27 de outubro de 2026
Risco de crédito nas operações de crédito rural no Brasil: comparação entre fontes de recurso
Lucas Mattos de Freitas; Juliana L. de Oliveira Bergamini
DOI: 10.22167/2675-6528-202601095
Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.
Resumo
Analisou-se o risco de crédito nas operações de crédito rural no Brasil, com foco na comparação entre financiamentos concedidos com recursos livres e aqueles provenientes de fontes controladas. O objetivo central do estudo foi verificar em que medida a origem dos recursos e o custo associado ao crédito alteravam a probabilidade de inadimplência em operações rurais. A pesquisa foi desenvolvida com base em microdados administrativos extraídos do Sistema de Operações do Crédito Rural e do Proagro (SICOR), disponibilizado pelo Banco Central do Brasil, abrangendo o período de 2021 a 2025. Os procedimentos metodológicos incluíram extração, tratamento e análise estatística, com destaque para a aplicação de modelos de regressão logística para avaliar a associação entre o tipo de recurso e a inadimplência, controlando por outras variáveis. Os resultados descritivos indicaram uma inadimplência média de 8,07% nas operações com recursos livres, significativamente superior aos 1,96% observados nas operações com recursos controlados. A incorporação da regressão logística reforçou essa constatação, demonstrando que, mesmo após o controle pela taxa de juros, as operações com recursos livres apresentaram uma razão de chances de 2,84 para inadimplência em relação às operações com recursos controlados. Os achados sugeriram que a menor inadimplência observada nos recursos controlados não se explicou unicamente pelo custo do crédito, mas também por mecanismos institucionais, regulatórios e de seleção de operações. Concluiu-se que o arranjo regulatório do crédito rural controlado desempenhou um papel relevante na mitigação do risco de crédito no setor, promovendo maior estabilidade financeira.
Palavras-chave: Inadimplência; Mercado Financeiro; Política Agrícola; Regressão Logística; Regulação.
1. Introdução
O agronegócio brasileiro constitui um pilar fundamental da economia nacional, contribuindo significativamente para o Produto Interno Bruto, a balança comercial e a geração de empregos. Nesse cenário, o crédito rural desempenha um papel estratégico, viabilizando o custeio da produção, investimentos em infraestrutura e tecnologia, e a comercialização dos produtos agropecuários. A saúde financeira desse segmento é, portanto, vital para a estabilidade e o crescimento do setor. Historicamente, o crédito rural no Brasil tem apresentado características peculiares, marcadas pela coexistência de diferentes fontes de financiamento. De um lado, existem os recursos controlados, oriundos de exigibilidades bancárias e fundos específicos, com taxas de juros e condições reguladas. De outro, operam os recursos livres, captados no mercado e precificados conforme a lógica de oferta e demanda das instituições financeiras. Compreender os fatores que influenciam a qualidade da carteira de crédito rural, especialmente o risco de inadimplência, é crucial para a formulação de políticas públicas e estratégias de gestão de risco. A arquitetura do crédito rural brasileiro, com a forte presença do Estado e de políticas de financiamento setorial, é um elemento central para essa compreensão (Bacha, 2004).
Do ponto de vista teórico, a discussão sobre o risco de crédito em mercados financeiros é frequentemente ancorada na literatura de assimetria de informações e racionamento de crédito. O modelo seminal de Stiglitz e Weiss (1981) postula que, em mercados com informação imperfeita, o aumento das taxas de juros pode não apenas selecionar tomadores de maior risco (seleção adversa), mas também incentivar comportamentos mais arriscados por parte dos mutuários (risco moral). A partir dessa perspectiva, seria plausível supor que os recursos livres, por permitirem maior flexibilidade na precificação e uma alocação mais aderente às condições de mercado, tenderiam a gerar uma carteira com menor risco de inadimplência, em virtude de uma seleção de crédito mais eficiente. Contudo, a presença de mecanismos regulatórios e institucionais associados aos recursos controlados pode introduzir filtros adicionais de elegibilidade, monitoramento e acompanhamento das operações, que não se restringem apenas ao preço, alterando a dinâmica esperada da seleção de risco.
Estudos anteriores têm explorado os determinantes da inadimplência no crédito rural brasileiro sob diversas óticas. Braga de Melo e Resende Filho (2017), por exemplo, analisaram a influência de fatores macroeconômicos, como taxas de juros e inflação, bem como o impacto de renegociações de dívidas e da rentabilidade agrícola sobre a inadimplência. Complementarmente, Almeida (2016) e Pereira e Melo (2021) investigaram fatores microeconômicos e climáticos, destacando a relevância das condições de renda do produtor, das garantias oferecidas e do ambiente produtivo para a performance das operações de crédito. Embora esses trabalhos forneçam uma base sólida para entender a complexidade do risco de crédito rural, a literatura ainda carece de uma análise aprofundada que compare diretamente o desempenho em termos de inadimplência entre as operações financiadas por recursos livres e controlados, considerando os mecanismos institucionais e regulatórios subjacentes. A observação empírica preliminar do presente estudo, que aponta para uma performance de crédito superior para operações com recursos controlados, desafia a expectativa de que a liberdade de precificação dos recursos livres levaria a uma seleção de risco mais eficiente, indicando a necessidade de investigar os fatores que explicam essa dinâmica.
