasagem de um trimestre apresentam maior coerência com a teoria econômica quando comparados ao modelo sem defasagem, especialmente pela presença da taxa Selic com o sinal esperado. Este modelo oferece uma base mais robusta para a tomada de decisões, permitindo à instituição bancária desenvolver modelos de previsão de crédito que incorporem a dinâmica temporal da política monetária e do ciclo econômico, otimizando a precificação de produtos e a gestão de sua carteira de risco.

c) Modelo com defasagem de 2 trimestres:

A análise prosseguiu com a estimação de um modelo que incorpora defasagens de dois trimestres para as variáveis explicativas, buscando verificar se os efeitos das condições macroeconômicas se manifestam em um horizonte temporal mais alongado.

Tabela 3. Output do modelo com defasagem de 2 trimestres

Variável

Coeficiente (β)

p-value

Constante α

-0,16085

0,02448

β1

-0,00341

0,00105

B2

0,00130

0,00295

Indicadores do modelo

Valor

R2

0,2928

R² ajustado

0,2583

F (p-value)

0,0008

Fonte: Resultados originais da pesquisa com software Stats Studio

O modelo com defasagem de dois trimestres, cujos resultados são apresentados na Tabela 3, exibiu um coeficiente de determinação (R²) de 0,2928, indicando uma capacidade explicativa menor em comparação ao modelo com defasagem de um trimestre. Apesar da redução no R², o teste F indicou significância global do modelo (p-value = 0,0008), confirmando que as variáveis selecionadas são conjuntamente relevantes. As variáveis selecionadas pelo procedimento stepwise foram a taxa Selic e o PIB, ambas estatisticamente significativas ao nível de 5%.

O coeficiente da taxa Selic manteve o sinal negativo, indicando que elevações na taxa de juros com dois trimestres de defasagem continuam associadas à redução do crescimento da carteira de crédito. Este resultado reforça a persistência do efeito da política monetária, embora com menor intensidade explicativa. A transmissão da política monetária, que pode levar de seis a nove meses para se materializar plenamente, conforme indicado pelo Banco Central do Brasil, encontra respaldo na observação de efeitos defasados. Para a gestão de risco, isso implica que as decisões de política monetária de hoje podem impactar a carteira de crédito por um período estendido, exigindo uma visão de longo prazo na formulação de estratégias.

De forma semelhante, o PIB defasado em dois trimestres apresentou coeficiente positivo, evidenciando que a atividade econômica segue exercendo influência sobre a expansão do crédito, mesmo em um horizonte temporal mais distante. O crescimento econômico, ao gerar renda e emprego, cria um ambiente propício para a expansão do crédito, e esses efeitos podem se prolongar. Contudo, a redução no poder explicativo deste modelo em relação ao de um trimestre sugere que os efeitos das variáveis macroeconômicas sobre a carteira de crédito tendem a se manifestar com maior intensidade no curto e médio prazos. Para os formuladores de políticas públicas, a persistência do efeito do PIB no crédito, mesmo com defasagem, sublinha a importância de políticas de estímulo ao crescimento econômico para a estabilidade e expansão do sistema financeiro.

Em síntese, embora o modelo com defasagem de dois trimestres apresente coerência nos sinais estimados, sua menor capacidade explicativa em relação ao modelo de um trimestre indica que essa especificação pode não ser a mais adequada para capturar a dinâmica do crédito no período analisado. Os gestores bancários devem considerar que, embora os efeitos de longo prazo existam, as respostas mais imediatas da carteira de crédito são mais sensíveis às condições macroeconômicas recentes.

d) Modelo com defasagem de 3 trimestres:

A investigação dos efeitos defasados continuou com a estimação de um modelo com defasagem de três trimestres, buscando identificar padrões de influência em um horizonte temporal ainda mais estendido.

