O objetivo principal deste artigo é estimar a contribuição dos bancos no mercado financeiro brasileiro ao risco sistêmico utilizando a metodologia proposta por Adrian e Brunnermeier (2011). Esta aplicação é relevante do ponto de vista de avaliação da regulação vigente, e na verificação dos padrões de risco vigentes mercado nacional. Entre os resultados encontrados, destacam-se três pontos distintos: (a) há uma grande divergência nos patamares de risco entre os períodos de baixa e alta estabilidade monetária; (b) a relação entre tamanho e risco gerado pelas instituições financeiras é não linear; e (c) assim como visto em trabalhos aplicados a outros países, o Value at Risk nem sempre acompanha a contribuição de um banco ao risco sistêmico, colocando em xeque as métricas da regulação vigente. / The main goal this of this paper is estimate the systemic risk contribution of the banks in the Brazilian financial markets, using the CoVaR methodology proposal in Adrian and Brunnermeier (2011). This application is relevant from the point of view of the effective regulation, and the examination of the patterns of the national market risk. Among the obtained results, stand out are three distinctive points: (a) there is a huge difference in levels of risk between poor and high stability environments; (b) the relationship between size and risk generated by financial institutions is not linear; and (c) as seen in previous works applied in others countries, the Value at Risk does not always follow the bank risk contribution to systemic risk, jeopardizing the metrics of the effective regulation.

Made available in DSpace on 2015-05-08T14:44:54Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 1042501 bytes, checksum: 8db4ba1b8609308481231542b70de561 (MD5) Previous issue date: 2012-10-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Durante la última década, de acuerdo con ABECS (Asociación Brasileña de Empresas de Tarjetas de Crédito y Servicios), el mercado de tarjetas ha crecido en promedio un 23% anual, registrando un récord de ventas de $ 670 millones en 2011. El número de tarjetas en circulación en este periodo aumentó 504 millones a 183 millones en 2002 a 687 millones en 2011. Por el contrario, el interés en tarjetas de crédito en Brasil son las más altas de América Latina, un promedio de 238,6% anual, muy por debajo de las cuotas por sobregiros que son 162% pa. Estas tasas también se refleja en las tasas de morosidad de los consumidores, alcanzando un nivel del 29,5%, cinco veces más que el promedio de crédito para las personas, que es de 6%. Ante este escenario, el presente trabajo se propone discutir y analizar los efectos de un aumento en la tasa de interés Selic en el mercado de transacción de tarjeta de volumen considerando los niveles de riesgo para los consumidores adoptadas por el Banco Central de Brasil. Para este modelo fue utilizado por Tobias Adrian y Brunnermeier Markus (2010) denomina CoVaR, que simula la contribución de una variable en un conjunto de variables. Esta investigación puso de manifiesto que existe una correlación entre la tasa Selic y el volumen de transacciones en el mercado de tarjetas de crédito con respecto a cuantiles investigados, es decir, el volumen de transacciones con tarjetas de crédito sufrir el impacto de un alza de tasas interés. Sin embargo, más estudios son recomendados para examinar la correlación entre el nivel de riesgo de las operaciones de crédito y tasa de interés. / Nos últimos dez anos, de acordo com a ABECS (Associação Brasileira das Empresas de Cartões de Crédito e Serviços), o mercado de cartões cresceu, em média, 23% ao ano, registrando um faturamento recorde de R$ 670 bilhões no ano de 2011. O número de cartões em circulação aumentou 504 milhões neste período de 183 milhões em 2002 para 687 milhões de cartões em 2011. Em contrapartida, os juros dos cartões de crédito no Brasil são os mais altos da América Latina: em média, 238,6% ao ano, bem inferior às taxas cobradas no cheque especial, que são de 162% a.a. Essas taxas também se refletem nos índices de inadimplência dos consumidores, que atinge o patamar de 29,5%, cinco vezes maior que a média das operações com pessoas físicas, que é de 6%. Diante de tal cenário, esta dissertação se propôs a discutir e examinar os efeitos de um aumento na taxa de juros Selic sobre o volume de operações do mercado de cartões, considerando os níveis de risco de inadimplência adotados pelo Banco Central do Brasil. Para tanto, foi utilizado o modelo de Tobias Adrian e Markus Brunnermeier (2010) chamado CoVaR, que simula a contribuição de uma variável sobre um conjunto de variáveis. A presente pesquisa revelou que existe uma correlação entre a taxa Selic e o volume de operações do mercado de cartões de crédito no que diz respeito ao quantis investigados, ou seja, que o volume de operações de crédito com cartões sofre o impacto de uma elevação da taxa de juros. Entretanto, recomendam-se mais estudos para analisar a correlação entre o nível de risco das operações de cartões de pagamentos e a taxa de juros.

