Insper Programa de Mestrado Profissional em Economia

1

Insper

Programa de Mestrado Profissional em Economia

Karen Cristina Grando Kishima

Determinantes Macroeconômicas e Setoriais dos Preços no mercado Imobiliário de São Paulo

São Paulo

2019

2

Karen Cristina Grando Kishima

Determinantes Macroeconômicas e Setoriais dos Preços no mercado Imobiliário de São Paulo

Dissertação apresentada ao Programa de Mestrado Profissional em Economia do Insper, como parte dos requisitos para a obtenção do título de Mestre em Economia;

Áreas de Concentração: Economia dos Negócios. Linha de Pesquisa:

Macroeconomia.

Orientadora: Prof. Dra. Adriana Bruscato Bortoluzzo

São Paulo

2019

3 Kishima, Karen Cristina Grando

Determinantes Macroeconômicas e Setoriais dos Preços no mercado Imobiliário de São Paulo. / Karen Cristina Grando Kishima. São Paulo, 2019.

61 f.

Dissertação (Mestrado – Programa de Mestrado Profissional em Economia. Linha de pesquisa: Macroeconomia) – Insper, 2019

Orientadora: Prof. Dra. Adriana Bruscato Bortoluzzo

4 Karen Cristina Grando Kishima

Determinantes Macroeconômicas e Setoriais dos Preços no mercado Imobiliário de São Paulo

Data de Aprovação: __/__/__

Banca Examinadora

_________________________________________

Profª Drª Adriana Bruscato Bortoluzzo Insper Instituto de Ensino e Pesquisa

_________________________________________

Profª Drª Juliana Inhasz Insper Instituto de Ensino e Pesquisa

_________________________________________

Prof. Dr. Mauricio Mesquita Bortoluzzo Saint Paul Escola De Negócios São Paulo

Dissertação apresentada ao Programa de Mestrado Profissional em Economia do Insper, como parte dos requisitos para a obtenção do título de Mestre em Economia; Áreas de Concentração: Economia dos Negócios. Linha de Pesquisa: Macroeconomia

5 DEDICATÓRIA

Dedico esta dissertação a meus pais e irmãs, pelo exemplo de vida, incentivos e compreensão pela distância, e a meu marido, pelo companheirismo, cumplicidade, presença e por sempre acreditar.

6 AGRADECIMENTOS

Agradeço a Deus pela vida, cheia de saúde e com devoção e sabedoria.

Aos meus pais Tadao e Luiza, pela vida, amor e criação dos meus valores.

Ao meu padrasto José (em memória) e à minha madrasta Juliana, pelo carinho e dedicação.

Às minhas irmãs Aline, Catia e Thainá, pelo cuidado, apoio e cumplicidade a vida toda.

Ao meu marido e companheiro Ivan, pelo amor, dedicação, esforço e por ser o meu maior apoio. Certamente, sozinha eu não chegaria até o fim.

Aos meus sogros e cunhadas, pelo carinho, incentivos e orações de sempre.

Aos meus amigos, pelo zelo, compreensão e por nunca me abandonarem, mesmo na minha ausência.

À minha orientadora Adriana Bruscato, pela paciência, compreensão, pelas horas dedicadas e por me incentivar e acreditar até o fim.

Aos professores Maurício Bortoluzzo e Juliana Inhasz, pelo tempo dedicado à condução deste trabalho.

Por fim, ao Banco ItaúBBA e meus gestores, por proporcionarem e apoiarem meus estudos e por acreditarem no meu desenvolvimento pessoal.

7 Resumo

Este estudo investigou quais são os fatores macroeconômicos, alguns deles relacionados ao mercado imobiliário, determinantes dos preços dos imóveis na cidade de São Paulo. Para isso, propôs-se um modelo de regressão multivariada, que teve como base os preços médios de imóveis divulgados pela Fipezap entre 2013 e 2019, período em que se observou forte aumento das vendas de imóveis novos, indicando relevante crescimento do setor imobiliário, fator que pode ser relacionado a fundamentos macroeconômicos. Através da revisão da literatura e elaboração das hipóteses, chegou- se a um modelo econômico com variáveis tanto do setor imobiliário, quanto macroeconômicas do Brasil. Através de modelos de regressão de séries temporais, duas variáveis se destacaram em relação às demais, por apresentarem significância estatística em modelos com alta capacidade explicativa do comportamento dos preços dos imóveis:

Prazo Médio da Carteira de Crédito Imobiliário e Preços Passados dos imóveis. Ambas trouxeram dados que corroboram a literatura em linha com os sinais obtidos nos modelos.

Adicionalmente, foram utilizados dados desde 2008 até 2019, com variáveis reduzidas, mas com ganho em maior número de observações. Como conclusão, os modelos não trouxeram ganhos relevantes, mantendo-se as duas variáveis já encontradas como relevantes. Portanto, a investigação concluiu que, apesar de poucas variáveis terem se mostrado significativas para determinar o preço dos imóveis, o prazo para repagamento de dívidas habitacionais os preços passados são de extrema relevância para o estudo, dado que os imóveis dependem fortemente do consumo (e de fatores que o permitem) e refletem um setor com uma forte característica inercial.

Palavras Chave: macroeconômicos, mercado imobiliário, regressão multivariada, IPCA, Preços Passados

8 Abstract

This study investigated which are the macroeconomic factors, some of them related to the real estate market, which determine the property prices in the city of São Paulo. To this end, a multiple variables model was proposed, based on average real estate prices released by Fipezap between 2013 and 2019, a period in which there was a sharp increase in new property sales, indicating a significant growth in real estate sector, which may be related to macroeconomic fundamentals. Through literature review and hypothesis elaboration, an economic model was reached with variables from both the real estate sector and macroeconomic in Brazil. Through time series regression models, two variables stood out, by presenting statistical significance in models with high explanatory capacity of the property prices behavior: Average Mortgage Portfolio Term and Real Estate Past Prices. Both brought data that corroborate the literature in line with de signals obtained in the models. Additionally, data were used from 2008 to 2019, with reduced variables, but gains in a greater number of observations. As a conclusion, the new models did not bring relevant gains, keeping the two variables already found to be relevant.

Therefore, the investigation concluded that, although few variables have shown to be significant in determining real estate prices, the housing debts repayment term and the past prices are extremely relevant to the study, as real estate sector depends heavily on consumption (and factors that allow it) and reflect a sector with a strong inertial characteristic.

Key Words: macroeconomics, real estate market, multivariate regression, IPCA, Past Prices.

9 SUMÁRIO EXECUTIVO

O mercado imobiliário global é constantemente abordado por estudos acadêmicos, à medida que suas características estão fortemente ligadas a aspectos econômicos de um país ou região e dada sua representatividade nas economias. Atualmente, o crédito imobiliário representa cerca de 20% do PIB do Brasil (fonte: BCB, 2019), uma forte evidência dessa relação entre a economia e o setor. Isto porque é altamente dependente do crédito: no Brasil, é preciso realizar um pagamento inicial (ou “dar uma entrada”), uma vez que os bancos financiam um percentual apenas do valor dos imóveis – entre 10% e 20% (fonte: BCB). Daí a explicação para o fato de o setor estar muito ligado às condições de crédito.

As condições de crédito são um fator de atração para o consumo e, portanto, podem afetar a oferta e a demanda de um determinado bem. Assim, maiores níveis de concessões de crédito, com prazos maiores e taxas de juros menores tendem a expandir o consumo, gerando alta demanda de produtos e serviços e, portanto, as empresas e prestadoras precisam aumentar a oferta de forma a atender aos consumidores, que nesse momento estão confiantes e tendem a consumir mais do que poupar. Esse aumento de oferta requer investimentos e maior produtividade, fatores que só ocorrem quando há um grau de confiança da indústria e dos produtores, o que, por sua vez, acontece em cenários em que a economia se encontra saudável e com perspectivas futuras de estabilidade.