Tabela 4. Output do modelo com defasagem de 3 trimestres

Trimestre

PIB (número-índice)

t-1 PIB (número-índice)

t-2 PIB (número-índice)

t-3 PIB (número-índice)

t-4 PIB (número-índice)

1T15

173.86

175.23

174.32

174.42

177.05

2T15

169.75

173.86

175.23

174.32

174.42

3T15

166.95

169.75

173.86

175.23

174.32

4T15

165.67

166.95

169.75

173.86

175.23

1T16

163.3

165.67

166.95

169.75

173.86

2T16

163.75

163.3

165.67

166.95

169.75

3T16

162.86

163.75

163.3

165.67

166.95

4T16

162.7

162.86

163.75

163.3

165.67

1T17

164.35

162.7

162.86

163.75

163.3

2T17

165.73

164.35

162.7

162.86

163.75

3T17

166.12

165.73

164.35

162.7

162.86

4T17

167.02

166.12

165.73

164.35

162.7

1T18

168.01

167.02

166.12

165.73

164.35

2T18

167.85

168.01

167.02

166.12

165.73

3T18

169.46

167.85

168.01

167.02

166.12

4T18

169.01

169.46

167.85

168.01

167.02

1T19

169.54

169.01

169.46

167.85

168.01

2T19

170.49

169.54

169.01

169.46

167.85

3T19

170.53

170.49

169.54

169.01

169.46

4T19

172.02

170.53

170.49

169.54

169.01

1T20

168.1

172.02

170.53

170.49

169.54

2T20

153.16

168.1

172.02

170.53

170.49

3T20

165.3

153.16

168.1

172.02

170.53

4T20

171.63

165.3

153.16

168.1

172.02

1T21

173.16

171.63

165.3

153.16

168.1

2T21

171.96

173.16

171.63

165.3

153.16

3T21

172.18

171.96

173.16

171.63

165.3

4T21

174.46

172.18

171.96

173.16

171.63

1T22

175.72

174.46

172.18

171.96

173.16

2T22

177.74

175.72

174.46

172.18

171.96

3T22

179.56

177.74

175.72

174.46

172.18

4T22

180.3

179.56

177.74

175.72

174.46

1T23

182.79

180.3

179.56

177.74

175.72

2T23

184.25

182.79

180.3

179.56

177.74

3T23

184.44

184.25

182.79

180.3

179.56

4T23

185.03

184.44

184.25

182.79

180.3

1T24

186.47

185.03

184.44

184.25

182.79

2T24

189.63

186.47

185.03

184.44

184.25

3T24

191.19

189.63

186.47

185.03

184.44

4T24

191.19

191.19

189.63

186.47

185.03

1T25

194.02

191.19

191.19

189.63

186.47

2T25

194.59

194.02

191.19

191.19

189.63

3T25

194.64

194.59

194.02

191.19

191.19

4T25

194.92

194.64

194.59

194.02

191.19

Fonte: Resultados originais da pesquisa com software Stats Studio

O modelo com defasagem de três trimestres, conforme a Tabela 4, apresentou um coeficiente de determinação (R²) de 0,2954, indicando um baixo poder explicativo em relação às demais especificações estimadas. Apesar disso, o teste F evidenciou significância global do modelo (p-value = 0,0008). As variáveis selecionadas para este modelo foram o PIB e a taxa de desemprego, ambas estatisticamente significativas ao nível de 5%.

O PIB defasado em três trimestres manteve seu coeficiente positivo, reforçando a relevância da atividade econômica na explicação da dinâmica do crédito, mesmo com uma defasagem mais longa. Este achado sugere que os efeitos do ciclo econômico podem se prolongar, impactando o comportamento da carteira de crédito de forma persistente. A resiliência do PIB como variável explicativa em diferentes defasagens sublinha sua importância fundamental para a saúde do mercado de crédito.

Entretanto, a taxa de desemprego apresentou novamente um coeficiente positivo, resultado que diverge da expectativa teórica. Esta inconsistência, já observada no modelo sem defasagem, sugere que, em um horizonte de três trimestres, a relação entre desemprego e crédito pode ser influenciada por fatores não capturados pelo modelo ou por dinâmicas atípicas, como o uso do crédito para suavização do consumo em períodos de crise. A persistência desse sinal inesperado levanta questões sobre a robustez da interpretação econômica para esta variável em defasagens mais longas, especialmente se o contexto de juros baixos que incentivou o crédito de subsistência não se mantiver.