A aparente contradição entre a teoria de mercado, que sugere melhor alocação de risco em ambientes de precificação livre, e a observação empírica no crédito rural brasileiro, onde recursos controlados exibem menor inadimplência, demanda uma investigação aprofundada. Compreender se essa diferença é explicada por fatores além do custo do crédito, como arranjos institucionais e regulatórios, é fundamental para o desenvolvimento de políticas agrícolas e financeiras mais eficazes. Assim, o objetivo central deste estudo é analisar o risco de crédito nas operações de crédito rural no Brasil, com foco na comparação entre financiamentos concedidos com recursos livres e aqueles provenientes de fontes controladas, a fim de verificar em que medida a origem dos recursos e o custo associado ao crédito alteram a probabilidade de inadimplência em operações rurais, controlando por outras variáveis relevantes.
2. Material e Métodos
A presente pesquisa adotou uma abordagem quantitativa, utilizando microdados administrativos para analisar o risco de crédito em operações rurais no Brasil. O estudo concentrou-se na comparação entre financiamentos concedidos com recursos livres e aqueles provenientes de fontes controladas, buscando verificar como a origem dos recursos e o custo associado ao crédito impactam a probabilidade de inadimplência. Essa metodologia permitiu uma investigação aprofundada dos mecanismos institucionais e regulatórios que podem influenciar a qualidade da carteira de crédito rural, conforme o objetivo central delineado na introdução.
O contexto do estudo abrangeu o mercado de crédito rural brasileiro, com foco nas operações registradas no Sistema de Operações do Crédito Rural e do Proagro (SICOR), disponibilizado pelo Banco Central do Brasil (BCB). O período de análise compreendeu os anos de 2021 a 2025. Esse recorte temporal foi selecionado estrategicamente para observar a dinâmica mais recente do crédito rural, em um cenário pós-pandemia, caracterizado por alterações significativas nas condições financeiras e no custo do crédito, minimizando interferências de períodos atípicos e concentrando a análise em um horizonte comparável.
A unidade de análise primária consistiu em operações individuais de crédito rural. A população de interesse englobou todas as operações de crédito rural registradas no SICOR e Proagro durante o período de 2021 a 2025. A amostra foi composta por todas as operações para as quais foi possível extrair e integrar dados completos das bases do SICOR, após a aplicação de critérios de seleção que garantiram a clareza e a consistência das informações, especialmente quanto à classificação da fonte de recurso, conforme detalhado nas etapas de tratamento de dados.
Os instrumentos de coleta de dados foram as bases de dados do Sistema de Operações do Crédito Rural e do Proagro (SICOR), mantidas pelo Banco Central do Brasil. A pesquisa foi construída a partir da integração de duas bases principais do SICOR, que são complementares entre si. A primeira base, denominada “saldos”, forneceu informações periódicas sobre o estoque das operações, incluindo saldo médio diário, saldo vincendo, saldo no último dia do período e a situação da operação, essencial para identificar a inadimplência.
A segunda base, referida como “operação básica por estado”, conteve as características contratuais das operações. Essas características incluíram a fonte de recurso, a taxa nominal de juros, o custo efetivo total, a unidade federativa, a categoria do tomador, o programa de crédito, o tipo de seguro e o valor financiado. O uso conjunto dessas bases permitiu relacionar, em uma mesma análise, as características contratuais definidas no momento da concessão do crédito com as informações observadas ao longo da execução da operação, fornecendo uma visão abrangente do ciclo de vida do crédito rural.
As etapas de execução da pesquisa iniciaram-se com a importação individual dos arquivos anuais referentes ao período de 2021 a 2025. Posteriormente, esses arquivos foram consolidados em uma base única por meio de empilhamento vertical, padronizando a estrutura dos registros. Em seguida, as duas bases principais do SICOR foram integradas utilizando uma junção do tipo “left join”, empregando os campos X. REF_BACEN e NU_ORDEM como chaves compostas. Essa estratégia assegurou a preservação das observações da base de saldos e a incorporação das informações contratuais correspondentes.
Após a integração, realizou-se uma etapa de seleção de variáveis, mantendo-se apenas aquelas consideradas necessárias para a análise de risco de crédito. Da base de saldos, foram preservadas variáveis como ANO_BASE, MES_BASE, VL_MEDIO_DIARIO_VINCENDO, VL_ULTIMO_DIA, VL_MEDIO_DIARIO e CD_SITUACAO_OPERACAO. Da base contratual, foram mantidas X. REF_BACEN, NU_ORDEM, CD_FONTE_RECURSO, CD_TIPO_SEGURO, CD_EMPREENDIMENTO, CD_PROGRAMA, VL_JUROS, CD_ESTADO, VL_PARC_CREDITO, VL_PERC_CUSTO_EFET_TOTAL e CD_CATEG_EMITENTE, focando nas informações diretamente relacionadas ao comportamento da operação e ao perfil do tomador.
