Este estudo está organizado em três capítulos, independentes entre si e que possuem em comum o fato de serem trabalhos aplicados de microeconometria bancária e de utilizarem dados desagregados do Banco Central do Brasil. Os dois primeiros estão relacionados com crédito e o terceiro com os submercados de agências bancárias. Os determinantes da demanda por financiamento de automóveis é o tema central do primeiro capítulo. Usando dados da Central de Risco de Crédito do Banco Central, estima-se as elasticidades da demanda por empréstimo com respeito à taxa de juros e à duração. Os tomadores respondem tanto a uma variável quanto a outra, indicando que não somente a duração, mas a taxa de juros também é importante na decisão de financiamento de automóveis. O segundo capítulo também usa os dados da Central de Risco (na modalidade capital de giro) e trata da relação entre a taxa de juros e a garantia, e da importância do tempo de relacionamento nos contratos de crédito. As estimativas fornecem evidências de que a taxa de juros e a garantia são negativamente relacionadas, e este resultado é consistente com a literatura que dá suporte ao sorting-by-private information paradigm. Adicionalmente, um tempo de relacionamento mais longo contribui para mitigar os efeitos da assimetria informacional. No terceiro capítulo, testa-se as predições do modelo de submercados independentes (Sutton, 1998) usando dados de agências bancárias. De acordo com este modelo, o equilíbrio para o agregado de submercados deve ocorrer com um grau mínimo de desigualdade no tamanho das firmas. Quando se emprega os dados do mercado bancário nacional verifica-se que a as firmas apresentam alto grau de desigualdade, mas quando se utiliza dados de mercados territorialmente desagregados (microrregiões e municípios), o grau de desigualdade torna-se baixo. Esses resultados estão em consonância com o modelo teórico. / This study is organized in the format of three independent papers that have in common: a) the fact that they are all studies about microeconomics of banking applied to Brazil; and b) the use of disaggregated data from Brazilian Central Bank. The first two are related to banking credit and the third one with banking submarkets. The determinants of credit demand on auto loan contracts is the central theme of the first chapter. Using data from the Central Banks Credit Bureau, we estimated the elasticities of loan demand with respect to interest rate and maturity. Borrowers are responsive to both variables, indicating that loan maturity is not the only important variable in car financing decisions. The second chapter investigates the relationship between interest rates and collateral and the role of relationship lending in the loan contracts, also using data from the Central Banks Credit Bureau (working capital finance). We find that interest rates and collateral are negatively related, and this result is consistent with the literature that provides support to sorting-by-private information paradigm. Also, a long-term relationship with the lender contributes to mitigate the effects of information asymmetry. In the third chapter, we test the predictions of the independent submarket model (Sutton, 1998) with banking branch level data. According to this model, the equilibrium outcome for aggregates of submarkets must involve some minimal degree of inequality in the size of firms. When using data from the national bank market we find that the degree of inequality of firms is high but when using regionally disaggregated markets (micro regions and municipalities), the degree of inequality becomes low. These findings are in consonant agreement with the theoretical model.

Este estudo está organizado em três capítulos, independentes entre si e que possuem em comum o fato de serem trabalhos aplicados de microeconometria bancária e de utilizarem dados desagregados do Banco Central do Brasil. Os dois primeiros estão relacionados com crédito e o terceiro com os submercados de agências bancárias. Os determinantes da demanda por financiamento de automóveis é o tema central do primeiro capítulo. Usando dados da Central de Risco de Crédito do Banco Central, estima-se as elasticidades da demanda por empréstimo com respeito à taxa de juros e à duração. Os tomadores respondem tanto a uma variável quanto a outra, indicando que não somente a duração, mas a taxa de juros também é importante na decisão de financiamento de automóveis. O segundo capítulo também usa os dados da Central de Risco (na modalidade capital de giro) e trata da relação entre a taxa de juros e a garantia, e da importância do tempo de relacionamento nos contratos de crédito. As estimativas fornecem evidências de que a taxa de juros e a garantia são negativamente relacionadas, e este resultado é consistente com a literatura que dá suporte ao sorting-by-private information paradigm. Adicionalmente, um tempo de relacionamento mais longo contribui para mitigar os efeitos da assimetria informacional. No terceiro capítulo, testa-se as predições do modelo de submercados independentes (Sutton, 1998) usando dados de agências bancárias. De acordo com este modelo, o equilíbrio para o agregado de submercados deve ocorrer com um grau mínimo de desigualdade no tamanho das firmas. Quando se emprega os dados do mercado bancário nacional verifica-se que a as firmas apresentam alto grau de desigualdade, mas quando se utiliza dados de mercados territorialmente desagregados (microrregiões e municípios), o grau de desigualdade torna-se baixo. Esses resultados estão em consonância com o modelo teórico. / This study is organized in the format of three independent papers that have in common: a) the fact that they are all studies about microeconomics of banking applied to Brazil; and b) the use of disaggregated data from Brazilian Central Bank. The first two are related to banking credit and the third one with banking submarkets. The determinants of credit demand on auto loan contracts is the central theme of the first chapter. Using data from the Central Banks Credit Bureau, we estimated the elasticities of loan demand with respect to interest rate and maturity. Borrowers are responsive to both variables, indicating that loan maturity is not the only important variable in car financing decisions. The second chapter investigates the relationship between interest rates and collateral and the role of relationship lending in the loan contracts, also using data from the Central Banks Credit Bureau (working capital finance). We find that interest rates and collateral are negatively related, and this result is consistent with the literature that provides support to sorting-by-private information paradigm. Also, a long-term relationship with the lender contributes to mitigate the effects of information asymmetry. In the third chapter, we test the predictions of the independent submarket model (Sutton, 1998) with banking branch level data. According to this model, the equilibrium outcome for aggregates of submarkets must involve some minimal degree of inequality in the size of firms. When using data from the national bank market we find that the degree of inequality of firms is high but when using regionally disaggregated markets (micro regions and municipalities), the degree of inequality becomes low. These findings are in consonant agreement with the theoretical model.

A identificação dos fatores que influenciam o processo de escolha do tomador na demanda por crédito apresenta não apenas um interesse mercadológico, mas também em termos acadêmicos e para o formulador de políticas públicas, buscando determinar os impactos de uma decisão que influencia o ambiente macroeconômico, bem como o comportamento dos agentes. Nestes termos, os modelos tradicionais de análise da demanda muitas vezes apresentam suposições pouco realistas e bastante restritivas, necessárias para o processo de estimação dos parâmetros de interesse. Os Modelos Lineares Generalizados Mistos com Variáveis Latentes (GLLAMM) constituem uma classe de modelos que abrangem os tradicionais modelos lineares generalizados e os modelos lineares generalizados mistos, possibilitando uma maior flexibilidade na combinação de um processo de escolha discreta com a determinação dos valores demandados de forma contínua, não impondo um processo único para todas as instituições analisadas, nem tão pouco do processo de escolha. Esta classe de modelos foi aplicada para estudar a demanda por empréstimos bancários utilizando-se informações de uma rica base de dados, a Central de Risco de Crédito do Banco Central. Assim, foi possível a identificação de variáveis como a duração da operação e a classificação de risco da operação que apresentam uma maior relevância no processo de escolha do banco, enquanto que outras, como as garantias, mostraram-se mais importante no volume a ser demandado. A identificação de nichos específicos de algumas instituições foi possível a partir desta análise. A flexibilidade desta classe de modelos também foi utilizada no intuito de se identificar os fatores que influenciam a demanda por crédito pelos bancos nas operações de redesconto, tendo conseguido tratar o problema de superdispersão ocasionado pelo excesso de zeros neste conjunto de dados. Adicionalmente, tanto efeitos diretos quanto indiretos da taxa de redesconto foram possíveis de serem estudados a partir da inclusão de efeitos aleatórios tanto no intercepto, possibilitando a incorporação de efeitos específicos de cada instituição financeira, bem como nos coeficientes, captando comportamentos individuais de cada banco frente a um mesmo estímulo. / The aim of this study is to identify the variables that affect borrower´s decision-making process through the estimation of loan demand equations. This research is relevant not only for market practitioners, but also to academics and to policy-makers, concerned with the evaluation of possible impacts of decision on the economic environment and on the agent´s behavior. Traditional models for demand estimation make unreasonable and very restrictive assumptions to estimate the parameters of interest. Generalized Linear Latent and Mixed Models (GLLAMM) constitute a class of models that includes the traditional Generalized Linear Models (GLM) and Generalized Linear Mixed Models (GLMM), which offer more flexibility and they are particularly suitable to situations that combine discrete choice with continuous decisions. Therefore, we can estimate individual equation for each bank simultaneously. This class of models was applied to study the demand for bank loans using a rich dataset provided by the Central Bank?s Credit Risk Bureau. Among the analyzed variables, the loan maturity and the credit risk classification were important in the bank choice while warranties were important in the decision related to the amount borrowed. Moreover, we could also identify specific market segments for some banks. The flexibility of this class of models was also used to identify the factors affecting the demand for overnight funds by commercial banks. This model overcomes overdispersion problems caused by excess of zeros found in the dataset. Additionally, we identified the direct and indirect effects of rediscount rate through the inclusion of random effects in the intercept (incorporating specific effects for each bank) and other coefficients (identifying individual behavior of each bank regarding the same stimuli).