De modo geral, o modelo com defasagem de três trimestres não apresentou ganhos significativos em termos de capacidade explicativa e manteve inconsistências na interpretação econômica do coeficiente de desemprego. Isso o torna uma especificação menos adequada para representar a dinâmica da carteira de crédito no período analisado, sugerindo que os efeitos mais relevantes se concentram em defasagens mais curtas.

e) Modelo com defasagem de 4 trimestres:

A última especificação estimada incorporou defasagens de quatro trimestres, buscando capturar efeitos de longo prazo das variáveis macroeconômicas sobre a carteira de crédito.

Tabela 5. Output do modelo com defasagem de 4 trimestres

Variável

Coeficiente (β)

p-value

Constante α

-0,52479

0,00003

β1

0,00263

0,00149

B2

0,00968

0,00000

R2

0,4258

R² ajustado

0,3978

F (p-value)

0,0000

Fonte: Resultados originais da pesquisa com software Stats Studio

Conforme apresentado na Tabela 5, o modelo com defasagem de quatro trimestres apresentou o maior coeficiente de determinação (R²=0,4258) entre todas as especificações analisadas. Este R² elevado indica uma maior capacidade explicativa da variação da carteira de crédito de pessoas físicas. O teste F apresentou p-value de 0,0000, evidenciando a elevada significância estatística do modelo como um todo. As variáveis selecionadas pelo procedimento stepwise foram o PIB e a taxa de desemprego, ambas estatisticamente significativas ao nível de 5%.

O PIB defasado em quatro trimestres manteve seu coeficiente positivo, reforçando a evidência de que a atividade econômica exerce influência relevante sobre a expansão do crédito, ainda que com uma defasagem temporal mais longa. Este resultado sugere que os efeitos do ciclo econômico podem se prolongar e impactar o comportamento da carteira de crédito de forma persistente, por até um ano. Para os planejadores estratégicos da instituição, isso implica que as decisões de investimento e expansão da carteira devem considerar as tendências econômicas de médio a longo prazo, utilizando o PIB como um indicador-chave para antecipar cenários futuros.

Por outro lado, a taxa de desemprego apresentou novamente um coeficiente positivo, mantendo a divergência em relação à expectativa teórica. A persistência desse sinal inesperado, mesmo com a maior capacidade explicativa do modelo, indica que a interpretação econômica para esta variável deve ser realizada com cautela. A ausência da taxa Selic neste modelo, apesar do melhor desempenho estatístico, e a manutenção do sinal não esperado para o desemprego, sugerem que, embora o modelo com defasagem de quatro trimestres apresente um ajuste estatístico superior, ele pode não constituir a especificação mais adequada do ponto de vista teórico para uma interpretação causal direta. A complexidade das interações macroeconômicas e a possibilidade de variáveis omitidas ou de canais de transmissão não lineares podem explicar essas inconsistências.

Comparação entre os modelos e definição da especificação final

A síntese comparativa dos modelos estimados, com e sem defasagem temporal, é fundamental para avaliar conjuntamente o desempenho estatístico e a coerência econômica das diferentes especificações, permitindo a definição da especificação final mais adequada para a interpretação dos resultados.

Tabela 6. Síntese comparativa dos modelos de regressão

Variável

Sem defasagem

t-1

t-2

t-3

t-4

Constante α

-0,58149

-0,20524

-0,16085

-0,45087

-0,52479

ẞ SELIC META

-0,00347

-0,00341

ẞ PIB

0,00302

0,00155

0,00130

0,00231

0,00263

ẞ Desemprego

0,00827

0,00772

0,00968

R²

0,4168

0,3588

0,2928

0,2954

0,4258

R² ajustado

0,3883

0,3275

0,2583

0,2610

0,3978

F (p-value)

0,0000

0,0001

0,0008

0,0008

0,0000

Fonte: Resultados originais da pesquisa com software Stats Studio

Conforme apresentado na Tabela 6, o Produto Interno Bruto (PIB) demonstrou ser a variável explicativa mais robusta, apresentando coeficiente positivo e estatisticamente significativo em todos os modelos em que foi selecionado pelo procedimento stepwise. Este resultado reforça o papel central da atividade econômica na determinação da dinâmica do crédito, confirmando a literatura que aponta para a natureza procíclica do crédito (Tiryaki et al., 2017; Davoglio, 2019). A consistência do PIB em diferentes defasagens e especificações sublinha sua importância como um indicador-chave para a gestão de carteiras de crédito e para a formulação de políticas econômicas.

