ANÁLISE ENVOLTÓRIA DE DADOS EM
ESTRUTURAS DE REDE: UMA
AVALIAÇÃO DO DESEMPENHO
BANCÁRIO BRASILEIRO
Victor Eduardo de Mello Valerio (UNIFEI ) victor.dmv@gmail.com Edson de Oliveira Pamplona (UNIFEI ) pamplona@unifei.edu.br Marcelo Nunes Fonseca (UNIFEI ) marcelonunes21@yahoo.com.br Paulo Rotela Junior (UNIFEI ) paulo.rotela@gmail.com LUIZ CELIO SOUZA ROCHA (UNIFEI ) luizrochamg@hotmail.com
Os bancos são instituições estratégicas para o crescimento econômico dos países, isto pois, em suas atividades de intermediação financeira, alocam capital para os setores produtivos. Justamente por serem instituições estratégicas, estudos rrelacionados à eficiência deste setor são de crucial importância. O presente artigo busca analisar a eficiência dos 30 maiores bancos brasileiros, durante o ano de 2015, por meio de um modelo de eficiência DEA em estruturas de rede, adotado para mensurar o desempenho dos bancos, tanto a partir de uma abordagem de intermediação financeira, quanto por uma abordagem de rentabilidade, simultaneamente. Os resultados sugerem que os bancos brasileiros operam com níveis de ineficiência sistêmicos e, além disso, possuem maiores dificuldades nas atividades de intermediação financeira, em comparação com os níveis de rentabilidade alcançados
Palavras-chave: Bancos, Eficiência, Análise Envoltória de Dados em estruturas de rede.
2 1 INTRODUÇÃO
Assim como demonstrado porLevine et al. (2000), Mccaing e Stengos (2005) e Boháček (2007), o mercado de crédito pode desempenhar o papel de motor do crescimento econômico dos países. Tal fato ancora-se na análise de que as atividades de intermediação financeira, realizada pelas instituições bancárias, impulsionam o fluxo de recursos ociosos em direção ao investimento agregado.
Em associação, Tecles e Tabak (2010), Barros e Wanke (2014) e Valerio e Pamplona (2016), descrevem que a escassa liquidez de países em desenvolvimento dependem sobremaneira dos empréstimos bancários, visto que, nestes países o mercado de capitais não é suficientemente desenvolvido para financiar os investimentos do setor privado.
Em congruência com a elaboração de Faria et al. (2006) e Wanke et al. (2015), pode-se atestar que o Brasil também está inserido nesse contexto de fomento à liquidez a partir do mercado de crédito, sendo que, este último possui importância atenuada uma vez que o Sistema Financeiro Nacional vigora como o maior e o mais complexo da América Latina. Adicionalmente, Tecles e Tabak (2010), Barros e Wanke (2014) e Wanke et al. (2015) demonstram que, a despeito de evidências de impactos positivos das atividades de intermediação financeira no crescimento econômico recente, o setor bancário brasileiro exibiu elevados níveis de ineficiência em suas atividades operacionais e alto grau de fragilidade frente à períodos de instabilidade financeira – tal como observado pela Crise do Subprime(2008).
Dado que a influência positiva das atividades de intermediação financeira no crescimento econômico dos países dependem dos níveis de eficiência, produtividade e tecnologia das instituições bancárias(GIANNETTI e JENTZSCH, 2013;EGGOH e VILLIEU, 2014), faz-se imprescindível a elaboração de estudos que possuam objetivos relacionados à análise do desempenho do setor bancário com vistas a conduzir os bancos ao aprimoramento das práticas operacionais e a alocação eficiente dos fatores de produção bancários ampliando, deste modo, a referida externalidade positiva gerada pelos bancos no crescimento econômico (BERGER e HUMPHREY, 1997;PARADI e ZHU, 2013;LIU et al., 2013a).
3 Com base na problematização, exposta acima, este artigo possui como objetivo geral analisar o desempenho dos 30 maiores bancos que atuaram no mercado de crédito brasileiro ao longo dos dois semestres de 2015.