Um tratamento crucial dos dados envolveu a conversão da variável de custo efetivo total (VL_PERC_CUSTO_EFET_TOTAL). Originalmente, essa variável estava em formato textual, contendo símbolos de porcentagem e vírgulas decimais, o que inviabilizava seu uso direto em modelos estatísticos. Para corrigir essa inconsistência, removeu-se o símbolo de porcentagem, substituiu-se a vírgula por ponto e converteu-se o conteúdo para o formato numérico. Esse procedimento permitiu que a variável fosse interpretada como uma medida contínua do custo do crédito, essencial para as análises econométricas subsequentes.
A classificação das fontes de recurso também demandou tratamento específico. Com base nas diretrizes do Manual de Crédito Rural, os códigos da variável CD_FONTE_RECURSO foram agrupados em duas categorias analíticas principais: recursos livres e recursos controlados. Os recursos livres compreenderam operações financiadas por fontes de mercado, como recursos livres bancários, LCA a taxas livres, poupança rural livre e BNDES livre. Já os recursos controlados abrangeram operações submetidas a direcionamento obrigatório, subsídio, equalização ou regras específicas, como Tesouro Nacional, exigibilidades bancárias, fundos constitucionais, FUNCAFÉ, BNDES equalizável e poupança rural controlada. Observações sem classificação clara foram excluídas da amostra analítica para evitar ambiguidades.
A variável dependente do estudo, a ocorrência de inadimplência, foi construída a partir da variável CD_SITUACAO_OPERACAO. Foram classificadas como inadimplentes as operações enquadradas nos códigos 9, 11 e 12, que correspondem, respectivamente, a prejuízo, cobrança e dívida ativa. Com base nessa regra, criou-se a variável binária INADIMPLENTE, onde o valor 1 representou a ocorrência de inadimplência e o valor 0 as demais situações. Adicionalmente, foi criada uma variável histórica por contrato, denominada teve_inadimplencia, para indicar se a operação apresentou inadimplência em qualquer momento do período analisado.
Para a etapa de modelagem econométrica, construiu-se uma base analítica específica contendo uma única observação por contrato. Essa redução foi realizada por meio da identificação de registros duplicados a partir da chave X. REF_BACEN, mantendo-se apenas uma linha por operação. Em seguida, foram preservadas somente as observações com informações completas para as variáveis essenciais à modelagem, incluindo tipo de recurso, ano-base, unidade federativa, porte do produtor, custo efetivo total e histórico de inadimplência. As variáveis categóricas foram convertidas para o formato fator, permitindo sua utilização adequada na regressão logística.
A estimação econométrica foi realizada por meio de modelos de regressão logística, técnica apropriada para variáveis dependentes binárias, como a inadimplência. A regressão logística permitiu estimar a probabilidade de ocorrência do evento de interesse em função de um conjunto de variáveis explicativas. A formulação geral do modelo expressou que a probabilidade de inadimplência depende do vetor de covariáveis observáveis. Em termos práticos, esse tipo de modelo indicou como cada característica da operação estava associada ao aumento ou à redução da chance de inadimplência, fornecendo insights sobre os fatores determinantes do risco de crédito.
Foram especificados três modelos principais de regressão logística. O primeiro, um modelo básico, considerou apenas o tipo de recurso para medir a diferença bruta entre recursos livres e controlados. O segundo modelo incorporou o custo efetivo total, permitindo verificar se o efeito do tipo de recurso persistia após o controle da taxa de juros. O terceiro, um modelo multivariado completo, incluiu tipo de recurso, taxa de juros, ano-base, unidade federativa e porte do produtor, visando estimar o efeito líquido do tipo de recurso, controlando simultaneamente heterogeneidades temporais, regionais e estruturais.
Os resultados da regressão logística foram apresentados em forma de razões de chance, obtidas pela exponenciação dos coeficientes estimados. Esse formato facilitou a interpretação dos efeitos, onde valores acima de 1 indicaram aumento da chance de inadimplência e valores abaixo de 1 indicaram redução. Além da modelagem econométrica, a pesquisa desenvolveu análises descritivas complementares. Foram calculadas estatísticas de inadimplência por tipo de recurso, evolução anual, retorno ao curso normal, mapas de calor por fonte de recurso e faixa de juros, inadimplência por categoria do emitente e probabilidades previstas por tipo de recurso, oferecendo uma interpretação mais ampla dos resultados.
Todo o processamento e análise dos dados foram realizados no ambiente RStudio, utilizando os pacotes dplyr, ggplot2, broom e tibble. Esses recursos foram empregados em todas as etapas, desde a importação e consolidação até o tratamento, modelagem e visualização dos dados. A utilização desses pacotes e a documentação do pipeline completo no script desenvolvido para a pesquisa garantiram a reprodutibilidade do procedimento analítico e a rastreabilidade das etapas executadas, assegurando a integridade e a transparência da metodologia aplicada ao conjunto de dados.