Destaca-se que a variável inflação, representada pelo IPCA, não foi selecionada em nenhuma das especificações estimadas pelo procedimento stepwise, independentemente da defasagem considerada. Este resultado sugere que, para este modelo e no período analisado, a inflação não apresentou contribuição estatisticamente significativa para a explicação da variação da carteira de crédito de pessoas físicas. Tal evidência não implica a ausência de efeito econômico da inflação sobre o crédito, mas pode indicar que seus impactos ocorrem de forma indireta, possivelmente já incorporados em outras variáveis do modelo, como a taxa de juros, ou ainda que se manifestem com maior defasagem ou por meio de canais não capturados pela especificação adotada. Para a instituição, isso pode significar que, embora a inflação afete o poder de compra e a capacidade de pagamento, seus efeitos diretos sobre o volume de crédito são menos perceptíveis do que os de outras variáveis macroeconômicas.

No modelo sem defasagem, as variáveis PIB e taxa de desemprego foram selecionadas, com um coeficiente de determinação relativamente elevado (R²=0,4168). No entanto, a presença de um coeficiente positivo para o desemprego indica uma inconsistência com a teoria econômica, sugerindo limitações na especificação contemporânea, especialmente devido ao contexto atípico da pandemia de COVID-19, onde o crédito pode ter sido utilizado para suavização do consumo em um cenário de juros baixos.

A introdução de defasagens temporais permitiu captar efeitos dinâmicos das variáveis macroeconômicas, que são cruciais para entender a transmissão dos choques econômicos. O modelo com defasagem de um trimestre destacou-se por apresentar coeficientes com sinais consistentes com a teoria econômica, especialmente no caso da taxa Selic, que exibiu uma relação negativa com o crescimento da carteira de crédito. Este resultado é compatível com o mecanismo de transmissão da política monetária, no qual aumentos na taxa de juros tendem a restringir o crédito (Linardi, 2008). A coerência teórica deste modelo, aliada à sua significância estatística, o torna uma especificação valiosa para a interpretação.

Contudo, o modelo com defasagem de quatro trimestres apresentou o maior coeficiente de determinação (R²=0,4258), indicando o melhor ajuste estatístico. Apesar disso, a ausência da taxa Selic e a manutenção do coeficiente positivo da taxa de desemprego indicam limitações na interpretação econômica, apesar do maior poder explicativo. Isso sugere um trade-off entre o ajuste estatístico e a coerência teórica. Os modelos com defasagens de dois e três trimestres, por sua vez, apresentaram menor capacidade explicativa e não trouxeram ganhos relevantes em termos de interpretação econômica, não se destacando como especificações adequadas.

Dessa forma, existe um trade-off entre a qualidade de ajuste estatístico e a coerência teórica dos modelos. Considerando a consistência dos sinais estimados, a presença de variáveis economicamente relevantes e o alinhamento com a literatura, o modelo com defasagem de um trimestre mostrou-se o mais adequado para a interpretação dos resultados. Este modelo oferece as melhores bases para a instituição bancária desenvolver estratégias de gestão de carteira e precificação de produtos que considerem a dinâmica da política monetária e do ciclo econômico de forma mais realista.

Por fim, o modelo com defasagem de quatro trimestres é utilizado como referência complementar de robustez, evidenciando que os efeitos das variáveis macroeconômicas sobre a carteira de crédito podem se manifestar também no longo prazo, ainda que com algumas limitações interpretativas. A capacidade de um modelo com defasagem mais longa de explicar uma maior proporção da variância da carteira de crédito sugere que, para certas decisões estratégicas de longo prazo, a instituição pode considerar esses efeitos mais prolongados, mesmo com as ressalvas interpretativas. A combinação da análise de modelos com diferentes defasagens oferece uma visão abrangente e multifacetada da complexa relação entre o ambiente macroeconômico e o desempenho da carteira de crédito de pessoas físicas.