O objetivo principal deste artigo é estimar a contribuição dos bancos no mercado financeiro brasileiro ao risco sistêmico utilizando a metodologia proposta por Adrian e Brunnermeier (2011). Esta aplicação é relevante do ponto de vista de avaliação da regulação vigente, e na verificação dos padrões de risco vigentes mercado nacional. Entre os resultados encontrados, destacam-se três pontos distintos: (a) há uma grande divergência nos patamares de risco entre os períodos de baixa e alta estabilidade monetária; (b) a relação entre tamanho e risco gerado pelas instituições financeiras é não linear; e (c) assim como visto em trabalhos aplicados a outros países, o Value at Risk nem sempre acompanha a contribuição de um banco ao risco sistêmico, colocando em xeque as métricas da regulação vigente. / The main goal this of this paper is estimate the systemic risk contribution of the banks in the Brazilian financial markets, using the CoVaR methodology proposal in Adrian and Brunnermeier (2011). This application is relevant from the point of view of the effective regulation, and the examination of the patterns of the national market risk. Among the obtained results, stand out are three distinctive points: (a) there is a huge difference in levels of risk between poor and high stability environments; (b) the relationship between size and risk generated by financial institutions is not linear; and (c) as seen in previous works applied in others countries, the Value at Risk does not always follow the bank risk contribution to systemic risk, jeopardizing the metrics of the effective regulation.

O objetivo principal deste artigo é estimar a contribuição dos bancos no mercado financeiro brasileiro ao risco sistêmico utilizando a metodologia proposta por Adrian e Brunnermeier (2011). Esta aplicação é relevante do ponto de vista de avaliação da regulação vigente, e na verificação dos padrões de risco vigentes mercado nacional. Entre os resultados encontrados, destacam-se três pontos distintos: (a) há uma grande divergência nos patamares de risco entre os períodos de baixa e alta estabilidade monetária; (b) a relação entre tamanho e risco gerado pelas instituições financeiras é não linear; e (c) assim como visto em trabalhos aplicados a outros países, o Value at Risk nem sempre acompanha a contribuição de um banco ao risco sistêmico, colocando em xeque as métricas da regulação vigente. / The main goal this of this paper is estimate the systemic risk contribution of the banks in the Brazilian financial markets, using the CoVaR methodology proposal in Adrian and Brunnermeier (2011). This application is relevant from the point of view of the effective regulation, and the examination of the patterns of the national market risk. Among the obtained results, stand out are three distinctive points: (a) there is a huge difference in levels of risk between poor and high stability environments; (b) the relationship between size and risk generated by financial institutions is not linear; and (c) as seen in previous works applied in others countries, the Value at Risk does not always follow the bank risk contribution to systemic risk, jeopardizing the metrics of the effective regulation.

Die Quantilsregression untersucht die Quantilfunktion QY |X (τ ), sodass ∀τ ∈ (0, 1), FY |X [QY |X (τ )] = τ erfu ̈llt ist, wobei FY |X die bedingte Verteilungsfunktion von Y gegeben X ist. Die Quantilsregression ermo ̈glicht eine genauere Betrachtung der bedingten Verteilung u ̈ber die bedingten Momente hinaus. Diese Technik ist in vielerlei Hinsicht nu ̈tzlich: beispielsweise fu ̈r das Risikomaß Value-at-Risk (VaR), welches nach dem Basler Akkord (2011) von allen Banken angegeben werden muss, fu ̈r ”Quantil treatment-effects” und die ”bedingte stochastische Dominanz (CSD)”, welches wirtschaftliche Konzepte zur Messung der Effektivit ̈at einer Regierungspoli- tik oder einer medizinischen Behandlung sind. Die Entwicklung eines Verfahrens zur Quantilsregression stellt jedoch eine gro ̈ßere Herausforderung dar, als die Regression zur Mitte. Allgemeine Regressionsprobleme und M-Scha ̈tzer erfordern einen versierten Umgang und es muss sich mit nicht- glatten Verlustfunktionen besch ̈aftigt werden. Kapitel 2 behandelt den Einsatz der Quantilsregression im empirischen Risikomanagement w ̈ahrend einer Finanzkrise. Kapitel 3 und 4 befassen sich mit dem Problem der h ̈oheren Dimensionalit ̈at und nichtparametrischen Techniken der Quantilsregression. / Quantile regression studies the conditional quantile function QY|X(τ) on X at level τ which satisfies FY |X QY |X (τ ) = τ , where FY |X is the conditional CDF of Y given X, ∀τ ∈ (0,1). Quantile regression allows for a closer inspection of the conditional distribution beyond the conditional moments. This technique is par- ticularly useful in, for example, the Value-at-Risk (VaR) which the Basel accords (2011) require all banks to report, or the ”quantile treatment effect” and ”condi- tional stochastic dominance (CSD)” which are economic concepts in measuring the effectiveness of a government policy or a medical treatment. Given its value of applicability, to develop the technique of quantile regression is, however, more challenging than mean regression. It is necessary to be adept with general regression problems and M-estimators; additionally one needs to deal with non-smooth loss functions. In this dissertation, chapter 2 is devoted to empirical risk management during financial crises using quantile regression. Chapter 3 and 4 address the issue of high-dimensionality and the nonparametric technique of quantile regression.