3. Resultados e Discussão
Os resultados obtidos a partir da análise dos microdados administrativos do Sistema de Operações do Crédito Rural e do Proagro (SICOR) revelaram padrões distintos de risco de crédito entre as operações financiadas por recursos livres e aquelas com recursos controlados no Brasil, no período de 2021 a 2025. A análise descritiva inicial demonstrou uma diferença substancial na inadimplência média, com as operações de recursos livres apresentando uma taxa de 8,07%, significativamente superior aos 1,96% observados nas operações com recursos controlados. Este achado é crucial, pois contraria a hipótese inicial de que a maior flexibilidade de precificação e a lógica de mercado associadas aos recursos livres levariam a uma seleção de risco mais eficiente e, consequentemente, a uma menor inadimplência. Pelo contrário, a evidência empírica sugere que o ambiente regulatório e os mecanismos institucionais inerentes aos recursos controlados desempenham um papel preponderante na mitigação do risco de crédito.
A persistência desse diferencial de inadimplência ao longo de todos os anos analisados, conforme ilustrado na Figura 1, reforça a ideia de que não se trata de uma flutuação pontual, mas de um padrão estrutural no comportamento das carteiras. A Figura 1 evidencia claramente que, em cada ano do período de 2021 a 2025, a proporção de operações inadimplentes foi consistentemente maior no segmento de recursos livres. Este comportamento sistemático desafia a visão simplista de que a intervenção regulatória no mercado de crédito rural, ao impor taxas de juros administradas ou limitadas, necessariamente distorceria a alocação de capital e aumentaria o risco. Pelo contrário, a menor inadimplência nos recursos controlados aponta para a eficácia de outros mecanismos de controle e seleção de crédito que operam nesse segmento.
Fonte: Resultados originais da pesquisa
Figura 1. Percentual de inadimplência por fonte de recurso (2021-2025)
A literatura sobre assimetria de informações e racionamento de crédito, como o modelo seminal de Stiglitz e Weiss (1981), postula que o aumento das taxas de juros pode atrair tomadores mais arriscados (seleção adversa) e incentivar comportamentos de risco moral. No entanto, o presente estudo sugere que, no contexto do crédito rural brasileiro, a regulação associada aos recursos controlados pode introduzir filtros adicionais de elegibilidade e acompanhamento que superam os potenciais efeitos negativos das taxas administradas. Bacha (2004) já havia destacado o papel do Estado e das exigibilidades bancárias na arquitetura do crédito rural, indicando que os recursos controlados não são apenas “crédito mais barato”, mas sim operações inseridas em um regime normativo mais restritivo. Essa perspectiva teórica é fundamental para interpretar os resultados descritivos, que apontam para um desempenho superior do segmento regulado.
A análise da relação entre taxa de juros e inadimplência, quando observada isoladamente para os dois grupos de recursos, não se mostrou conclusiva, conforme indicado por análises descritivas complementares. Um mapa de calor de inadimplência por fonte de recurso e faixa de juros, embora não detalhado graficamente neste ponto, revelou que a complexidade da interação entre o custo do crédito e o risco de inadimplência transcende uma simples correlação linear. Em vez disso, a performance do crédito parece ser moldada por uma combinação de fatores, incluindo a natureza da fonte de recurso e as características intrínsecas dos tomadores e das operações. Este achado sugere que a precificação do risco no crédito rural é um fenômeno multifacetado, onde a taxa de juros é apenas um dos componentes, e não necessariamente o mais determinante em todos os contextos. Para formuladores de políticas e instituições financeiras, isso implica que a gestão do risco de crédito rural exige uma abordagem holística, que considere não apenas o custo do capital, mas também os mecanismos de seleção, monitoramento e as características socioeconômicas dos produtores.
Adicionalmente, a categoria do emitente mostrou-se associada ao comportamento da inadimplência. Análises descritivas complementares, que examinaram o número de inadimplentes por categoria de emitente, indicaram que o maior contingente de inadimplentes se concentrava entre os pequenos produtores rurais, seguido pelos médios e, em menor proporção, pelos grandes produtores. Embora o número absoluto de inadimplentes possa ser maior entre os pequenos produtores devido à sua maior representatividade na base de dados ou a vulnerabilidades específicas, a interpretação desse dado deve ser feita com cautela. Estudos como os de Almeida (2016) e Pereira e Melo (2021) ressaltam a importância de fatores microeconômicos e climáticos na inadimplência rural, que podem afetar desproporcionalmente os pequenos produtores. No entanto, a análise de regressão logística posterior refinará essa compreensão, revelando o risco relativo de cada categoria. Para as políticas públicas, este resultado inicial sublinha a necessidade de programas de crédito rural que considerem as especificidades de cada porte de produtor, com mecanismos de apoio e mitigação de risco adaptados às suas capacidades e vulnerabilidades.
A regressão logística, empregada para estimar a probabilidade de inadimplência, forneceu uma base mais robusta para a interpretação dos achados. No Modelo 1, que considerou apenas o tipo de recurso como variável explicativa, as operações financiadas com recursos livres apresentaram uma razão de chances (OR) de 2,48 para inadimplência em relação às operações com recursos controlados. Isso significa que, na comparação bruta, a chance de inadimplência foi quase duas vezes e meia maior entre as operações baseadas em fontes de recursos livres. A Figura 2 ilustra essa diferença de probabilidade, mostrando que a probabilidade de inadimplência para recursos livres é substancialmente maior do que para recursos controlados. Este resultado reforça a observação descritiva e solidifica a ideia de que a origem do recurso não é um fator neutro no risco de crédito.