4. Conclusão

Conclui-se que o objetivo foi atingido ao avaliar a relação entre indicadores macroeconômicos como PIB, IPCA, Selic e taxa de desemprego e o comportamento da carteira de crédito de pessoas físicas de uma instituição bancária, no período de 2015 a 2025. A pesquisa demonstrou que o Produto Interno Bruto (PIB) foi a variável mais robusta, exercendo influência positiva e consistente sobre o crescimento da carteira de crédito. A taxa Selic, quando considerada com defasagem de um trimestre, apresentou a esperada relação negativa, confirmando o mecanismo de transmissão da política monetária. Contudo, a taxa de desemprego exibiu um coeficiente positivo, sugerindo um uso atípico do crédito para suavização do consumo em períodos de crise, enquanto o IPCA não se mostrou estatisticamente significativo. Os resultados reforçam que a dinâmica da carteira de crédito é intrinsecamente ligada ao ciclo econômico e responde de forma defasada às variações no custo do capital, sublinhando a importância das defasagens temporais para uma compreensão mais precisa.

Como limitações do estudo, destaca-se a utilização de dados macroeconômicos de abrangência nacional para explicar o comportamento de uma instituição bancária específica, bem como a complexidade inerente ao crédito, que pode ser influenciado por fatores não observados ou variáveis omitidas. A amostra temporal, de 2015 a 2025, embora abrangente, pode não capturar todas as nuances de ciclos econômicos mais longos. Para estudos futuros, sugere-se a exploração de modelos econométricos mais complexos, capazes de capturar dinâmicas temporais mais sofisticadas e múltiplas defasagens simultâneas. A inclusão de novas variáveis explicativas, como indicadores de confiança do consumidor ou dados microeconômicos da própria instituição, e a aplicação de técnicas avançadas de séries temporais poderiam aprofundar a compreensão da relação entre o ambiente macroeconômico e o desempenho da carteira de crédito, oferecendo subsídios ainda mais precisos para a gestão de riscos e a formulação de estratégias bancárias.

Referências Bibliográficas

Assaf Neto, A. 2015. Mercado financeiro. 16. ed. Atlas, São Paulo, SP, Brasil.

Buss, L. S. 2024. Determinantes macroeconômicos da inadimplência da pessoa física no Sistema Financeiro Nacional Brasileiro. Trabalho de Conclusão de Curso Bacharel em Ciências Econômicas. Universidade Federal de Mato Grosso, Cuiabá, MT, Brasil.

Camargos, M.A.R. 2022. Análise do Comportamento do Nível de Endividamento dos Brasileiros. Trabalho de Conclusão de Curso Bacharel em Ciências Contábeis. Universidade Federal de Uberlândia, Uberlândia, MG, Brasil.

Davoglio, T. R. 2019. O impacto do desempenho setorial na inadimplência de carteiras de crédito. Trabalho de Conclusão de Curso Bacharel em Administração. Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil.

Gil, A. C. 2023. Como elaborar projetos de pesquisa. 7. ed. Atlas, São Paulo, SP, Brasil.

Linardi, F.M. 2008. Avaliação dos Determinantes Macroeconômicos da Inadimplência Bancária no Brasil. Dissertação de Mestrado em Economia. Universidade Federal de Minas Gerais, Belo Horizonte, MG, Brasil.

Maia, A.C. 2025. Influência dos indicadores macroeconômicos na inadimplência de pessoas físicas no Brasil. Revista Delos 18(67):01-29.

Mankiw, N. G. 2021. Macroeconomia. 10. ed. LTC, Rio de Janeiro, RJ, Brasil.

Murtadha, N. A. 2025. Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos. Dissertação de Mestrado em Economia. Universidade Católica de Brasília, Brasília, DF, Brasil.

Silveira, J. R. 2015. Crédito e endividamento no Brasil: fatores macroeconômicos e impactos sociais. Trabalho de Conclusão de Curso Bacharel em Ciências Econômicas. Universidade Federal de Pelotas, Pelotas, RS, Brasil.