A identificação dos fatores que influenciam o processo de escolha do tomador na demanda por crédito apresenta não apenas um interesse mercadológico, mas também em termos acadêmicos e para o formulador de políticas públicas, buscando determinar os impactos de uma decisão que influencia o ambiente macroeconômico, bem como o comportamento dos agentes. Nestes termos, os modelos tradicionais de análise da demanda muitas vezes apresentam suposições pouco realistas e bastante restritivas, necessárias para o processo de estimação dos parâmetros de interesse. Os Modelos Lineares Generalizados Mistos com Variáveis Latentes (GLLAMM) constituem uma classe de modelos que abrangem os tradicionais modelos lineares generalizados e os modelos lineares generalizados mistos, possibilitando uma maior flexibilidade na combinação de um processo de escolha discreta com a determinação dos valores demandados de forma contínua, não impondo um processo único para todas as instituições analisadas, nem tão pouco do processo de escolha. Esta classe de modelos foi aplicada para estudar a demanda por empréstimos bancários utilizando-se informações de uma rica base de dados, a Central de Risco de Crédito do Banco Central. Assim, foi possível a identificação de variáveis como a duração da operação e a classificação de risco da operação que apresentam uma maior relevância no processo de escolha do banco, enquanto que outras, como as garantias, mostraram-se mais importante no volume a ser demandado. A identificação de nichos específicos de algumas instituições foi possível a partir desta análise. A flexibilidade desta classe de modelos também foi utilizada no intuito de se identificar os fatores que influenciam a demanda por crédito pelos bancos nas operações de redesconto, tendo conseguido tratar o problema de superdispersão ocasionado pelo excesso de zeros neste conjunto de dados. Adicionalmente, tanto efeitos diretos quanto indiretos da taxa de redesconto foram possíveis de serem estudados a partir da inclusão de efeitos aleatórios tanto no intercepto, possibilitando a incorporação de efeitos específicos de cada instituição financeira, bem como nos coeficientes, captando comportamentos individuais de cada banco frente a um mesmo estímulo. / The aim of this study is to identify the variables that affect borrower´s decision-making process through the estimation of loan demand equations. This research is relevant not only for market practitioners, but also to academics and to policy-makers, concerned with the evaluation of possible impacts of decision on the economic environment and on the agent´s behavior. Traditional models for demand estimation make unreasonable and very restrictive assumptions to estimate the parameters of interest. Generalized Linear Latent and Mixed Models (GLLAMM) constitute a class of models that includes the traditional Generalized Linear Models (GLM) and Generalized Linear Mixed Models (GLMM), which offer more flexibility and they are particularly suitable to situations that combine discrete choice with continuous decisions. Therefore, we can estimate individual equation for each bank simultaneously. This class of models was applied to study the demand for bank loans using a rich dataset provided by the Central Bank?s Credit Risk Bureau. Among the analyzed variables, the loan maturity and the credit risk classification were important in the bank choice while warranties were important in the decision related to the amount borrowed. Moreover, we could also identify specific market segments for some banks. The flexibility of this class of models was also used to identify the factors affecting the demand for overnight funds by commercial banks. This model overcomes overdispersion problems caused by excess of zeros found in the dataset. Additionally, we identified the direct and indirect effects of rediscount rate through the inclusion of random effects in the intercept (incorporating specific effects for each bank) and other coefficients (identifying individual behavior of each bank regarding the same stimuli).