Fonte: Resultados originais da pesquisa
Figura 2. Probabilidade de inadimplência por tipo de recurso
A implicação prática desse achado é que as instituições financeiras e os formuladores de políticas não podem tratar as operações de crédito rural de forma homogênea, independentemente da fonte de recurso. A existência de um diferencial tão acentuado na probabilidade de inadimplência, mesmo antes de controlar outras variáveis, sugere que os mecanismos de concessão, acompanhamento e cobrança são intrinsecamente diferentes entre os dois tipos de recursos. Para as instituições que operam com ambas as modalidades, isso implica a necessidade de modelos de risco e estratégias de gestão de carteira distintos, adaptados às características regulatórias e de mercado de cada fonte. Para os formuladores de políticas, o resultado inicial já aponta para a eficácia do arcabouço regulatório dos recursos controlados na contenção do risco.
A robustez desse achado foi ainda mais evidenciada no Modelo 2, que incorporou o custo efetivo total (taxa de juros) como variável de controle. Mesmo após ajustar para a taxa de juros, o efeito do tipo de recurso permaneceu estatisticamente relevante e, notavelmente, intensificou-se, alcançando uma razão de chances de 2,84. Isso significa que as operações com recursos livres continuaram a apresentar uma probabilidade de inadimplência quase três vezes maior do que as operações com recursos controlados, mesmo quando o custo do crédito foi levado em consideração. A Figura 3 visualiza esse resultado, demonstrando que a diferença na probabilidade de inadimplência entre os tipos de recurso persiste e se acentua após o controle da taxa de juros.
Fonte: Resultados originais da pesquisa
Figura 3. Probabilidade de inadimplência por tipo de recurso, controlando para taxa de juros
Este é um dos resultados mais significativos do estudo, pois refuta diretamente a ideia de que a menor inadimplência nos recursos controlados seria meramente um reflexo de taxas de juros mais baixas ou subsidiadas. A persistência e intensificação do efeito do tipo de recurso, mesmo após o controle do custo, sugere fortemente que outros fatores, de natureza institucional e regulatória, são os verdadeiros mitigadores de risco. Isso dialoga com a literatura que enfatiza o papel de mecanismos não-preço na alocação de crédito e na gestão de risco em mercados com assimetria de informação. O ambiente regulado dos recursos controlados, com suas exigibilidades, direcionamentos e maior disciplina documental, parece impor filtros adicionais de elegibilidade e acompanhamento que resultam em uma carteira de melhor qualidade, independentemente do nível de juros cobrado.
Do ponto de vista prático, este resultado tem implicações profundas. Para os bancos e cooperativas de crédito, significa que a simples comparação de taxas de juros entre recursos livres e controlados não é suficiente para avaliar o risco. É imperativo que as instituições compreendam e incorporem em seus modelos de risco as diferenças nos processos de seleção, monitoramento e recuperação de crédito que caracterizam cada tipo de recurso. Para os formuladores de políticas, o achado sugere que o valor dos recursos controlados não reside apenas no subsídio de juros, mas na estrutura regulatória que os acompanha, que atua como um mecanismo eficaz de triagem e gestão de risco. Portanto, qualquer reforma no sistema de crédito rural deve considerar cuidadosamente a manutenção ou aprimoramento desses mecanismos institucionais.
O Modelo 3, a regressão logística ajustada mais completa, confirmou a robustez da associação entre o tipo de recurso e a inadimplência, mesmo após o controle simultâneo por taxa de juros, ano, unidade da federação e porte do produtor. As operações com recursos livres apresentaram uma razão de chances de 2,25 (IC95%: 2,21–2,29; p < 0,001), indicando que a probabilidade de inadimplência nessas operações é mais que o dobro daquelas com recursos controlados. Este resultado finaliza a discussão sobre a origem dos recursos, confirmando que o arranjo institucional e regulatório associado aos recursos controlados é um fator determinante na mitigação do risco de crédito rural.
A variável de custo efetivo total (taxa de juros) apresentou uma associação inversa com a inadimplência (OR = 0,99; IC95%: 0,987–0,989; p < 0,001), sugerindo que aumentos na taxa de juros estão associados a uma *redução* da probabilidade de inadimplência. Este resultado, à primeira vista contraintuitivo, é um ponto crucial para debate. Ele pode ser interpretado à luz de mecanismos de seleção de crédito e racionamento. Em mercados com assimetria de informação, as instituições financeiras podem cobrar taxas de juros mais elevadas de tomadores percebidos como mais arriscados, mas, ao mesmo tempo, podem aplicar critérios de seleção mais rigorosos, exigir garantias adicionais ou implementar um monitoramento mais intensivo para essas operações. Assim, as operações com taxas mais altas podem, paradoxalmente, ser concedidas a tomadores com um perfil de risco intrínseco melhor ou que são submetidos a um escrutínio maior, resultando em menor inadimplência observada. Este achado desafia diretamente a premissa de que taxas mais altas sempre implicam maior risco, conforme sugerido por Stiglitz e Weiss (1981) em seu modelo de seleção adversa, ao introduzir a complexidade dos mecanismos de triagem e monitoramento que podem operar em paralelo à precificação.