Tiryakia, G.F.; Gavazzab, I.O.; Andradec, C.M.; Motad, A.L. 2017. Ciclos de crédito, inadimplência e as flutuações econômicas no Brasil. Revista de Economia Contemporânea 21(1): 1-33.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Economia, Investimentos e Banking do MBA USP/Esalq

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

Você também pode gostar

06 de novembro de 2026

Influência do marketing digital no consumo de suplementos proteicos e alimentos enriquecidos com proteína

O consumo de suplementos proteicos e alimentos com adição de proteína tem crescido significativamente nos últimos anos, com conteúdos digitais relacionados à saúde, estética e desempenho físico tornando-se parte relevante da rotina de brasileiros que buscam um estilo de vida disciplinado. O presente estudo teve como objetivo analisar o comportamento de consumo de suplementos e alimentos proteicos, bem como a influência das redes sociais e dos influenciadores digitais nas decisões de compra dos consumidores. Realizou-se uma pesquisa exploratória, que utilizou um questionário online aplicado a 62 participantes via Google Forms, disseminado no Instagram, e uma entrevista semiestruturada com o CEO de uma marca de suplementos. A análise dos dados foi quali-quantitativa. Os resultados indicaram que as redes sociais, especialmente o Instagram, desempenharam papel central no contato inicial dos consumidores com as marcas. A maioria dos entrevistados associou o consumo de produtos proteicos a um estilo de vida saudável e fitness, e considerou a influência de criadores de conteúdo digital no estímulo à experimentação e à compra. Identificou-se o impacto significativo do marketing digital e das narrativas aspiracionais no comportamento de consumo, reforçando a relação entre alimentação funcional, identidade social e pertencimento no ambiente digital no contexto da suplementação e alimentação proteica.

Palavras-chave: Alimentos com adição de proteína; Comportamento do consumidor; Consumo de suplementos proteicos; Influenciadores digitais; Marketing digital.

06 de novembro de 2026

Inovação na Gestão Operacional do Setor Elétrico com Apoio da Ciência de Dados

A aplicação da ciência de dados na gestão operacional da distribuição de energia elétrica foi investigada com o objetivo de otimizar processos e a tomada de decisão estratégica. O estudo analisou como algoritmos preditivos e painéis de Business Intelligence podem potencializar a gestão operacional, visando otimizar o despacho de equipes, prever demandas e monitorar indicadores em tempo real para decisões mais ágeis e sustentáveis. A pesquisa teve caráter aplicado e considerou dados históricos, geográficos e operacionais da EDP São Paulo em São José dos Campos, abrangendo o período de janeiro de 2018 a dezembro de 2024. Os dados foram tratados em ambiente de Business Intelligence e submetidos a algoritmos de machine learning, como regressão linear múltipla e redes neurais recorrentes, para previsão de demanda e identificação de padrões de falhas. Adicionalmente, utilizou-se clustering para identificar áreas críticas. Os resultados indicaram que a integração de modelos de previsão com indicadores operacionais em tempo real reduziu o tempo de resposta a ocorrências, aumentou a eficiência na alocação de recursos e promoveu a melhoria contínua da operação. As redes neurais recorrentes demonstraram maior precisão na previsão de demanda, e a análise de correlação apontou a precipitação como fator relevante para o aumento de interrupções. A identificação de áreas críticas por clustering permitiu priorizar ações de manutenção. Concluiu-se que a adoção de métodos de ciência de dados moderniza o setor, reduz custos, aumenta a confiabilidade e promove maior sustentabilidade, oferecendo subsídios para decisões mais ágeis e sustentáveis na gestão energética.

Palavras-chave: Algoritmos preditivos; Business Intelligence; Ciência de dados; Distribuição de energia; Gestão operacional.