Desta maneira, o objetivo geral foi estruturado nos seguintes objetivos específicos:
Mensurar a eficiência técnica relativa dos bancos, tanto sob uma perspectiva de intermediação financeira, quanto sob uma perspectiva de rentabilidade. Por meio do modelo de Análise Envoltória de Dados em estruturas de rede;
Integrar as eficiências técnicas relativas, mensuradas acima, em um valor único, representativo do sistema global de cada instituição financeira;
Para atender os objetivos específicos discriminados acima, a presente pesquisa foi organizada em mais quatro capítulos, além desta introdução.
No Capítulo 2 é descritaa técnica analítica mais apropriada para avaliar o desempenho bancário, sendo que, posteriormente, busca-se realizar uma breve contextualizaçãodos estudos de desempenho aplicados ao mercado de crédito brasileiro.No Capítulo 3 é realizada a classificação do método de pesquisa implementado para, então, pormenorizar a elaboração do modelo conceitual proposto e de seu modelo analítico associado. Já no Capítulo 4, são discutidos os resultados apresentados a partir da solução do modelo analítico proposto. Por fim, no Capítulo 5 são denotadas as principais conclusões, factíveis aos resultados apresentados no capítulo anterior, acerca do quadro de eficiência bancária brasileira.
2 FUNDAMENTAÇÃO TEÓRICA 2.1 Análise Envoltória de Dados
A técnica de modelagem denominada de Análise Envoltória de Dados (em inglês, Data EnvelopmentAnalysis - DEA), consiste em um procedimento matemático não paramétrico que permite avaliar o desempenho relativo entre unidades produtivas (em inglês, DecisionMakingUnits – DMUs) que necessariamente executam operações iguais e, portanto, utilizam múltiplos insumos semelhantes para gerar múltiplos produtos também semelhantes (COOPER et al., 2007).
4 Segundo Coelli et al. (1996) e Cooper et al. (2007), existem dois conceitos importantes para se entender a técnica de Análise Envoltória de dados, quais sejam:
a) Produtividade: Razão entre produto gerado e insumo utilizado para se produzir, quanto maior o valor da razão, mais produtiva será considerada a unidade de produção em análise.
b) Eficiência: Comparação entre o produto efetivamente gerado pela utilização de uma determinada quantidade de insumo, com o potencial de produto que poderia ser gerado a partir da utilização da mesma quantidade de insumo. Desta forma, pode-se afirmar que a eficiência de uma DMU está fundada na análise comparativa de produtividade da mesma, tendo como corolário que quanto maior a produtividade, maior a eficiência da unidade produtiva.
Alinhados aos conceitos supracitados, os modelos DEA são estruturados com a finalidade de realizar uma análise de eficiência relativa de uma amostra de DMU’s por meio, justamente, das observações das relações de produtividade destas. Isto é, dado que o conceito de eficiência refere-se a comparação entre a produtividade efetivamente alcançada e a produtividade potêncial de uma DMU, basta construir uma fronteira de eficiência com base nas maiores produtividades efetivamente alcançadas pelas DMU’s da amostra, sendo que, esta fronteira de eficiência constituirá a produtividade potencial comparativa de cada unidade produtiva (BANKER et al., 2011).
No que se refere mais especificamente a construção da fronteira de eficiência, a técnica DEA realiza uma agregação dos insumos e dos produtos originais, transformando-os em insumos virtuais e produtos virtuais. Estas variáveis virtuais representam uma combinação linear dos valores originais, sendo que, as ponderações utilizadas na combinação linear são originadas do cálculo de otimização de uma programação linear, de forma que, cada DMU possuirá as ponderações que mais beneficiam o seu nível de eficiência relativa. Destaca-se que tais ponderações são denominadas de multiplicadores (BANKER et al., 2011).
Os estudos desenvolvidos pelos autores Liu et al. (2013a) e Lampe e Hilgers (2014) apontam que com base no modelo DEA com retornos constantes de escala, pioneiramente proposto por (CHARNES et al., 1978), uma série de outras abordagens vem sendo desenvolvidas, quer seja
5 pela necessidade de se superar algumas limitações iniciais da técnica, quer seja pelo intuito de contemplar diferentes objetos de pesquisa.