Mas como medir se uma economia se encontra nesse patamar considerado expansivo? A resposta está em fatores como crescimento de um país (PIB), inflação, nível de desemprego, nível de taxas de juros, entre outros, características macroeconômicas que se alteram conforme o ciclo vivido por ele: em ciclos de expansão, espera-se que o mercado esteja com maior liquidez, o que se traduz em maiores concessões de crédito, menores taxas de juros e desemprego, inflação controlada, etc.

A questão que se quer entender é como os preços dos imóveis respondem a mudanças nesses fatores macroeconômicos? Antes disso, por que especificamente os imóveis podem apresentar um comportamento diferenciado de outros ativos disponíveis para investimento no mercado? A resposta está em uma combinação de fatores, a saber:

10 (i) alta dependência de uma poupança pré-estabelecida para aquisição de um imóvel; (ii) alto comprometimento da renda com o financiamento imobiliário; (iii) longo prazo de vigência do financiamento do imóvel; (iv) não se trata de um ativo com facilidade de avaliação como ativos financeiros ou derivativos, por não ser negociado em ambientes regulados como, por exemplo, ações e alguns derivativos; (v) como dito no item anterior, não é trivial saber qual o valor real de um imóvel para julgar se está sendo adquirido por um preço justo, ou se está abaixo ou acima do que realmente vale, portanto é difícil saber se o investimento realizado é de fato vantajoso; (vi) pelos fatores previamente ditos, o valor do imóvel pode apresentar uma volatilidade muito diferente dos ativos financeiros habituais que os investidores costumam aplicar os recursos e (vii) ainda que na ótica do comprador que visa adquirir o imóvel para moradia própria, é possível afirmar que se trata de um investimento, uma vez que há aplicação do capital com expectativa de geração de um benefício futuro.

Tendo em mente que é importante estudar os preços dos imóveis pelos fatores supracitados, é importante buscar a relação entre o comportamento dos imóveis e as questões macroeconômicas, uma vez que geram embasamento para os fatores descritos: a poupança depende da geração de renda; o comprometimento da renda depende do quão alavancadas estão as famílias, portanto depende do quão empregada a população está para ter capacidade de se alavancar; os prazos longos em financiamentos dependem do apetite do sistema financeiro em aplicar a concessão de crédito e prover liquidez que possibilite o consumo; por fim, o ambiente macroeconômico pode influenciar a oferta e demanda, portanto, pode impactar os preços de imóveis, gerando alguma volatilidade e, até mesmo, culminando em transações com preços praticados que impactam o setor em geral, por exemplo, um mesmo imóvel pode ser vendido por preços muito diferentes, a depender da expectativa do seu proprietário em relação ao futuro e sua necessidade de capital. Outro embasamento para o estudo dos preços de imóveis é que, dada sua relevância numa economia e com base no histórico que se pode observar, é um forte preditor de crises econômicas e, também, sofre impactos quando estas ocorrem. Aumentos acentuados nos preços dos imóveis chamam a atenção para possíveis bolhas imobiliárias, e este fato que tem sido observado em algumas regiões do Brasil, daí o estímulo para se promover um estudo acerca do tema.

11 Importante destacar que, entre as limitações do trabalho, está o fator de crise, que não é utilizado nesse estudo de forma empírica.

No contexto apresentado, este trabalho se propôs a promover um estudo acerca dos preços de imóveis e seu comportamento entre 2008 e 2019, buscando identificar quais fatores macroeconômicos e de crédito ligados ao setor impactam em mudanças substanciais nos níveis dos preços. Após ampla revisão da literatura, foram selecionadas 8 variáveis, divididas em duas categorias, a saber: concessão de crédito, prazo médio da carteira de crédito imobiliário e Índice de Custo de crédito imobiliário como variáveis de crédito específicas e ligadas ao setor; Índice IBC-Br, IPCA, taxa de desocupação, CDI e Índice de Confiança do Consumidor, como variáveis macroeconômicas. As hipóteses são de que as variáveis selecionadas sejam fatores determinantes dos preços de imóveis em São Paulo.

Através da simplificação de um modelo econômico e aplicação da metodologia de regressão multivariada de séries temporais, verificou-se que algumas variáveis se mostraram mais relevantes, são elas: variação do prazo médio da carteira de crédito imobiliário, variação do IPCA e Preços Passados, denotando que tanto as condições de crédito, quanto o ambiente macroeconômico explicam parte relevante dos preços de imóveis e seu comportamento no tempo.

Há, na literatura, uma quantidade relevante de estudos que abordam os preços de imóveis no mundo. O tema explorado neste trabalho busca, portanto, corroborar a difusão e ampliar as pesquisas no Brasil sobre um tema explorado globalmente.

12 Lista de Tabelas

Tabela 1 - Descrição das Variáveis selecionadas para os Modelos ...32

Tabela 2 - Análise Descritiva das Variáveis ...35

Tabela 3 - Matriz de Correlações entre as Variáveis ...41

Tabela 4 - Resultados dos testes Dickey & Fuller aumentado (ADF) ...41

Tabela 5 - Resultados dos modelos de Regressão Multivariada ...44

Tabela 6 - Resultados de Sinais Obtidos nos modelos 1 e 2 versus Sinais Esperados ...47

Tabela 7 - Resultados de Sinais Obtidos nos modelos 3 e 4 versus Sinais Esperados ...47

Tabela 8 - Matriz de Correlações para a segunda amostra ...49

Tabela 9 - Resultados dos testes Dickey & Fuller aumentado (ADF) para a segunda amostra ..50

Tabela 10 - Resultados dos modelos de Regressão Multivariada para a segunda amostra ...51

Tabela 11 - Teste Breusch-Godfrey para amostra de 2013 a 2019 ...59

Tabela 12 - Teste Breusch-Godfrey para amostra de 2008 a 2019 ...59

Tabela 13 - Teste Breusch-Pagan para amostra de 2013 a 2019...59

Tabela 14 - Teste Breusch-Pagan para amostra de 2008 a 2019...59

Tabela 15 - Sktest para amostra de 2013 a 2019 ...60

Tabela 16 - Sktest para amostra de 2008 a 2019 ...60

Tabela 17 - Teste VIF para amostra de 2013 a 2019 ...61

Tabela 18 - Teste VIF para amostra de 2008 a 2019 ...61

13 Lista de Figuras

Figura 1 - Preços de Imóveis FipeZap e IBC-Br ...15

Figura 2 - Evolução do Crédito e Endividamento das Famílias no Brasil...17

Figura 3 - Evolução de Preços de Imóveis FipeZap, ajustados pelo INCC ...21

Figura 4 - Ln_Preços x Concessões de Crédito Imobiliário ...36

Figura 5 - Ln_Preços x Prazo Médio da Carteira de Crédito Imobiliário ...36

Figura 6 - Ln_Preços x Índice de Custo de Crédito ...37

Figura 7 - Ln_Preços x IBC-Br ...37

Figura 8 - Ln_Preços x IPCA ...38

Figura 9 - Ln_Preços x Taxa de Desocupação ...38

Figura 10 - Ln_Preços x CDI ...39

Figura 11 - Ln_Preços x Índice de Confiança do Consumidor ...39

Figura 12 - Auto correlograma da variável Ln_Preços para o período de 2013 a 2019 ...57

Figura 13 - Auto correlograma da variável Ln_Preços para o período de 2008 a 2019 ...57

Figura 14 - Correlogramas cruzados entre a variável resposta e as variáveis explicativas entre 2013 e 2019...58

Figura 15 - Correlogramas cruzados entre a variável resposta e as variáveis explicativas entre 2008 e 2019...58

14 Sumário

1. Introdução ...15

2. Revisão da Literatura ...18

3. Metodologia ...24

3.1. Modelo ...24

3.2. Descrição das Variáveis ...25

3.3. Base de Dados e Método ...32

4. Análise de Dados...34

5. Resultados ...40

6. Conclusões ...52

7. Referências ...55

8. Anexos ...57

8.1. Anexo I – Correlograma da variável Ln_Preços para ambas as amostras ...57

8.2. Anexo II – Correlações cruzadas entre as variáveis explicativas e a variável dependente Ln_Preços – 2013 a 2019 ...58

8.3. Anexo III – Correlações cruzadas entre as variáveis explicativas e a variável dependente para a amostra mais longa – 2008 a 2019 ...58

8.4. Anexo IV – Teste de correlação serial para as duas amostras ...59

8.5. Anexo V – Teste de heterocedasticidade ...59

8.6. Anexo VI – Teste de Normalidade dos Erros ...60

8.7. Anexo VII – Teste VIF para as duas amostras ...61

15 1. Introdução

Essa dissertação tem por objetivo promover um estudo acerca dos preços no setor de imóveis na cidade de São Paulo, através da construção de um modelo econômico.

Trata-se de um modelo baseado em variáveis macroeconômicas, algumas específicas do setor imobiliário, que pretende testar em que medida estas impactam nas mudanças dos preços de imóveis residenciais na cidade de São Paulo.

Franses & De Groot (2013) encontraram evidências de que maiores mudanças nos preços de imóveis na Holanda remetem a um maior crescimento econômico. Da mesma forma, evidenciaram a causalidade entre um menor crescimento econômico observado quanto maior for a amplitude entre os preços de imóveis muito caros e os muito baratos.

No Brasil, ao comparar o índice Fipezap de imóveis residenciais à venda com o índice IBC-Br de atividade econômica, é possível perceber uma relação e tendência entre os fatores, ainda que haja variação no índice IBC-Br.

Figura 1 - Preços de Imóveis FipeZap e IBC-Br

O mercado imobiliário global é constantemente abordado por estudos acadêmicos, à medida que suas características estão fortemente correlacionadas com aspectos macroeconômicos de um país ou região, e o setor pode ser interpretado como preditor e também captura as consequências dos movimentos de mercado. Crises podem ser

Fonte: Bacen, elaboração própria

16 desencadeadas pelo setor imobiliário, assim como podem ter outro estopim e, ainda assim, afetá-lo significativamente, dada a representatividade do setor nas economias.

Pela lei da oferta e demanda e pelo conceito de excedente (Mankiw, 2007), pode- se inferir que existe uma tendência de queda nos preços por excesso de oferta de um produto, ao passo que os preços tendem a subir quanto maior a demanda, ou quanto mais escassos os produtos se tornam, ceteris paribus. Replicando a ideia no mercado imobiliário, é factível afirmar que os preços tendem a cair quanto maior a oferta de imóveis e a subir quanto maior a demanda, ceteris paribus.

A oferta e a demanda de imóveis, entretanto, podem ser explicadas por uma combinação de fatores macroeconômicos, que indicam o quanto a população está disposta a pagar pelos imóveis, com base em seus salários, endividamento das famílias, expectativas sobre o crescimento do país, nível das taxas de juros da economia, os preços passados, entre outros (Krugman, 2009). Todas essas variáveis podem ser interpretadas como direcionamentos para o crescimento ou contração do crédito de um determinado país, o qual, por sua vez, está fortemente correlacionado com a atividade econômica, uma das variáveis mais importantes e representativas em estudos macroeconômicos (Franses & De Groot, 2013).

O setor imobiliário possui forte dependência do crédito, uma vez que boa parte da população não possui recursos de poupança suficientes para aquisição de um imóvel sem um intermediário financeiro, dado que são ativos muito representativos no patrimônio das famílias (Besarria, Paes, & Silva, 2018). Nesse sentido, torna-se interessante estudar o comportamento do setor frente à situação macroeconômica de um país, seu nível de evolução no crédito e como isso afeta ou é afetado pelos preços dos imóveis e aluguéis desse mesmo país. A relevância do tema emerge da importância do setor imobiliário para as economias. Caplin, Chan, Freeman, & Tracy (1977) afirmam que “é quase impossível para um indivíduo comprar uma casa sem liquidez disponível de pelo menos 10% do valor desse imóvel”. Isto porque é necessário arcar com um pagamento inicial – equity up front –, de forma que só é possível financiar uma parte do imóvel. No Brasil, objeto de estudo desse trabalho, o crédito imobiliário, que representa a parte a ser financiada dos imóveis, respondia por aproximadamente 20% do saldo de crédito total concedido em mai-19 (Banco Central do Brasil, 2019), montante representativo dentro de uma

17 economia, daí a importância de se realizar estudos acerca do setor. Além disso, nos últimos anos a renda das famílias brasileiras tem se mostrado mais comprometida com crédito habitacional, como evidenciado pelos dados do Banco Central abaixo. O aumento do espaço entre o endividamento das famílias total e o endividamento desconsiderando crédito habitacional representa o quanto as famílias tem se alavancado mais para aquisição de seus imóveis.

Figura 2 - Evolução do Crédito e Endividamento das Famílias no Brasil

Uma vez que se identifica a relevância de um setor econômico, pode-se dizer que muitos fatores estão correlacionados com o mesmo, tais como renda, geração de empregos formais, alavancagem das famílias e disponibilidade de renda, concessões de créditos, entre outros. Isto posto, a proposta desse trabalho é, embasada pela representatividade do setor, identificar quais são os fatores determinantes dos preços de imóveis. Com base nisso, busca-se elaborar um modelo capaz de capturar possíveis alterações relevantes nos preços de imóveis, podendo até mesmo evidenciar tendências no setor, quantificando e trazendo um estudo acerca de informações que atualmente já

18 são modeladas, tais como crescimento de um país, variações esperadas nos preços ao consumidor, variações na concessão de crédito, entre outras.

2. Revisão da Literatura

Franses & De Groot (2013) investigaram se havia indícios de que os preços do setor imobiliário não residencial continham informações capazes de prever o crescimento do Produto Interno Bruto (PIB), numa base trimestral, na Holanda. Para isso, utilizaram um modelo de séries temporais e encontraram que um maior crescimento econômico pode ser previsto por um maior nível de locação de novas construções, além de maior variação nos níveis de preços e maior quantidade de imóveis vendidos no segmento de menor renda, “enquanto um menor crescimento econômico emerge quando a diferença entre os preços de imóveis dos segmentos high-end e low-end aumenta e quando a média do nível de preços nos imóveis do segmento low-price aumenta” (Franses & De Groot, 2013).

Ainda, os autores trouxeram para discussão o oposto do que fora modelado: a possibilidade de o crescimento econômico, medido pelo PIB, conter fatores de previsão dos preços no segmento imobiliário, isto é, se existe alguma casualidade reversa do que foi anteriormente modelado, utilizando como base a mesma metodologia. Como conclusão do trabalho, Franses & De Groot (2013) não apenas mostraram que os preços dos imóveis apresentaram conteúdo preditivo do crescimento trimestral do PIB, como mostraram acreditar que pesquisas futuras poderiam ser realizadas incluindo novas características e agregados macroeconômicos (i.e. consumo e investimento).

Brando & Barbedo (2016) pesquisaram quais fatores poderiam explicar a evolução observada no ciclo imobiliário global, que se intensificou ao longo dos anos 90, buscando identificar se variáveis de oferta e demanda, comportamentais e econômicas afetaram os preços dos imóveis. Os autores utilizam como variável dependente a série de preços de imóveis em São Paulo e no Rio de Janeiro e como variáveis explicativas dois grupos – geral e comportamental. Como dados gerais, utilizaram renda, população, índices de preços (INCC e IPCA), dados de crédito (volumes e prazos de financiamentos imobiliários), variáveis de oferta (lançamentos, vendas de matérias-primas, nível de

19 atividade da construção), taxa de juros e de desemprego. Para modelar o componente comportamental, utilizaram o Índice de Confiança do Consumidor, uma medida de expectativas sobre o futuro econômico do país, a evolução da bolsa de valores do Brasil, duas séries de dummies que remetem ao comportamento dos compradores – ampliação de programas do governo, que tem como derivada a euforia dos consumidores, e dummies para medir o impacto de eventos globais, nacionais e relacionadas a mídias do país publicadas globalmente e inclusive por instituições internacionais. Uma outra variável também utilizada por Brando & Barbedo (2016) é a de backwards looking, como indício de um comportamento ligado aos preços passados, uma vez que “o preço de imóveis tem característica inercial forte, e há indícios de que os agentes formem expectativas com base no preço passado, em detrimento das condições econômicas prospectivas” (Brando & Barbedo, 2016). Concluíram, através de regressões, que as variáveis que impactam os preços dos imóveis para a base de dados coletada são as expectativas sobre a economia, a performance da bolsa de valores e a variação do preço no mês anterior. Sobre a variável de Índice de preços (IPCA), trouxeram uma linha de raciocínio embasando sua possível correlação negativa com o preço dos imóveis, diferentemente do mais óbvio, que seria justificar que a habitação apresenta participação relevante (14,62% - fonte: IBGE, 2019) na composição do índice. À luz da teoria econômica, é possível argumentar que o aumento nos preços em geral produza um efeito de encarecimento dos produtos de uma economia, reduzindo a disponibilidade de recursos para aquisição de imóveis (Brando & Barbedo, 2016).

Ainda de acordo com Brando & Barbedo (2016), a teoria econômica básica aponta para preços de imóveis como resultado do equilíbrio entre fatores que conduzem à demanda – renda, demografia, taxas de juros de uma economia, impostos e condições creditícias – e fatores que remetem à oferta – estoque de imóveis, custo construtivo e limitações de capacidade de oferta.

Glaeser & Gyuorko (2006), no entanto, apontam para o mercado imobiliário como volátil, em que os preços podem divergir de fundamentos, seja por custos transacionais, poucas possibilidades de arbitragem e de instrumentos derivativos como seguros no setor. Apesar disso, também evidenciam e fundamentam o fator utilizado por Brando &

Barbedo (2016) de que as taxas de variação do preço são serialmente correlacionadas,

20 isto é, o preço passado recente exerce influência sobre as expectativas de preços futuros, o que demonstra que essa pode ser a melhor estimativa.

Besarria, Paes, & Silva (2018) também realizaram estudos empíricos sobre os preços dos imóveis no Brasil, a fim de encontrar uma resposta para o fato de os preços terem subido de forma representativa nos últimos anos, mais precisamente, se havia evidências de uma bolha imobiliária no país.

Foram coletados dados mensais de preços de vendas de imóveis, preços de aluguéis e taxas de juros nominais, entre mar-01 e out-17. Através de estudos econométricos, os autores investigaram a presença de bolhas no setor de imóveis, através de da relação preço/aluguel e do índice de preços dos imóveis.

Como conclusão principal, encontraram que a relação preço/aluguel possui poder explicativo sobre a supervalorização de preços, pois quando era muito alta, era preferível alugar um imóvel em detrimento de sua aquisição, fato observado durante a crise do subprime¹ nos EUA e, portanto, um bom indicativo de que os imóveis poderiam estar supervalorizados e poderia haver indícios de bolhas imobiliárias.

Uma das motivações do trabalho proposto por Besarria, Paes, & Silva (2018) é o fato de que o Brasil encara um problema de bolha imobiliária, pois os preços do setor imobiliário têm disparado em alguns mercados, segundo Meirelles (2013):

“O fato é claramente observado em algumas regiões do Rio de Janeiro e algumas regiões de São Paulo. Por aqui, ao contrário do que se viu nos Estados Unidos, não houve efeito na economia real”.

1 A crise do subprime foi a crise vivenciada pelos EUA quando do estouro da bolha imobiliária gerada entre 2001, quando o Federal Reserve (FED) reduziu as taxas de juros após os atentados de 11 de setembro de 2001, e 2007, quando os agentes financeiros da economia americana, “investidores internacionais, fundos de pensão, bancos internacionais e autoridades monetárias, principalmente na Europa, estavam posicionados em títulos lastreados em ativos tóxicos” (Damas, 2017).

21 Figura 3 - Evolução de Preços de Imóveis FipeZap, ajustados pelo INCC

Besarria & Silva (2018) sugeriram que os resultados de seus estudos, que evidenciaram a existência de bolhas no setor imobiliário dada a apreciação excessiva dos preços dos imóveis no Brasil, remeteram às condutas do Banco Central do país sobre a economia, visto que “tem considerado o comportamento dos preços dos imóveis quando decidem sobre a postura da política monetária nos últimos anos” (Besarria, Paes,

& Silva, 2018). Isto se deve ao fato de que os Bancos Centrais, dentro do escopo de suas metas de estabilidade de preços, podem se utilizar de seus instrumentos de política monetária, instrumentos esses que podem interferir nos preços de ativos imobiliários.

Berlemann (2013) realizou estudos sobre o impacto de políticas monetárias sobre ativos do mercado imobiliário na Suíça. Em seu trabalho, evidenciou que a literatura possui um consenso a respeito dos resultados encontrados, que mostraram forte impacto negativo de choques nas taxas de juros sobre a performance do setor imobiliário, numa visão agregada e para diversos países. Aumentos nas taxas de juros resultaram em queda nos preços dos ativos imobiliários e vice-versa.

22 A taxa de juros está intimamente ligada à política monetária e, portanto, à inflação e atividade econômica. Ela “desempenha um papel chave na tomada de decisões econômicas, já que interfere nos preços e nos custos de todos os setores da economia, (...) afetando uma série de decisões, desde despesas diárias dos consumidores até decisões críticas de investimentos que afetam a estrutura econômica de um país” (Omar, 2008). O consumo, ainda segundo Omar (2008), é negativamente afetado pelo incremento nas taxas de juros e, portanto, também a atividade econômica. Assim, a condução da política monetária e sua estabilidade também são afetadas pelas decisões de juros.

Seguindo a ideia econômica de que menores taxas de juros podem estimular o consumo (Omar, 2008), ainda que os imóveis não sejam um bem de fácil monetização, a lógica não é diferente: em ciclos de baixas taxas de juros, a tendência é que a propensão à aquisição desses ativos aumente e, portanto, também a demanda, podendo gerar um excedente da oferta e acarretando em aumentos nos preços para se alcançar o equilíbrio (Mankiw, 2007).

Um fator implícito nesse crescimento da demanda é a disponibilidade do crédito.

Em ciclos de altas taxas de juros, quando a política monetária é aplicada com viés de contração, a concessão de crédito é reprimida e, portanto, torna-se mais difícil adquirir um imóvel. E vice versa. A concessão de crédito está positivamente correlacionada com a propensão a adquirir imóveis, o que é evidenciado pela necessidade de linhas de financiamento, dados os altos valores agregados dos ativos imobiliários. Além disso, Ortalo-Magné & Rady (2005) evidenciam um condutor importante do mercado imobiliário para os preços praticados, que é a capacidade de realizar o pagamento inicial dos imóveis, isto é, a poupança, fator positivamente correlacionado com a renda. Fica evidente, portanto, a importância das instituições financeiras para o setor.

Portanto, pode-se fundamentar que o setor imobiliário é representativo numa economia, à medida que seus ativos possuem alto valor agregado e apresentam um fator diferenciado em relação aos demais bens e ativos de uma economia: por natureza, apresentam necessidade de suporte de instituições financeiras para aquisição, uma vez que geralmente compõem parte bastante representativa do patrimônio das famílias, como ponderado por Poterba (1984), que evidenciou que a liquidez disponível necessária, bem

23 como o valor do imóvel em si, representam parte significativa da renda populacional do país, daí a extrema importância do setor e sua forte representatividade na economia como um todo, sendo, inclusive, objeto de estudo pelos reguladores para execução de políticas monetárias, como estudado por Besarria & Silva (2018).

Em ambientes mais saudáveis e propícios ao crédito, como os de menor desemprego, inflação, inadimplência, endividamento das famílias, etc., o consumo tende a aumentar à medida que as condições de crédito são mais favoráveis (i.e. maiores prazos e menores taxas). Porém, como parte de um ciclo e ainda no contexto de políticas monetárias, quando a demanda ultrapassa a oferta em demasia, os preços passam a subir, de forma que um novo equilíbrio entre oferta e demanda é alcançado, momento em que os preços podem estar muito acima da estabilidade e, novamente, pode-se chegar a uma bolha.

A importância de se capturar possíveis aumentos expressivos nos preços ou quedas demasiadas emerge da evidência de que tais movimentos – crescimento dos preços – podem culminar em bolhas, que podem ser definidas pelo fato de que “o motivo pelo qual o preço é maior hoje é apenas porque os investidores acreditam que o preço de venda será maior amanhã” (Stiglitz, 1990).

Bolhas de ativos, em geral, só são identificadas quando vem a estourar e, nesse momento, já estão a ponto de desencadear crises com impactos negativos expressivos para o sistema financeiro e a atividade econômica, dada a deterioração conjunta das instituições. As variações dos preços de ativos de bolhas influenciam a economia real em duas frentes: (i) queda na renda das famílias gera menor consumo e (ii) investimentos devem contrair, dados os menores valores agregados de suas possíveis garantias (Damas, 2017).

Nesse sentido, a identificação de fatores determinantes dos preços de imóveis pode trazer uma contribuição relevante para a literatura, evidenciando quais os possíveis efeitos de mudanças no ambiente e expectativas dos agentes para a tomada de decisão:

o governo, com seus instrumentos de política monetária; os bancos, nos seus limites de apetite de crédito; a população, para balizar suas decisões de alavancagem/consumo ou poupança; as empresas ligadas ao setor imobiliário, na definição de seus preços, estratégias, investimentos e alavancagem, entre outros. Todos esses fatores estão

24 ligados ao crescimento de um país, traduzido por seu nível de atividade econômica, um dos critérios mais importantes do estudo.

O aumento dos preços de imóveis é um forte indicador de crises que, nas últimas décadas, tem se apresentado de forma periódica, e com impactos cada vez maiores, dada a globalização e o crescimento da correlação entre os mercados e os países (Reinhart & Rogoff, 2009). Como exemplos, tem-se a Grande Depressão de 1930, a Crise de Dívida de 1980 do chamado Terceiro Mundo, o colapso Asiático e Latino Americano de 1990 e, por fim, a Grande Recessão de 2008/2009. Esta última teve como principal catalizador o setor imobiliário, culminando na quebra da bolsa de valores, no colapso das moedas ao redor do mundo, chegando à falência de grandes bancos, portanto, com impactos devastadores no mercado financeiro global. Mesmo tendo sido superadas, dada a ciclicidade característica das crises e a dificuldade de recuperação, o tema de preços de imóveis torna-se ainda mais interessante quando se toma como exemplo a última crise vivida no mundo. Atualmente, superados os problemas vividos, esses eventos podem se tornar marcos e impulsionar estudos que permitam evitar ou buscar mecanismos de predição de novas crises, não limitando-se apenas em novas regulamentações para instituições financeiras, novas regras no setor imobiliário, maior cautela por parte da população e dos governos, de forma a evitar que a história se repita no mundo todo (Besarria, Paes, & Silva, 2018), e buscando cada vez menos a ideia de que “desta vez é diferente” (Reinhart & Rogoff, 2009).

3. Metodologia 3.1. Modelo

A proposta do trabalho é utilizar um modelo econômico com o propósito de medir o impacto das variáveis selecionadas nos preços dos imóveis, uma vez que a literatura não possui um consenso sobre quais fatores afetam os preços dos imóveis. Parte da literatura é voltada para uma análise comportamental para buscar explicar o comportamento do setor (Brando & Barbedo, 2016), utilizando também fatores econômicos e outros mais relacionados a oferta e demanda. Há autores que buscam explicar o aumento expressivo dos preços de imóveis através da relação entre esta

25 variável e os valores praticados nos aluguéis (Besarria, Paes, & Silva, 2018). A literatura extensa dificulta o consenso sobre o tema, o que conduz à necessidade um direcionamento específico para esse trabalho: se apenas as variáveis macroeconômicas e de crédito ligadas ao setor afetam os preços.

O modelo econômico proposto pode ser exemplificado como uma função, em que os preços dependem das variáveis selecionadas com base na literatura:

𝑃𝑟𝑒ç𝑜𝑠_{𝑖𝑚ó𝑣𝑒𝑖𝑠} = 𝑓(𝐼𝑚𝑜𝑏, 𝑀𝑎𝑐𝑟𝑜) Equação 1 - Modelo econômico proposto

Em que:

𝐼𝑚𝑜𝑏 representa o grupo de variáveis do mercado imobiliário ligadas a crédito 𝑀𝑎𝑐𝑟𝑜 é o grupo de variáveis macroeconômicas utilizadas no modelo

Dentre as variáveis do setor imobiliário (Imob), estão a Concessão de Crédito, o Prazo Médio da Carteira de Crédito e o Índice de Custo de Crédito, ambas voltadas para o financiamento imobiliário.

Como variáveis puramente macroeconômicas (Macro), tem-se o IBC-Br como parâmetro para medir atividade econômica, variação mensal do IPCA (Índice de Preços ao Consumidor Amplo), Taxa de Desocupação como forma de medir o nível de desemprego, variação mensal do CDI como balizador de taxas de juros do país e, por fim, Índice de Confiança do Consumidor.

Ambas as variáveis serão mais amplamente discutidas na próxima seção.

3.2. Descrição das Variáveis

Neste trabalho, serão utilizados como base os preços de imóveis do Estado de São Paulo, mais precisamente de sua capital que, como pontuado por Meirelles (2013), apresentou crescimento representativo nos preços de imóveis recentemente. Além disso, é o Estado que concentra parcela mais significativa do PIB da sua região, sendo responsável por mais de 60% do PIB do Sudeste do país em mai-19 (Banco Central do Brasil, 2019). Na região Sudeste, São Paulo representa 53% do PIB do país em mai-19 (Banco Central do Brasil, 2019), o que leva a uma representatividade de mais de 30%

26 sobre o PIB do país todo, um número relevante se levado em conta o fato de que o país possui mais de 5.500 cidades (IBGE, 2019).

Os preços dos imóveis na cidade de São Paulo, quando comparados com o Brasil, apresentam valores relativamente maiores, em média 2% acima do país em 2019 (FIPE, 2019), dado que pode ser explicado pelo fato de a cidade e sua região serem economicamente mais representativas, praticando preços acima do restante do país. Isto posto, ao se analisar e comparar os preços dos imóveis em São Paulo e no Brasil, tem- se que são também altamente correlacionados (0,974), portanto, o estudo abrangendo a cidade de São Paulo pode ser um bom comparativo para um estudo com abrangência nacional.

Dada a disponibilidade dos dados, isto é, pelo fato de algumas variáveis apresentarem limitações de dados disponíveis, o período do estudo compreende um intervalo entre jan-13 e mai-19, totalizando 77 meses. A variável dependente do estudo é o Preço dos Imóveis na cidade de São Paulo, cuja base de dados foi obtida pela Fipezap. Tais preços serão ajustados pela variação do Índice Nacional da Construção Civil, como forma de corrigir a variação de preços no período, que pode influenciar os resultados. Os dados do INCC são divulgados pela Fundação Getulio Vargas (FGV) com a finalidade de aferir a evolução de custos das construções habitacionais e da construção civil como um todo. A base de ajuste será a mesma base inicial de dados, isto é, em jan- 13 os preços serão ajustados pelo INCC de jan-13 e assim por diante.

Os preços médios Fipezap de Venda de imóveis residenciais são coletados do portal Zap Imóveis, que concentra mais de um milhão de anúncios de venda e locação, anunciados por corretores, imobiliárias ou Pessoas Físicas e Jurídicas proprietárias de imóveis. A Fundação Instituto de Pesquisas Econômicas (FIPE) e o Portal Zap desenvolveram, em conjunto, um índice de preços com base em tais informações coletadas. O Portal Zap possui publicada uma base de anúncios que abrange mais de 50 cidades do Brasil e os índices consideram os preços médios por m² praticados nos anúncios. São considerados anúncios válidos, de acordo com critérios de área útil mínima e máxima, preços mínimos e máximos e números de dormitórios mínimos e máximos, além de excluir anúncios repetidos através de coordenadas geográficas.

27 Abaixo, serão discutidas as variáveis explicativas do modelo.

i. Variáveis macroeconômicas ligadas ao Setor Imobiliário (Imob)

i. Concessões de Crédito Imobiliário (BCB) e Prazo Médio da Carteira de Crédito (financiamento Imobiliário, BCB)

Como destacado por Brando & Barbedo (2016), as melhorias nas condições de crédito respondem pelo aumento da capacidade de compra no lado da demanda, ocasionando aumento de preços no mercado imobiliário. “A ampliação na oferta de crédito foi o principal motor” do aumento da liquidez geral da economia, indicando ciclos de expansão com aumentos nas concessões. Ainda, os autores mostraram que há significância no prazo para determinação do preço, com impacto positivo, o que pode ser explicado pelo aumento da demanda por flexibilidade no tempo para pagamento.

A variável Concessão de Crédito imobiliário está inserida na categoria de Crédito com Recursos Direcionados² e compreende a somatória do saldo devedor dos contratos de crédito imobiliário (pessoas física e jurídica) nos respectivos meses de divulgação.

Esse saldo inclui novas concessões realizadas entre a divulgação dos dados, além de juros acruados. Para essa variável, a ideia central é que o sinal no modelo seja positivo, uma vez que maiores níveis de concessões de crédito imobiliário, assim como observado pelos autores, tendem a gerar maior demanda pela aquisição de imóveis, pressionando os preços.

Optou-se por utilizar a variável Prazo Médio da Carteira de Crédito pelo fato de que ela apresenta sempre a carteira histórica acrescida das novas concessões, capturando a velocidade das mudanças de níveis de prazo de fato, uma vez que a variável considera uma ponderação pelo valor de cada nova concessão.

2 Trata-se de “operações de crédito regulamentadas pelo Conselho Monetário Nacional (CMN) ou vinculadas a recursos orçamentários, destinadas, basicamente, à produção e ao investimento de médio e longo prazo aos setores imobiliário, habitacional, rural e de infraestrutura. As fontes de recursos são oriundas de parcelas das captações de depósito à vista e de caderneta de poupança, além de fundos e programas públicos” (Banco Central do Brasil, 2019).

28 ii. Indicador de Custo de Crédito (ICC) – Financiamento Imobiliário (BCB) Conforme indicado por Berlemann (2013), “maiores taxas de juros levam a um aumento no custo do crédito, tornando a aquisição menos atrativa”. Desta forma, espera- se que o preço diminua, dada a menor atratividade do ativo e, portanto, menor demanda pelo mesmo. O Indicador de Custo de Crédito (ICC) do BCB é um estimador do custo das operações de crédito, incluindo juros e tributos e excluindo inadimplência e será utilizado no estudo para testar se tal indicador é relevante e possui impacto nos preços dos imóveis. O ICC é calculado conforme segue

𝐼𝐶𝐶

= ((

∑^𝑛_𝑚=1𝑆𝑙𝑑_𝑡^𝑚

+ 1)

− 1) 𝑥 100

Onde:

𝐼𝐶𝐶_𝑡 = Indicador de Custo de Crédito em t 𝑀_𝑡^𝑚 = montante de juros em t na modalidade m 𝑆𝑙𝑑_𝑡^𝑚 = saldo da modalidade m em t

t = data de referência

𝑀

= 𝑆

× 𝐼

sendo

𝐼

=

𝑚 𝑡𝑘=1 ×𝑖_𝑘^𝑚

∑^𝑡_𝑘=1𝑆_𝑡,𝑘^𝑚

Onde:

𝑆_𝑡^𝑚 = saldo da modalidade m em t

𝐼_𝑡^𝑚 = taxa média de juros da carteira em t

𝑆

k = data de concessão

Em linha com a literatura, espera-se um sinal negativo para essa variável no modelo, uma vez que quanto menor o custo para aquisição de um imóvel, mais atrativo ele deve se tornar, levando a maiores demandas e, portanto, pressionando os preços dos ativos para cima.

29 ii. Variáveis Macroeconômicas

i. Atividade Econômica medida pelo IBC-Br (BCB)

Brando & Barbedo (2016) e Franses & De Groot (2013) utilizam a Renda, ou PIB, em seus modelos para mostrar a relação entre as duas variáveis e, em ambos os trabalhos, notaram relevância. Portanto, a variável de crescimento do PIB foi utilizada e optou-se pelo Índice IBC-Br, divulgado pelo Banco Central, como proxy para o desempenho dos setores da economia, isto é, como variável indicadora do crescimento econômico. O IBC-Br é um indicador agregado de atividade, que pode ser comparado ao PIB do Brasil e é considerado relevante para medir a atividade econômica.

Espera-se que o crescimento econômico, assim como defende a vasta literatura sobre essa variável, seja positivamente correlacionado com os preços dos imóveis, uma vez que se trata de uma proxy de aquecimento econômico, que gera maior disponibilidade de renda, menores níveis de desemprego, possibilitando maior consumo das famílias.

i. Índice de Preços ao Consumidor Amplo (IPCA, IBGE)

A literatura diverge sobre o resultado esperado dos índices de preços, isto é, da inflação sobre os preços de imóveis. Brando, et al. (2016) apontam para duas linhas de raciocíonio que suportam a ideia de que o IPCA é negativamente correlacionado com o aumento nos preços dos imóveis: (i) “acredita-se que o aumento do índice geral de preços tenha o efeito de reduzir o preço de imóveis, na medida em que o encarecimento do preço dos demais produtos poderia reduzir a disponibilidade de recursos para compra de imóveis” e (ii) no curto prazo e supondo um atraso no ajuste dos preços, um aumento da inflação tem o poder de reduzir naturalmente o valor real dos imóveis (Brando & Barbedo, 2016).

Berlemann (2013), por outro lado, aponta para a inflação como indicador que impacta na variação dos preços de imóveis e, portanto, ambas as variáveis tendem a ter sinais semelhantes. Tal lógica corrobora com a ideia de que os preços passados tem influência nos preços atuais, que por sua vez afetam os preços futuros. Assim, um aumento da inflação hoje pode ser resultado de aumentos nos preços passados, inclusive

30 de imóveis, o que também exerce influência sobre os preços futuros, portanto, pode-se supor que o IPCA sofrerá alguma pressão desse componente para crescer, o que deve também gerar aumento nos preços futuros de imóveis. Brando, et al. (2016) utilizam a lógica de preços passados como possíveis precificadores do futuro. Há momentos econômicos em que houve inversão dessa lógica, levando à Teoria Econômica Clássica para precificação de um ativo (o preço futuro de um ativo é fruto apenas da expectativa geração de fluxo de caixa no futuro).

O IPCA é considerado uma proxy da inflação, que mede a variação de um conjunto de produtos e serviços relacionados ao consumo das famílias. É medido em pontos e divulgado em forma de variação. A data inicial de coleta de dados é jan-1980.

Como não há um consenso pela literatura, o sinal esperado de tal variável pode ser fundamentado em tanto num cenário positivo, quanto negativo.

ii. Índice de Confiança do Consumidor (Fecomercio)

Apesar da baixa relevância encontrada por esta variável nos trabalhos de Brando

& Barbedo (2016), a expectativa e os resultados mostraram correlação positiva entre as variáveis.

O Índice é obtido através de uma pesquisa com cerca de 2.200 consumidores da cidade de São Paulo e seu principal objetivo é “identificar o "humor" dos consumidores mediante sua percepção relativa às suas condições financeiras, às suas perspectivas futuras e também à percepção que o consumidor tem das condições econômicas do país”

(FECOMERCIO, 2019). O índice varia entre 0 e 200 pontos, baseados em questões dicotômicas, e é utilizado atualmente pelo Comitê de Política Monetária, em suas decisões estratégicas (i.e., definição de taxas de juros).

Como sinal, espera-se aqui que seja positivo, uma vez que quanto maior o Índice de Confiança do Consumidor, maior deve ser sua propensão ao consumo e investimento, inclusive em ativos imobiliários. Com maior apetite, o setor tende a apresentar um aquecimento e, consequentemente, uma pressão dos preços para cima, o que corrobora com a expectativa da literatura abordada para tal variável.

31 iii. Taxa de Desocupação (PNADC, IBGE)

Como conclusão do trabalho de Brando & Barbedo (2016), tem-se que um

“aumento no desemprego reduz a demanda, o que leva a uma redução no preço de imóveis, tudo o mais constante”. Além da significância da variável, ela mostrou-se inversamente correlacionada ao crescimento dos preços. Portanto, será objeto deste trabalho a variável taxa de desocupação, que é calculada pela quantidade de pessoas que não estão empregadas em relação à População Economicamente Ativa (PEA). No cálculo, são computadas como PEA a população com idade para trabalhar no período de referência, ou ocupadas produzindo bens e serviços ou sem ocupação, mas que procuram ativamente.

Espera-se aqui, assim como os autores encontraram, um sinal negativo, dado que quanto menor o nível de desocupação, maior deve ser a propensão dos indivíduos a comprar um imóvel, portanto os preços devem subir.

iv. Taxa CDI mensal (B3)

O CDI é uma das principais referências de taxas de juros no mercado brasileiro para as mais diversas modalidades de investimentos e crédito. É formado a partir de uma média das taxas negociadas entre os bancos a curtíssimo prazo, na modalidade de Depósitos Interfinanceiros pré-fixados, pelo prazo de um dia útil, registrados e liquidados no sistema da B3, clearing que é atualmente responsável pelo índice.

Besarria, et al. (2018) e Brando, et al. (2016) utilizaram as taxas de juros da economia para explicar variações nos preços de imóveis e concluíram que estas são utilizadas como forma de conter o crescimento de preços, portanto negativamente correlatas aos preços dos imóveis. O mesmo resultado foi obtido por Berlemann (2013), cujo estudo mostrou que o mercado imobiliário responde de forma representativa a mudanças nas políticas monetárias, o que inclui choques de taxas de juros, uma vez que

“aumentos nas taxas de juros conduziram a um significante declínio nos preços das casas” (Berlemann, 2013).

Assim como defendido pela literatura, espera-se que o sinal dessa variável seja inversamente correlacionado com os preços dos imóveis, uma vez que com juros mais altos na economia, o serviço da dívida do crédito imobiliário deve ser maior, reduzindo a

32 demanda por imóveis dada a menor capacidade de aquisição pela população e gerando uma pressão para redução dos preços, a fim de se adequar à renda disponível das famílias.

3.3. Base de Dados e Método

A base de dados será composta por séries temporais das variáveis indicadas, entre o período de jan-13 e mai-19, compreendendo um período de estudo de cinco anos e meio, período este em que todas as variáveis coletadas estão disponíveis, não sendo necessário utilizar métodos de interpolação, além do fato de que não havia distorções significativas para enviesar a amostra – por exemplo, o período de hiperinflação vivido no Brasil, entre 1980 e 1994.

Para a variável resposta, isto é, os preços dos imóveis, foram utilizados os dados do INCC como forma de ajustar os preços.

A tabela abaixo explicita as variáveis de cada subgrupo que serão utilizadas no modelo.

Tabela 1 - Descrição das Variáveis selecionadas para os Modelos

Grupo de Variáveis Hipóteses Variável Descrição Sinal

Esperado Fonte

Concess_Var

Variação no montante de Concessões de Crédito

Imobiliário

+ Banco Central do Brasil (BCB)

Prazo_Var

Variação do Prazo Médio da Carteira de Crédito - financiamento imobiliário

+ Banco Central do Brasil (BCB)

ICCred_mês

Indicador mensal de Custo de Crédito de financiamentos

Imobiliários

- Banco Central do Brasil (BCB)

IBCBr_Var

Variação do Indicador mensal de Atividade Econômica Nacional

(IBC-Br)

+ Banco Central do Brasil (BCB)

IPCA_Var Variação do Índice de Preços ao

Consumidor Amplo -

Instituto Brasileiro de Geografia e Estatística

(IBGE) Desocup_Var Variação da Taxa de

Desocupação -

Instituto Brasileiro de Geografia e Estatística

(IBGE)

CDI_mês Taxa mensal do CDI - B3

ICConsum_Var Variação do Índice de Confiança

do Consumidor + Fecomercio

Elaboração própria Variáveis de

Crédito relacionadas ao Setor Imobiliário

As condições relacionadas a crédito no setor imobiliário impactam

os preços dos imóveis?

Variáveis Macroeconômicas

As variáveis macroeconômicas

afetam os preços dos imóveis em São

Paulo?

33 A tabela 1 resume as variáveis utilizadas no modelo, com base nas hipóteses e na literatura abordada: os códigos que serão utilizados no modelo, bem como sinais esperados para cada variável explicativa e as respectivas fontes utilizadas para obtenção das informações.

Será utilizado o método de Regressão Linear Múltipla com dados de séries temporais, em que se considera uma variável dependente – no caso, variação nos preços dos imóveis – cujos resultados são influenciados por variáveis explicativas de forma concomitante.

É importante ressaltar que, antes da construção do modelo econométrico em si, é necessário realizar um estudo estatístico descritivo sobre as variáveis, de forma a identificar correlações muito relevantes e que podem afetar o modelo, além de analisar a base de dados e suas descrições (médias, desvios-padrão, número de observações, curtose, entre outros).

O modelo econométrico baseado nos modelos apresentados por Brando &

Barbedo (2016) é apresentado abaixo. Após a definição do modelo, serão aplicados os testes estatísticos para séries temporais e, caso necessário, as variáveis serão trabalhadas a fim de apresentar resultados consistentes e significativos.

𝐿𝑛_𝑃𝑟𝑒ç𝑜𝑠_𝑡 = 𝛽₀+ 𝛽₁𝐶𝑜𝑛𝑐𝑒𝑠𝑠_𝑉𝑎𝑟_𝑡+ 𝛽₂𝐼𝐶𝐶𝑟𝑒𝑑_𝑉𝑎𝑟_𝑡+ 𝛽₃𝑃𝑟𝑎𝑧𝑜_𝑉𝑎𝑟_𝑡+ 𝛽₄𝑃𝐼𝐵_𝑉𝑎𝑟_𝑡+ 𝛽₅𝐼𝑃𝐶𝐴_𝑉𝑎𝑟_𝑡+ 𝛽₆𝐷𝑒𝑠𝑜𝑐𝑢𝑝_𝑉𝑎𝑟_𝑡+ 𝛽₇𝐶𝐷𝐼_𝑉𝑎𝑟_𝑡+ 𝛽₈𝐼𝐶𝐶𝑜𝑛𝑠𝑢𝑚_𝑡+Ԑ_𝑡

Equação 3 - Modelo econométrico

Onde:

𝐿𝑛_𝑃𝑟𝑒ç𝑜𝑠_𝑡= Ln dos preços de imóveis na cidade de São Paulo no período t

𝐶𝑜𝑛𝑐𝑒𝑠𝑠_𝑉𝑎𝑟_𝑡 = Variação do volume de concessões de crédito imobiliário no período t 𝑃𝑟𝑎𝑧𝑜_𝑉𝑎𝑟_𝑡 = Variação do Prazo Médio da Carteira de Crédito Imobiliário do Sistema Financeiro nacional no período t

𝐼𝐶𝐶𝑟𝑒𝑑_𝑚ê𝑠_𝑡 = Índice do Custo de Crédito Imobiliário mensal, no período t 𝑃𝐼𝐵_𝑉𝑎𝑟_𝑡 = Variação do Índice IBC-Br no período t

34 𝐼𝑃𝐶𝐴_𝑉𝑎𝑟_𝑡 = Variação do Índice de Preços ao Consumidor Ampliado no período t

𝐷𝑒𝑠𝑜𝑐𝑢𝑝_𝑉𝑎𝑟_𝑡 = Variação da Taxa de Desocupação no período t 𝐶𝐷𝐼_𝑚ê𝑠_𝑡 = Taxa CDI mensal no período t

𝐼𝐶𝐶𝑜𝑛𝑠𝑢𝑚_𝑉𝑎𝑟_𝑡 = Variação do Índice de Confiança do Consumidor no período t

As hipóteses que se pretende testar com base no modelo econométrico e através das variáveis descritivas supracitadas são descritas abaixo.

(i) As condições macroeconômicas do país influenciam os preços de imóveis praticados na cidade de São Paulo?

(ii) As condições de crédito imobiliário impactam os preços de imóveis?

As variáveis explicativas foram escolhidas com base na revisão da literatura e na sua representatividade com relação ao tema escolhido, de forma a abranger o máximo de informações possíveis para se testar as hipóteses. Com isto, buscou-se maior abrangência sobre o tema e menor possibilidade de endogeneidade no modelo.

4. Análise de Dados

Para análise dos dados coletados e processados, serão apresentados nesta seção os dados de estatística descritiva, os gráficos de evolução das variáveis explicativas e a correlação entre as variáveis.

35 Tabela 2 - Análise Descritiva das Variáveis

A tabela 2 apresenta os dados obtidos pela estatística descritiva das variáveis utilizadas nos testes do modelo.

Os preços dos imóveis, variável dependente no modelo, assim como as variáveis Prazo médio, Indicador de Custo de Crédito e IBC-Br, apresenta baixa variabilidade nos dados, dado o desvio padrão que é pequeno quando comparado ao valor absoluto médio.

Já as variáveis Concessões de crédito, Variação do IPCA, Desocupação, Variação do CDI mensal e Índice de Confiança do Consumidor apresentaram-se, no período do estudo, com alta variabilidade, com desvios-padrão altos comparados às médias, e com mínimos chegando a ser negativos em alguns casos e com uma amplitude muito grande.

Variável # Obs Média Desvio

Padrão Mínimo Máximo

Preços Fipezap (R$) 77 8.277 532 6.819 8.906

Concessões de Crédito Imob (R$ bilhões) 77 10,3 2,8 6,1 163,9

Prazo Médio Financ Imob (meses) 77 116,0 5,6 105,9 125,2

Ind Custo Crédito Imob mensal (%) 77 9,3 0,2 9,0 9,6

PIB_IBCbr (pontos) 77 140 5,0 132 149

IPCA_Var mensal 77 0,482 0,332 -0,230 1,320

Taxa Desocup (%) 77 9,9 2,5 6,2 13,7

CDI mensal (%) 77 -0,03 0,25 -0,55 0,29

Ind Conf Consum (pontos) 77 113,3 18,9 84,5 165,8

Elaboração própria

36 Figura 4 - Ln_Preços x Concessões de Crédito Imobiliário

Figura 5 - Ln_Preços x Prazo Médio da Carteira de Crédito Imobiliário

37 Figura 6 - Ln_Preços x Índice de Custo de Crédito

Figura 7 - Ln_Preços x IBC-Br

38 Figura 8 - Ln_Preços x IPCA

Figura 9 - Ln_Preços x Taxa de Desocupação

39 Figura 10 - Ln_Preços x CDI

Figura 11 - Ln_Preços x Índice de Confiança do Consumidor

40 5. Resultados

Nesta seção, serão apresentados os resultados dos testes estatísticos de estacionariedade das séries temporais que geram transformações nas variáveis, além da regressão múltipla de séries temporais e correlações cruzadas entre cada uma das variáveis explicativas com a variável dependente.

A primeira análise realizada com os dados de forma compilada é a de existência de multicolinearidade, que pode ser evidenciada pela tabela 3. Os dados mostram que há uma correlação moderada entre algumas variáveis independentes, e há também variáveis que não apresentaram relação significativa, ficando muito próximas a zero, como é o exemplo da relação da variação do IPCA com a variação de Concessões de Crédito ou com a variação do Índice de Custo de Crédito. Como já esperado, a maior correlação encontrada foi entre variação do CDI e variação do Índice de Custo de Crédito, uma vez que essa última é uma derivada das taxas de juros praticadas na economia, tendo seu comportamento bastante ligado a ela. Nenhuma das variáveis apresentou correlação perfeita entre si. Ainda que a baixa correlação entre as variáveis não possa ser interpretada como ausência garantida de multicolinearidade, ela traz relevância para o estudo, uma vez que a multicolinearidade perfeita indicaria a indeterminação das estimativas dos coeficientes do modelo (Gujarati, 2011). Algumas das variáveis que demonstraram nível de correlação baixa apresentaram relevância nos estudos da literatura abordada, como é o caso da relação entre confiança do consumidor e nível de atividade econômica medido pelo IBCBr. Também foram realizados testes para medir a razão Variance Inflation Factor (VIF), a fim de verificar se há impacto devido à multicolinearidade e seus resultados indicaram que existe um nível aceitável de multicolinearidade. Os resultados dos testes VIF podem ser encontrados no apêndice desse trabalho.