06 de novembro de 2026

Previsão da geração de energia fotovoltaica por meio de aprendizado de máquina: um estudo aplicado a uma usina no Nordeste do Brasil

O incremento das energias renováveis no Brasil, em especial da energia fotovoltaica, evidenciou a necessidade de aprimorar a previsão da produção das usinas, em função da elevada dependência de fatores climáticos e da consequente variabilidade da geração elétrica. Desenvolveu-se e avaliou-se modelos de aprendizado de máquina para a previsão da geração de energia elétrica de uma usina fotovoltaica no Nordeste do Brasil, analisando o impacto da inclusão progressiva de variáveis meteorológicas, temporais, derivadas e defasadas. Utilizaram-se dados horários de geração de energia e variáveis meteorológicas provenientes de bases oficiais e públicas. Implementaram-se três algoritmos de regressão baseados em árvores (Árvore de Decisão, Random Forest e XGBoost) em uma modelagem estruturada em três fases: variáveis meteorológicas, temporais e cíclicas e de defasagens. Os resultados indicaram forte correlação entre a radiação solar e a geração de energia. Observou-se desempenho preditivo moderado nas fases iniciais da modelagem, com melhora expressiva na terceira fase, onde o XGBoost se destacou com um R² de 0,898. Concluiu-se que a inclusão de variáveis temporais e técnicas de engenharia de atributos foi determinante para o aprimoramento da capacidade preditiva dos três modelos, configurando-se como uma estratégia para aplicações práticas no setor fotovoltaico.

Palavras-chave: Algoritmo baseado em árvores; Dados meteorológicos; Dependência temporal; Engenharia de atributos; Parque solar.

06 de novembro de 2026

Comportamento de clientes em cursos preparatórios: segmentação RFM, Cadeias de Markov e aprendizado supervisionado

Construiu-se uma arquitetura analítica para compreender e predizer o comportamento de compra de clientes de um provedor de cursos livres preparatórios. O objetivo foi integrar segmentação RFM, modelagem de transições por Cadeias de Markov e predição de propensão por Regressão Logística, Random Forest e Gradient Boosting, sob a estrutura do CRISP-DM. Utilizaram-se dados transacionais de 7.123 clientes de um provedor de cursos livres, abrangendo novembro de 2022 a janeiro de 2026. A metodologia CRISP-DM guiou a segmentação RFM, a modelagem de transições por Cadeias de Markov e a predição de propensão à compra por modelos supervisionados (Regressão Logística, Random Forest e Gradient Boosting), com validação temporal ‘out-of-time’. A segmentação RFM revelou quatro perfis, com o segmento Muito Recorrente (25% da base) concentrando 60,5% da receita. A Cadeia de Markov indicou uma tendência de degradação da base no longo prazo, com o segmento Baixa Aquisição projetado para crescer de 25% para 31,3% no equilíbrio. Os modelos supervisionados alcançaram AUC entre 0,811 e 0,826, demonstrando que o poder preditivo reside nas variáveis RFM, com a recência emergindo como preditor dominante. Concluiu-se que a integração dessas abordagens fornece subsídios concretos para decisões estratégicas de retenção, segmentação e priorização de clientes em contextos educacionais, destacando a necessidade de ações estruturadas para reverter a degradação da base e a importância da recência na predição de recompra.

Palavras-chave: Cadeias de Markov; CRISP-DM; Predição de propensão; Random Forest; Segmentação RFM.

06 de novembro de 2026

Classificação de retornos de ações no Brasil com machine learning e técnicas de meta-labeling

A demanda por estratégias quantitativas em mercados de capitais impulsionou o desenvolvimento de modelos de machine learning. O presente estudo implementou um pipeline de aprendizado de máquina para a classificação ternária de retornos de ações brasileiras, visando diagnosticar sobreajuste, avaliar o uso de meta-rotulagem e Hierarchical Risk Parity (HRP) para gerar alpha positivo, e documentar modos de falha. Reuniu-se 276 ativos da B3 entre 2000 e 2026, totalizando 257.970 amostras rotuladas pelo esquema triple-barrier sobre eventos CUSUM. Um classificador primário XGBoost agrupado foi treinado com pesos de amostra corrigidos por concorrência e unicidade. A validação empregou PurgedKFold e validação cruzada combinatória purgada (CPCV), com diagnóstico de sobreajuste via PBO e DSR. A decisão de lado seguiu a softmax bruta do modelo primário, e a magnitude da aposta foi delegada a um meta-rotulador binário. A construção de carteira adotou Hierarchical Risk Parity e foi avaliada por comparação honesta A/B/C. Os resultados out-of-sample indicaram acurácia de 0,52 e aprovação nos três gates estatísticos. Contudo, no nível de carteira, o Sharpe da estratégia com timing foi de +0,23 contra +0,87 do buy-and-hold HRP, resultando em alpha de -0,63. Concluiu-se que a seleção do universo explicou substancialmente o desempenho observado, e não o timing do classificador, apesar da aprovação nos testes estatísticos de nível de operação. A contribuição metodológica foi um pipeline reprodutível, auditável e leakage-safe, com modos de falha documentados de forma transparente, e o diagnóstico do colapso do argmax sob calibração isotônica em rótulos ternários desbalanceados.