Ao se concentrar em desenvolvimentos pautados na superação de limitações teóricas e analíticas, Liu et al. (2013a) demonstra que uma subárea de desenvolvimento de crescente relevância se baseia na mensuração do desempenho das estruturas internas de produção das DMU´s consideradas para determinação das eficiências das mesmas.
A relevância crescente desse tipo de desenvolvimento decorre do fato de que, assim como demonstrado por Fukuyama e Mirdehghan (2012), em alguns casos, o processo global de transformação de insumos em produtos pode se pautar em uma estrutura interna de produção ligada em rede, ou seja, o processo de produção global pode possuir sub-processos, de modo que produtos intermediários de um sub-processo transformam-se em entradas de um outro sub-processo.
Na medida em que os referidos sub-processos não são considerados pelos modelos tradicionais de Análise Envoltória de Dados, as mensurações de eficiência das unidades de decisão podem incorrer em erro, visto que, uma DMU pode ser considerada eficiente, mesmo possuindo sub-processos ineficientes. Desta forma e, a rigor, os modelos DEA tradicionais podem ser considerados estimadores inconsistentes e enviesados, por superestimar sistematicamente o nível de eficiência da unidade de decisão (EBRAHIMNEJADet al., 2014). Inserido nesse contexto de busca de eliminação do viés da técnica DEA ao compor a eficiência global da DMU em análise, com os níveis de eficiência mensurados para seus sub-processos, o trabalho de Kao (2014) propõe um modelo multi-processos gerais que incorpora todas as possíveis estruturas internas de um processo de transformação e, desta forma, permite uma melhor mensuração da eficiência das DMU´s analisadas (LIU et al., 2013a; EBRAHIMNEJADet al., 2014) .
Na Figura 1, baseada em Kao (2014) e Valerio e Pamplona (2016), é ilustrado um processo global de uma determinada DMU que possui sub-processos, nos moldes do descrito acima.
6 paralelo em simultâneo
Fonte: Kao (2014) e Valerio e Pamplona (2016)
Temos representado na Figura 1, acima, um processo global constituído, por sua vez, de sub-processos, . No primeiro sub-processo, são consumidos insumos exógenos com o intuito de se gerar produtos exógenos e, simultaneamente, gerar produtos endógenos que, desta forma, representarão insumos endógenos do sub-processo seguinte. De maneira análoga, em cada sub-processo
serão consumidos insumos exógenos e, além disso, insumos
endógenos, com a finalidade de se gerar produtos exógenos e, concomitantemente, produtos endógenos, que assumirão a forma de insumo endógeno do sub-processo posterior. Por fim, no último sub-processo, são
consumidos insumos exógenos e insumos endógenos para se
gerar produtos exógenos.
A formulação matemática da Equação (1), elaborada por sua vez pelas contribuições de Kao (2014) e Kao e Liu (2014), demonstra como se calcular a eficiência global de uma
7 determinada DMU k analisada, levando-se em consideração a fronteira de eficiência também dos sub-processos.
8 (1)
Neste caso, existem DMU´s, , que utilizam insumos exógenos, , para produzir produtos exógenos, , e produtos intermediários endógenos, . Os multiplicadores de ponderação da quantidade de insumos exógenos, de produtos exógenos e de produtos intermediários endógenos são representados por , e , respectivamente. O símbolo corresponde a eficiência da DMU k, em análise. Por fim, destaca-se que os subscritos indicam o sub-processo correspondente.
2.2 Desempenho Bancário Brasileiro
Ao se analisar as pesquisas pautadas em aplicações de modelos de Análise Envoltória de Dados, pode-se atestar que o principal objeto de estudo concentra-se no desempenho da indústria bancária. Isto pois, de um lado, o início do desenvolvimento dos modelos DEA está relacionado à avaliação de eficiência bancária e, de outro, os modelos DEA mais avançados atualmente, são aplicados em estudos com o referido objetivo (LIU et al., 2013b).
9
Autor (ano) Modelo Eficiência Média
0,56 0,11 -DEA-CCR 0,63 DEA-BCC 0,69 0,43 0,86 - Avaliação da eficiência em Custo dos bancos
DEA-Modelo baseado em
Folgas Staub et al. (2010)
Wanke e Barros (2014)
Wanke et al. (2015) - Avaliação da eficiência em Solvência dos bancos 0,58 0,84 - Avaliação da eficiência Produtiva/Operacional dos bancos
- Avaliação da eficiência em Rentabilidade dos bancos
- Avaliação da eficiência Produtiva/Operacional dos bancos - Avaliação de eficiência em Custo dos bancos
DEA-Modelo de Redes Centralizadas
- Avaliar se a atividade de F&A influencia os desempenhos bancários sob uma perspectiva de Intermediação Financeira e sob uma perspectiva de Rentabilidade
- Avaliação da eficiência em Rentabilidade dos bancos DEA-CCR DEA-BCC DEA-BCC Objetivos Ceretta et al . (2001) Faria et al. (2006) Périco et al. (2008)
Em associação, esses autores acrescentam que a maior proporção – e com maior crescimento – de pesquisas destinadas a avaliação do setor bancário são estruturadas por aplicações de modelos DEA. Sobre este aspecto, Paradi e Zhu (2013)explicam que os referidos modelos correspondem à técnica mais apropriada para avaliar o setor financeiro, dada a complexidade das unidades produtivas pertencentes a esta indústria.
O Quadro 1, baseada em Valerio e Pamplona (2016), busca apresentaros principais estudos aplicados ao mercado de crédito brasileiro.
Quadro 1 – Sumário da revisão de literatura sobre eficiência bancária no brasil
É importante salientar que, assim como descrito em Valerio e Pamplona (2016), as referidas pesquisas estão situadas em um contexto de reestruturação do Sistema Financeiro Nacional (SFN) e, portanto, são organizadas com objetivos diferentes.
Deste modo, cumpre especificar que Ceretta et al. (2001) possui o objetivo de avaliar a posição das instituições bancárias brasileiras frente a abertura do SFN.Faria et al. (2006) organiza a pesquisa com o objetivo de avaliar como a concentração bancária, através das atividades de Fusões e Aquisições (F&A), influenciam nos desempenhos dos bancos. Sob o
10 mesmo contexto de concentração bancária, Périco et al. (2008) busca avaliar se o tamanho das instituições impacta em seus respectivos níveis de eficiência. Por outro aspecto, Staub et al. (2010)buscam realizar uma análise comparativa da eficiência de bancos com controle de capital diferente.
Por fim, Wanke e Barros (2014) buscam analisar, macrosetorialmente, como as variáveis contextuais influenciam na eficiência dos sub-processos dos bancos, enquanto que Wanke et al. (2015) propõem estudar a eficiência dos bancos em manter a própria solvência financeira dados o ambiente econômico. Deve-se reforçar que, conforme apresentado no Quadro 1, é possível concluir que há uma evolução dos modelos DEA aplicados ao estudo do desempenho bancário.
3 MODELO PROPOSTO 3.1 Método de pesquisa
Com base nas demonstrações epistemológicas de Marconi e Lakatos (2006), esta pesquisa pode ser classificada como de natureza aplicada, com objetivos normativos e abordagem quantitativa ao implementar o método de modelagem – sendo este último o mais apropriado para o presente trabalho, dados os objetivos específicos determinados (JACK et al., 1989; BERTRAND E FRANSOO, 2002).
Ressalta-se que este artigo segue as etapas de implementação propostas por Mitroff et al. (1974), como organograma apresentado na Figura 2, abaixo:
11 Fonte:Mitroff et al. (1974)
O modelo conceitual, no contexto da presente pesquisa, diz respeito à elaboração das variáveis suficientes para as representações da função de produção bancária, com seus respectivos sub-processos.
Neste sentido, no Quadro 2 são apresentadas as variáveis representativas dos sub-processos de intermediação financeira (denominado de Modelo de Intermediação Financeira) e de rentabilidade (denominado de Modelo de Resultado). Destaca-se que a seleção de variáveis pautou-se nos estudos de Berger e Humphrey (1997), Sturm e Williams (2005) e Faria et al. (2006) e foram sintetizados por Valerio e Pamplona (2016) e buscam contemplar os objetivos traçados.
Quadro 2 - Função de produção representativa da intermediação financeira e da rentabilidade
12 Fonte: Valerio e Pamplona (2016)
Já na Figura 3, é apresentada a proposta de integração entre os sub-processos com a finalidade de representar a função de produção bancária relevante aos objetivos do presente trabalho – visto que, existem outras abordagens possíveis para análise do desempenho bancário. Tal proposta fundamentou-se no trabalho de Valerio e Pamplona (2016) e encerra a formulação referente a etapa do modelo conceitual.
Figura 3 – Processo global bancário
Fonte:Valerio e Pamplona (2016) I - Trabalho II - Capital III - Depósitos I - Operações de Crédito II - Aplicações Financeiras III - Risco
I - Despesas com Juros II - Despesas não Juros I - Receitas com Juros II - Receitas não Juros
Insumos
Despesas de Pessoal + Outras Despesas Administrativas Permanente + Imobilizado de Arrendamento
Receitas de Intermediação Financeira
Receitas de Prestação de Serviços + Outras Receitas Operacionais Modelo de Intermediação Financeira
Modelo de Resultado Insumos
Despesas de Intermediação Financeira
Despesas Tributárias + Outras Despesas Operacionais Produtos
Depósitos Totais
Produtos
Operações de Crédito e Arrendamento Mercantil + Outros Créditos Aplicações Interfinanceiras + TVM e Instrumentos Financeiros Derivativos Índice de Basiléia
13 Com relação ao modelo científico, a presente pesquisa se apropria da técnica DEA, mais especificamente o modelo multi-processos desenvolvido por Kao (2014). O modelo científico adotado é o mais apropriado, seja por argumento analítico – conforme demonstrado na Fundamentação Teórica – seja por argumento teórico – dado que o modelo DEA de Kao (2014) alinha-se aos objetivos traçados, na medida em que permite mensurar, concomitantemente, as eficiências das estruturas internas de uma DMU integrando-as em uma unidade correspondente de sua eficiência global.
Na Equação (2) é apresentada a formulação analítica do modelo científico pautada, por sua vez, no modelo conceitual proposto.
(2)
3.2 Amostragem
No que se refere a amostra de bancos organizada para representar o mercado de crédito brasileiro, foram selecionadas 30 bancos, por sua vez, estratificados em três subgrupos de igual proporção – determinado por critério de controle de capital VALERIO e PAMPLONA, 2016). Ressalta-se que a referida amostra representa 92,60% do total de ativos e 92,03% do total de depósitos bancários, ao se considerar o ano de 2015. A base de dados é disponibilizada pelo Banco Central do Brasil através do relatório denominado “50 maiores bancos”.
Desta forma, na Tabela 1, são apresentadas as estatísticas descritivas das variáveis selecionadas, ao longo dos dois semestres de 2015, analisados. Ressalta-se que todos os valores monetários estão em R$ 1.000,00 – obviamente, exceto o [número] Índice de Basiléia.
15 Tabela 1 – Sumário estatístico das variáveis
X1 X2 X3 X4 X5 1º Sem. (2015) 59.666.498,83 2.975.036,50 11.034.115,50 12.161.131,97 2.352.760,17 2º Sem. (2015) 64.142.016,27 3.312.152,37 10.864.283,30 16.041.427,90 2.530.853,37 X1 X2 X3 X4 X5 1º Sem. (2015) 122.533.473,56 5.337.991,87 23.896.493,29 20.749.767,87 4.792.313,51 2º Sem. (2015) 128.825.022,83 5.884.758,96 23.309.773,81 27.210.827,85 4.954.484,76 X1 X2 X3 X4 X5 1º Sem. (2015) 446.187.616,00 18.572.145,00 92.977.988,00 73.307.829,00 20.578.802,00 2º Sem. (2015) 465.859.911,00 20.170.824,00 94.107.526,00 94.654.573,00 20.143.672,00 X1 X2 X3 X4 X5 1º Sem. (2015) 104.691,00 113.948,00 29.511,00 142.556,00 14.315,00 2º Sem. (2015) 31.305,00 124.009,00 23.763,00 180.765,00 16.263,00 Z1 Z2 Y1 Y2 Y3 1º Sem. (2015) 128.185.813,73 79.193.156,17 15,84 14.099.381,50 3.235.914,30 2º Sem. (2015) 137.868.604,37 80.216.860,73 16,11 16.152.962,60 3.640.383,37 Z1 Z2 Y1 Y2 Y3 1º Sem. (2015) 228.548.635,25 131.255.355,65 2,04 23.962.420,68 6.450.263,59 2º Sem. (2015) 242.792.460,31 138.322.883,46 2,56 27.460.122,95 7.109.254,63 Z1 Z2 Y1 Y2 Y3 1º Sem. (2015) 837.209.149,00 478.069.512,00 20,80 82.839.258,00 24.158.115,00 2º Sem. (2015) 867.415.099,00 484.469.034,00 24,10 99.118.063,00 26.654.799,00 Z1 Z2 Y1 Y2 Y3 1º Sem. (2015) 2.076.388,00 1.455.142,00 12,50 287.679,00 10.573,00 2º Sem. (2015) 2.228.987,00 1.229.820,00 11,80 323.286,00 18.255,00 Média Desvio Padrão Máximo Mínimo Média Mínimo Máximo Desvio Padrão 4 DISCUSSÃO DE RESULTADOS
Nesta seção, representativa da terceira fase do ciclo de implementação de modelagem – qual seja, solução do problema (MITROFF et al., 1974)– serão apresentados os desempenhos relativos alcançados pelos 30 maiores bancos atuantes no mercado de crédito brasileiro nos dois semestres de 2015.
16 Desta maneira, na Tabela 2 são apresentadas as estatísticas descritivas dos desempenhos alcançados pelas instituições financeiras ao longo do período referido.
Tabela 2 – Sumário estatístico dos escores de eficiência nos dois semestres de 2015
Média 0,81 Desvio Padrão 0,17 Máximo 1,00 Mínimo 0,47 Média 0,78 Desvio Padrão 0,16 Máximo 1,00 Mínimo 0,48 Total Modelo de Intermediação
Financeira Modelo de Resultado Total
0,83 0,16 1,00 1º Semestre 2º Semestre Modelo de Intermediação
Financeira Modelo de Resultado
0,55 0,64 0,30 0,80 0,17 1,00 0,48 0,64 1,00 0,15 0,30 1,00 0,14
Como se pode constatar, o setor bancário brasileiro operou em estado de ineficiência durante os dois semestres de 2015 – visto que, os escores médios de eficiência global, alcançados pelos bancos, foram de aproximadamente 0,83 e 0,80 para o primeiro e segundo semestres, respectivamente.
Ressalta-se que a conjuntura de ineficiência diagnosticada teve como origem os desempenhos ruins, tanto do sub-processo de Intermediação Financeira, quanto do sub-processo de Resultado – com escores médios de eficiência da ordem de 0,64 e 0,81 para o primeiro semestre e 0,64 e 0,78 para o segundo semestre, respectivamente.
Ao se concentrar nos desempenhos auferidos pelas instituições bancárias em seus sub-processos, é exequível atestar que o mercado de crédito nacional tendeu a ser mais eficiente em seu objetivo de obter rentabilidade, em detrimento de sua oferta de crédito – o teste de hipótese Kruskal-Wallis foi elaborado com a perspectiva de analisar, considerando um nível de significância de , a diferença estatística entre as fronteiras de eficiência dos sub-processos de Intermediação Financeira e de Resultado. Com p-valores de 0,039 e 0,090 correspondentes ao primeiro e segundo semestres, respectivamente, observou-se significância estatística apenas no primeiro semestre.
17 De maneira incremental, elaborou-se o teste de hipótese Kruskal-Wallis com a finalidade de verificar, considerando um nível de significância de , a ocorrência de alterações da fronteira de eficiência em cada sub-processo e no processo global. Com os p-valores foram de cerca de 0,988, 0,489 e 0,424pode-se atestar que não se verificou significância nas alterações de fronteira de eficiência dos sub-processos de Intermediação Financeira e de Resultado e do processo global, respectivamente.
5 CONCLUSÕES
Esta última seção propõe-se a consolidar as principais contribuições teóricas geradas pelos resultados analíticos. Trata-se, portanto, da última etapa do ciclo de implementação do método de pesquisa estruturado – isto é, Realidade, Situação, Problema (MITROFF et al., 1974).
A partir da revisão de literatura realizada, contemplou-se um entendimento acerca das tendências recentes do principal instrumento de análise de desempenho do setor financeiro – o modelo de Análise Envoltória de Dados. Além disso, uma contextualização dos estudos de eficiência aplicados ao mercado de crédito brasileiro foi realizada, contribuindo assim para um maior entendimento do mesmo.
No que se refere especificamente aos níveis de eficiência calculados para a amostra de bancos, ao longo dos dois semestres de 2015, é relevante identificar níveis sistêmicos de ineficiência bancária – como observado pelo desempenho do processo global. Esta situação encontra-se em harmonia com a literatura nacional.
Além disso, demonstrou-se que os níveis de ineficiência sistêmicos foram originados nas estruturas internas das atividades bancárias analisadas por esta pesquisa. Sobre este aspecto, ao se realizar uma análise comparativa entre os desempenhos atingidos pelas estruturas internas dos bancos, pode-se constatar uma tendência de melhor desempenho no resultado financeiro obtido a partir das atividades operacionais realizadas.
O fato elucidado acima impõe que o mercado de crédito nacional opera com altas capacidades ociosas, representando um prejuízo da externalidade positiva do setor em relação ao investimento agregado e, portanto, ao crescimento econômico brasileiro. Uma possível explicação para origem da referida ineficiência pode se pautar nos altos spreads bancários que
18 impulsionam a rentabilidade em detrimento da oferta de crédito. Sugere-se que novas pesquisas sejam realizadas com a finalidade de testar esta proposição.
Outro ponto a ser destacado, diz respeito ao fato de não ter sido identificado diferença significante entre as fronteiras de eficiência no decorrer dos dois semestres, tal fato exprime evidências de que os ciclos de atividade bancários possuem pouca influência sobre a eficiência das instituições. Também sobre este aspecto sugere-se que novas pesquisas sejam realizadas com a finalidade de testar esta proposição.
AGRADECIMENTOS
19 REFERÊNCIAS
BANKER, R. D.; COOPER, W. W.; SEIFORD, L. M.; ZHU, J. Handbook on Data Envelopment Analysis. 2o ed. Boston: Springer, 2011.
BARROS, C. P.; WANKE, P. Banking efficiency in Brazil. Journal of International Financial Markets, Institutions and Money, v. 28, n. 1, p. 54–65, 2014.
BERGER, A. N.; HUMPHREY, D. B. Efficiency of Financial Institutions: International Survey and Directions for Future Research. European Joumal of Operational Research, v. 98, n. 2, p. 175–212, 1997.
BERTRAND, J. W. M.; FRANSOO, J. C. Operations management research methodologies using quantitative modeling. International Journal of Operations & Production
Management, v. 22, n. 2, p. 241–264, 2002.
BOHÁČEK, R. Financial intermediation with credit constrained agents. Journal of Macroeconomics, v. 29, n. 4, p. 741–759, 2007.
CERETTA, P. S.; ALBERTO, C.; NIEDERAUER, P. Rentabilidade e Eficiência no Setor Bancário Brasileiro. Revista de Administração Contemporânea, v. 5, n. 3, p. 7–26, 2001. CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision making units. European Journal of Operational Research, v. 2, n. 6, p. 429–444, 1978. COELLI, T. J.; RAO, D. S. P.; O’DONNELL, C. J.; BATTESE, G. E. An introduction to efficiency and productivity analysis. 2a ed. New York: Springer, 1996.
COOPER, W. W.; SEIFORD, L. M.; TONE, K. Data Envelopment Analysis: A
Comprehensive Text with models, Aplications, References and DEA-Solver Software. 2007.
EBRAHIMNEJAD, A.; TAVANA, M.; LOTFI, F. H.; SHAHVERDI, R.; YOUSEFPOUR, M. A Three-stage Data Envelopment Analysis Model with Application to Banking Industry. Measurement, v. 49, p. 308–319, 2014.
EGGOH, J. C.; VILLIEU, P. A simple endogenous growth model of financial intermediation with multiplicity and indeterminacy. Economic Modelling, v. 38, n. 1, p. 357–366, 2014. FARIA, J. A. DE; PAULA, L. F. DE; MARINHO, A. Fusões E Aquisições Bancárias no Brasil: Uma Avaliação da Eficiência Técnica e de Escala. Texto para Discussão, v. 1233, p. 1 – 34, 2006.
FUKUYAMA, H.; MIRDEHGHAN, S. M. Identifying the efficiency status in network DEA. European Journal of Operational Research, v. 220, n. 1, p. 85–92, 2012.
GIANNETTI, C.; JENTZSCH, N. Credit reporting, financial intermediation and identification systems: International evidence. Journal of International Money and Finance, v. 33, n. 1, p. 60–80, 2013.
JACK, R. M.; AMITABH, R.; AMOAKO-GYAMPAH, K.; KAPLAN, B. Alternative research paradigms in operations. Journal of Operations Management, v. 8, n. 4, p. 297– 326, 1989.
KAO, C. Efficiency decomposition for general multi-stage systems in data envelopment analysis. European Journal of Operational Research, v. 232, n. 1, p. 117–124, 2014. KAO, C.; LIU, S.-T. Multi-period efficiency measurement in data envelopment analysis: The case of Taiwanese commercial banks. Omega, v. 47, n. 1, p. 90–98, 2014.
LAMPE, H. W.; HILGERS, D. Trajectories of efficiency measurement: A bibliometric analysis of DEA and SFA. European Journal of Operational Research, v. 240, n. 1, p. 1– 21, 2014.
20 causes. Journal of Monetary Economics, v. 46, p. 31 –77, 2000.
LIU, J. S.; LU, L. Y. Y.; LU, W. M.; LIN, B. J. Y. Data envelopment analysis 1978-2010: A citation-based literature survey. Omega, v. 41, n. 1, p. 3–15, 2013.
LIU, J. S.; LU, L. Y. Y.; LU, W.-M.; LIN, B. J. Y. A survey of DEA applications. Omega, v. 41, n. 5, p. 893–902, 2013.
MARCONI, M. DE A.; LAKATOS, E. M. Fundamentos de metodologia científica. 6a ed. São Paulo: Atlas, 2006.
MCCAIG, B.; STENGOS, T. Financial intermediation and growth: Some robustness results. Economics Letters, v. 88, n. 3, p. 306–312, 2005.
MITROFF, I. I.; BETZ, F.; PONDY, L. R.; SAGASTI, F. On Managing Science in the Systems Age: Two Schemas for the Study of Science as a Whole Systems Phenomenon. Interfaces, v. 4, n. 3, p. 46–58, 1974.
PARADI, J. C.; ZHU, H. A survey on bank branch efficiency and performance research with data envelopment analysis. Omega, v. 41, n. 1, p. 61–79, 2013.
PÉRICO, A. E.; REBELATTO, D. A. N.; SANTANA, N. B. Eficiência bancária : os maiores bancos são os mais eficientes ? Uma análise por envoltória de dados. Gestão & Produção, v. 15, n. 2, p. 421–431, 2008.
STAUB, R. B.; DA SILVA E SOUZA, G.; TABAK, B. M. Evolution of bank efficiency in Brazil: A DEA approach. European Journal of Operational Research, v. 202, n. 1, p. 204– 213, 2010.
STURM, J.-E.; WILLIAMS, B. What Determines Differences in Foreing Bank Efficiency? Australian Evidence. Munich, 2005.
TECLES, P. L.; TABAK, B. M. Determinants of bank efficiency: The case of Brazil. European Journal of Operational Research, v. 207, n. 3, p. 1587–1598, 2010.
VALERIO, V. E. M.; PAMPLONA, E. O. Eficiência e Produtividade do Mercado de Crédito Brasileiro: Uma abordagem por Análise Envoltória de Dados. 1a ed. Saarbrücken: OmniScriptum GmbH & Co. KG, 2016.
WANKE, P.; BARROS, C. Two-stage DEA: An application to major Brazilian banks. Expert Systems with Applications, v. 41, n. 5, p. 2337–2344, 2014.
WANKE, P.; BARROS, C. P.; FARIA, J. R. Financial distress drivers in Brazilian banks: A dynamic slacks approach. European Journal of Operational Research, v. 240, n. 1, p. 258– 268, 2015.