As implicações práticas dessa associação inversa são significativas para a gestão de risco. As instituições financeiras não devem interpretar uma taxa de juros mais alta como um sinal automático de maior risco de inadimplência. Em vez disso, devem investigar os mecanismos subjacentes de seleção e acompanhamento que podem estar associados a essas taxas. Para os formuladores de políticas, o resultado sugere que a taxa de juros, por si só, não é um indicador linear do risco de crédito e que as políticas de crédito devem considerar a interação entre a precificação, os critérios de elegibilidade e as estratégias de monitoramento.
Observou-se também um efeito temporal significativo na inadimplência. Em relação ao ano de referência, houve um aumento expressivo da inadimplência em 2022 (OR = 1,80), 2023 (OR = 2,94) e 2024 (OR = 2,63), indicando um agravamento do risco ao longo do período analisado. Em 2025, embora ainda acima do ano de referência, houve uma redução relativa (OR = 1,36), sugerindo uma possível inflexão na tendência. Essa dinâmica temporal pode ser atribuída a fatores macroeconômicos e conjunturais que afetam a capacidade de pagamento dos produtores rurais, como oscilações nos preços agrícolas, condições climáticas adversas e variações no custo de produção (Braga de Melo & Resende Filho, 2017; Pereira & Melo, 2021). A pandemia de COVID-19 e suas consequências econômicas, seguidas por períodos de alta inflação e aumento das taxas de juros globais, podem ter contribuído para o aumento do risco nos anos iniciais do período analisado. A subsequente estabilização ou recuperação econômica pode explicar a inflexão observada em 2025.
Para as instituições financeiras, a compreensão desses efeitos temporais é crucial para o desenvolvimento de modelos de risco dinâmicos e para a implementação de estratégias de provisionamento e gestão de carteira que considerem os ciclos econômicos e agrícolas. Para os formuladores de políticas, os resultados destacam a necessidade de políticas anticíclicas e mecanismos de apoio que possam ser ativados em períodos de maior vulnerabilidade econômica ou climática, a fim de proteger a estabilidade do crédito rural e a renda dos produtores.
No que se refere à dimensão espacial, verificou-se uma elevada heterogeneidade entre as unidades da federação. Diversos estados apresentaram menor probabilidade de inadimplência em relação à categoria de referência, com destaque para Santa Catarina (OR = 0,19), Espírito Santo (OR = 0,17) e Amazonas (OR = 0,13). Essa variação regional é detalhada na Tabela 1, que apresenta as probabilidades estimadas de inadimplência por UF e fonte de recurso.
Tabela 1. Probabilidade de inadimplência por UF e Fonte de Recurso
|
Estado |
Recurso Controlado (%) |
Recurso Livre (%) |
|
AC (ref) |
3,6% |
8,1% |
|
AL |
3,4% |
7,6% |
|
AM |
0,5% |
1,1% |
|
AP |
3,6% |
8,1% |
|
BA |
2,1% |
4,7% |
|
CE |
3,0% |
6,7% |
|
DF |
0,6% |
1,3% |
|
ES |
0,6% |
1,3% |
|
GO |
1,3% |
2,9% |
|
MA |
3,5% |
7,9% |
|
MG |
1,0% |
2,2% |
|
MS |
2,0% |
4,5% |
|
MT |
2,3% |
5,2% |
|
PA |
3,4% |
7,7% |
|
PB |
2,7% |
6,1% |
|
PE |
2,9% |
6,4% |
|
PI |
3,2% |
7,2% |
|
PR |
1,0% |
2,3% |
|
RJ |
2,2% |
5,0% |
|
RN |
2,8% |
6,3% |
|
RO |
2,6% |
5,9% |
|
RR |
1,6% |
3,6% |
|
RS |
1,0% |
2,3% |
|
SC |
0,7% |
1,6% |
|
SE |
1,4% |
3,2% |
|
SP |
1,3% |
3,0% |
|
TO |
2,4% |
5,4% |
Fonte: Resultados originais da pesquisa
A heterogeneidade espacial pode ser explicada por diferenças nas estruturas produtivas regionais, na resiliência a choques climáticos, na diversificação econômica e na eficácia das políticas públicas e programas de crédito implementados localmente. Estados com menor inadimplência podem possuir cadeias produtivas mais robustas, maior acesso a mercados, ou programas de assistência técnica e financeira mais eficazes. Para formuladores de políticas, este achado sublinha a importância de regionalizar as políticas de crédito rural, adaptando-as às realidades e necessidades específicas de cada unidade federativa. Para as instituições financeiras, a análise regional é essencial para refinar a precificação do risco, alocar capital de forma mais eficiente e desenvolver produtos de crédito que atendam às particularidades de cada região.
Em relação ao porte do produtor, o Modelo 3 revelou que médios produtores apresentaram maior risco de inadimplência (OR = 1,15) em comparação com a categoria de referência, enquanto pequenos produtores apresentaram menor risco relativo (OR = 0,88). Este resultado refina a observação descritiva inicial, que indicava um maior *número* de inadimplentes entre os pequenos produtores. A regressão logística mostra que, *controlando* por outras variáveis, o risco *relativo* de inadimplência para pequenos produtores é, na verdade, menor. Este achado pode ser explicado pela maior inserção dos pequenos produtores em programas de crédito direcionado e políticas públicas de apoio, que frequentemente oferecem condições mais favoráveis, subsídios, assistência técnica e mecanismos de proteção, como o Proagro, mitigando seu risco relativo. Bacha (2004) já havia apontado o papel do Estado e das políticas de financiamento setorial na proteção de segmentos específicos.
Para os formuladores de políticas, este resultado valida a eficácia dos programas de apoio aos pequenos produtores, sugerindo a continuidade e o aprimoramento dessas iniciativas. Para as instituições financeiras, implica a necessidade de reavaliar o perfil de risco dos médios produtores, que, apesar de não estarem tão expostos a vulnerabilidades extremas quanto os pequenos, podem não se beneficiar dos mesmos mecanismos de proteção e direcionamento de crédito, tornando-os relativamente mais arriscados. A Figura 4, um “forest plot”, sintetiza as razões de chance para as principais variáveis do Modelo 3, oferecendo uma visão clara da magnitude e precisão dos efeitos estimados.
Fonte: Resultados originais da pesquisa
Figura 4. Razões de chance para inadimplência
Em suma, os resultados da regressão logística evidenciaram que a origem dos recursos constitui um fator determinante da inadimplência no crédito rural brasileiro. Operações financiadas com recursos livres apresentaram uma probabilidade significativamente maior de inadimplência quando comparadas às operações com recursos controlados, mesmo após o controle por variáveis cruciais como a taxa de juros, o ano, a unidade federativa e o porte do produtor. Este achado robusto reforça a hipótese de que o ambiente regulatório associado aos recursos controlados, marcado por exigibilidades, direcionamento de crédito e maior rigor na concessão e acompanhamento, atua como um mecanismo eficaz de mitigação do risco de crédito. A menor inadimplência observada nos recursos controlados não decorre apenas de um custo de crédito potencialmente mais baixo, mas de um regime distinto de concessão, enquadramento e monitoramento que molda o perfil de risco da carteira.
A discussão dos achados sugere que o risco de crédito no crédito rural brasileiro é condicionado por elementos institucionais e regulatórios que transcendem a mera precificação monetária da operação. A persistência e ampliação do efeito do tipo de recurso na regressão, mesmo com controle para a taxa de juros, indicam que a origem dos recursos representa um regime mais amplo de concessão, enquadramento e monitoramento. Nos recursos controlados, a existência de exigibilidades, regras operacionais específicas e maior disciplina documental funcionam como mecanismos adicionais de seleção e acompanhamento, explicando por que carteiras com juros administrados ou limitados não exibem pior performance. Pelo contrário, o ambiente regulado pode reduzir a entrada de operações mais arriscadas ou impor filtros que melhoram a qualidade média da carteira.
Por outro lado, os recursos livres, embora operem com maior flexibilidade contratual e lógica comercial de mercado, não demonstraram menor risco. A evidência sugere que essa flexibilidade pode vir acompanhada de uma composição distinta de tomadores, perfis produtivos ou motivações de contratação que elevam a exposição à inadimplência. Assim, a precificação mais livre não se mostrou suficiente para compensar os fatores estruturais que diferenciam as carteiras. A associação inversa entre taxa de juros e inadimplência no modelo multivariado reforça essa complexidade, sugerindo que taxas mais altas podem estar ligadas a mecanismos de seleção ou monitoramento mais rigorosos, ou a um perfil de risco intrínseco diferente dos tomadores que acessam essas linhas.
Do ponto de vista acadêmico, este trabalho contribui ao demonstrar que a avaliação do risco de crédito rural não pode ser reduzida à comparação entre juros administrados e juros de mercado. A regressão logística mostrou que o tipo de fontes de recursos carrega um conteúdo institucional próprio que afeta a inadimplência de maneira robusta, enriquecendo a literatura sobre economia institucional e finanças rurais. Em termos práticos, os achados interessam a formuladores de política pública, agentes financeiros e pesquisadores do mercado de crédito rural. A evidência de melhor desempenho dos recursos controlados sugere que mecanismos regulatórios e exigibilidades podem exercer papel relevante na mitigação do risco, desde que não comprometam excessivamente a eficiência operacional e o acesso ao financiamento.
As implicações para a política pública são claras: a arquitetura regulatória do crédito rural, especialmente no que tange aos recursos controlados, deve ser vista como um ativo estratégico para a estabilidade do setor. Políticas que visem a desregulamentação ou a redução das exigibilidades devem ser cuidadosamente avaliadas quanto aos seus potenciais impactos no risco de crédito. É fundamental que os formuladores de políticas considerem a manutenção e o aprimoramento dos mecanismos de seleção e monitoramento que acompanham os recursos controlados, em vez de focar exclusivamente na liberalização das taxas de juros. Além disso, a heterogeneidade temporal e espacial dos resultados aponta para a necessidade de políticas mais flexíveis e regionalizadas, capazes de responder às dinâmicas específicas de cada período e região.
Para as instituições financeiras, os resultados indicam a necessidade de desenvolver modelos de risco e estratégias de gestão de carteira que diferenciem claramente entre recursos livres e controlados. A simples aplicação de modelos de risco genéricos pode subestimar o risco das operações com recursos livres e superestimar o risco das operações controladas. É crucial investir em sistemas de avaliação de crédito que considerem não apenas as características financeiras dos tomadores, mas também o contexto regulatório e institucional da operação. A compreensão de que os pequenos produtores, apesar de seu maior número de inadimplentes, apresentam um risco relativo menor quando controlados por outras variáveis, sugere que programas de crédito direcionados e políticas de apoio são eficazes e devem ser mantidos, com atenção especial aos médios produtores, que mostraram um risco relativo maior.
Em síntese, este trabalho analisou o risco de crédito nas operações de crédito rural no Brasil, comparando operações com recursos livres e recursos controlados no período de 2021 a 2025. A análise descritiva mostrou inadimplência média de 8,07% nos recursos livres e de 1,96% nos recursos controlados, evidenciando desempenho superior da carteira regulada. Por meio da regressão logística, essa diferença não apenas permaneceu, mas se fortaleceu após o controle pela taxa de juros. As operações com recursos livres apresentaram razão de chances de 2,48 no modelo bruto e de 2,84 no modelo ajustado, ao passo que a taxa de juros exibiu associação inversa com a inadimplência, com razão de chances de 0,99. Esses resultados levam à rejeição da hipótese inicial de que os recursos livres apresentariam menor risco em razão da precificação mais aderente ao mercado. Em vez disso, os achados indicaram que os recursos controlados se beneficiam de um ambiente institucional e regulatório capaz de melhorar a seleção de crédito e reduzir a exposição à inadimplência. Como limitações, o estudo ainda pode avançar com a inclusão de novos controles explicativos, testes de robustez e detalhamento por perfil de produtor, tipo de produção, modalidade e finalidade do crédito. Ainda assim, os resultados já oferecem evidência de que a arquitetura regulatória do crédito rural brasileiro constitui elemento fundamental para a compreensão do risco de crédito no setor e para a formulação de políticas mais eficazes.
4. Conclusão
Conclui-se que o objetivo foi atingido, ao analisar o risco de crédito nas operações de crédito rural no Brasil, comparando financiamentos com recursos livres e controlados, e verificando como a origem dos recursos e o custo do crédito alteram a probabilidade de inadimplência. Os resultados demonstraram que as operações com recursos livres apresentaram uma probabilidade significativamente maior de inadimplência em comparação às operações com recursos controlados, mesmo após o controle por variáveis como taxa de juros, ano, unidade federativa e porte do produtor. Este achado refuta a hipótese inicial de que a precificação mais livre dos recursos levaria a menor risco, indicando que o ambiente institucional e regulatório associado aos recursos controlados atua como um eficaz mitigador de risco. A associação inversa entre taxa de juros e inadimplência sugere a complexidade dos mecanismos de seleção e monitoramento de crédito.
Apesar da robustez dos achados, o presente estudo possui limitações que abrem caminho para futuras investigações. Sugere-se que estudos futuros possam avançar com a inclusão de novos controles explicativos, como variáveis socioeconômicas mais detalhadas dos produtores, e a realização de testes de robustez adicionais para validar os modelos. O detalhamento por perfil de produtor, tipo de produção, modalidade e finalidade do crédito também pode enriquecer a compreensão das dinâmicas de risco. Tais aprofundamentos permitiriam uma análise ainda mais granular e contextualizada, contribuindo para a formulação de políticas públicas e estratégias de gestão de risco mais precisas no agronegócio brasileiro.
Referências Bibliográficas
Almeida, C.A. de. 2016. Determinantes da Inadimplência no Crédito Rural Brasileiro. Tese de Doutorado em Economia Aplicada. Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, Piracicaba, SP, Brasil.
Bacha, C.J.C. 2004. Economia e Política Agrícola no Brasil. Atlas, São Paulo, SP, Brasil.
Braga de Melo, A.S.; Resende Filho, J. 2017. Uma crítica às renegociações da dívida rural: determinantes do risco de crédito rural no Brasil. Revista Brasileira de Economia 71(1): 69-92. Disponível em: <https://www.scielo.br/j/rbe/a/7sb9fHHyPZvsXgr8xBQgZcP/>. Acesso em: 19 abr. 2026.
Pereira, R.M.; Melo, A.S. 2021. Inadimplência no crédito rural brasileiro: uma análise dos fatores macroeconômicos e climáticos. Revista de Política Agrícola 30(2): 45-60.
Stiglitz, J.E.; Weiss, A. 1981. Credit rationing in markets with imperfect information. The American Economic Review 71(3): 393-410.
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