Palavras-chave: Deflated Sharpe Ratio; Diferenciação fracional; Finanças quantitativas; Meta-rotulagem; Sobreajuste em backtests.

06 de novembro de 2026

Método AHP-Gaussiano na seleção de fornecedores: conformidade em contratações públicas

A seleção de fornecedores em contratações públicas demandou instrumentos para ampliar a transparência e fortalecer a conformidade diante de riscos legais e reputacionais. O objetivo foi aplicar o método AHP-Gaussiano na seleção de fornecedores, com base em critérios quantitativos de integridade e capacidade operacional. A investigação, de natureza aplicada, documental e quantitativa, utilizou dados secundários do Cadastro Nacional de Empresas Inidôneas e Suspensas (CEIS), disponíveis no Portal da Transparência. Avaliaram-se dez fornecedores do segmento de limpeza e conservação, segundo seis critérios: recursos recebidos, sanções vigentes, contratos firmados, emendas parlamentares, serviços e participação em licitações. O método AHP-Gaussiano processou os dados, calculou os pesos dos critérios, agregou os desempenhos e gerou o ranking final das alternativas. Os resultados indicaram que o critério emendas parlamentares apresentou o maior peso relativo no modelo, seguido por participação em licitações e contratos firmados. A alternativa A4 foi a mais bem posicionada no ranking final, seguida por A5 e A6. Um teste de sensibilidade confirmou a coerência e robustez do modelo. Concluiu-se que o AHP-Gaussiano constituiu uma ferramenta adequada para apoiar a seleção de fornecedores no setor público, contribuindo para decisões mais consistentes, rastreáveis e alinhadas aos princípios de integridade e governança.

Palavras-chave: AHP-Gaussiano; Apoio multicritério à decisão; Conformidade; Contratações públicas; Fornecedores.

06 de novembro de 2026

Posicionamento de marcas globais de alimentação e a percepção do consumidor no mercado digital contemporâneo

A expansão de mercados globais impôs às marcas o desafio de superar a padronização digital e evitar a desconexão com consumidores de diferentes contextos culturais. O estudo analisou o posicionamento estratégico e a percepção das marcas McDonald’s, Starbucks e KFC no Brasil, França e Japão, buscando compreender como o tom de voz, a estética visual e os canais de comunicação foram moldados às preferências locais. A metodologia empregou um estudo de caso múltiplo com abordagem mista, que integrou a análise de conteúdo em perfis de Instagram e TikTok à aplicação de um formulário estruturado com 63 respondentes. Os resultados demonstraram contrastes significativos no posicionamento digital: no Brasil, a comunicação priorizou a expressividade e a proximidade emocional por meio de influenciadores; na França, o individualismo estético e o humor irônico predominaram como vetores de engajamento; e no Japão, a estratégia revelou uma comunicação de alto contexto, guiada pelo requinte visual, sazonalidade e uso de canais regionais como o aplicativo LINE. A pesquisa ratificou que 88,9% dos consumidores exigiram campanhas adaptadas, evidenciando a ressonância cultural como variável determinante para a sustentação do capital de marca. Concluiu-se que a eficácia do posicionamento digital dependeu do equilíbrio entre a identidade global e a localização profunda, tornando o consumo culturalmente relevante e autêntico.

Palavras-chave: Branding; Comportamento do Consumidor; Localização da Marca; Marketing Intercultural; Redes Sociais.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade