Embed Size (px)
Citation preview
FUNDAÇÃO GETÚLIO VARGAS
ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO
MARCIO FERNANDES GUEDES
A PROPENSÃO AO FINANCIAMENTO
ATRAVÉS DE CARTÕES DE CRÉDITO
SÃO PAULO
2005
FUNDAÇÃO GETÚLIO VARGAS
ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO
MARCIO FERNANDES GUEDES
A PROPENSÃO AO FINANCIAMENTO
ATRAVÉS DE CARTÕES DE CRÉDITO
Dissertação apresentada ao Curso de
Mestrado Profissional em Administração
da FGV–EAESP
Área de Concentração: Finanças, Crédito
como requisito para a obtenção do título
de Mestre em Administração.
Orientador: Prof. Abraham Laredo Sicsú
SÃO PAULO
2005
Guedes, Marcio Fernandes. A propensão ao financiamento através de cartões de crédito / Marcio Fernandes Guedes. - 2005. 124 f. Orientador: Abraham Laredo Sicsú. Dissertação (MPA) - Escola de Administração de Empresas de São Paulo. 1. Cartões de crédito. 2. Financiamento. 3. Análise de regressão. 4. Credicard. I. Sicsú, Abraham Laredo. II. Dissertação (MPA) - Escola de Administração de Empresas de São Paulo. III. Título.
CDU 336.714
MARCIO FERNANDES GUEDES
A PROPENSÃO AO FINANCIAMENTO
ATRAVÉS DE CARTÕES DE CRÉDITO
Dissertação apresentada ao Curso de
Mestrado Profissional em Administração
da FGV–EAESP
Área de Concentração: Finanças, Crédito
como requisito para a obtenção do título
de Mestre em Administração.
Data de aprovação:
___ / _______ / 2005
Banca examinadora:
Prof. Abraham Laredo Sicsú
FGV-EAESP
Prof. João Carlos Douat
FGV-EAESP
Profa. Silvia Pereira de Castro Casa Nova
FEA-USP
AGRADECIMENTOS
Meu especial agradecimento ao Prof. Abraham Laredo Sicsú, cujos conhecimento
iluminador e entusiasmo contagiante foram fundamentais para que este trabalho
fosse efetuado com sucesso.
A meus chefes Andrea Dias e Fernando Santos, que ao longo do MPA tiveram uma
compreensão que eu jamais teria. Ao Gustavo Freitas, que me “empurrou” para o
MPA. E a todo o pessoal da CREDICARD, que deu suporte técnico e acompanhou
com sincero interesse todas as etapas do Curso e da Monografia.
Às colegas de turma Alessandra Ginante e Ana Cristina Salzano, pelo incentivo,
amizade e bom humor que amenizaram momentos difíceis e divertiram momentos
leves.
A meus Pai & Mãe, que ao longo deste trabalho completaram Bodas de Ouro, pela
confiança, estímulo e fé constantes, exemplares e inigualáveis. E, claro, pelo Amor e
estóica paciência.
Aos Amigos, que embora acreditando que eu utilizasse os estudos como álibi para
dar vazão ao prazer do isolamento, sempre insistiram em manter um saudável
contato.
Aos Professores João Carlos Douat e Silvia Pereira de Castro Casa Nova, membros
da Banca Examinadora, por terem atendido ao convite para desempenhar este
papel, dispondo de seu tempo e conhecimento para analisar este trabalho.
Ao Corpo Docente e Funcionários da Fundação Getúlio Vargas, que fazem com que
me orgulhe tanto de mencionar o nome da Instituição como de pisar em suas
instalações.
Todas estas pessoas reforçam minha crença no ditado: “o maior ativo que alguém
pode ter são pessoas que acreditem em sua capacidade”.
RESUMO
Esta dissertação aborda as causas da tendência ao financiamento dos clientes de
cartões de crédito da CREDICARD, que tem uma base de clientes superior a 5
milhões de contas e 7 milhões de cartões. O financiamento – seja através do Crédito
Rotativo, pela simples não-quitação da integralidade da fatura, seja através da
utilização de produtos com taxas de juros pré-fixadas como o Parcelamento com
Juros ou o Crédito Pessoal – é responsável por mais de 50% das receitas da
Administradora.
Analisamos aqui diversos motivos que possam levar a explicar os picos e vales da
Propensão ao Financiamento através de cartões de crédito, sejam eles
conseqüência de variáveis de Emprego & Renda, Produção, Indicadores
Econômicos, devidos a sazonalidade ou a decisões internas da Empresa, ou ainda
outras causas.
A seguir aproveitamos a experiência adquirida para estabelecer um modelo
matemático explicativo de tal desempenho, e ainda avaliar a capacidade preditiva de
tal modelo.
Os resultados obtidos indicam uma forte influência das decisões de distribuição da
base de clientes sobre o comportamento da Propensão, bem como os impactos da
sazonalidade, de indicadores nacionais de Produção e das operações de crédito
totais do sistema financeiro a pessoas físicas. O que não invalida influências de
outras variáveis, que podem ter seu comportamento refletido pela conjunção do
comportamento de outras variáveis.
Palavras-chave: 1. Propensão; 2. Financiamento; 3. Cartões de crédito; 4.
Regressão múltipla; 5. Credicard.
ABSTRACT
This dissertation analyzes the causes of tendency to financing by credit cardholders
among CREDICARD customers. The Company features a client base superior to 5
million accounts and 7 million credit cards. Financing – through “Revolving Credit”,
which is activated simply by the non-payment of the face value of the invoice, or
through the usage of products with pre-fixed interest rate, such as “Installments with
Interest” or “Personal Loans” - is responsible for over 50% of the Issuer revenues.
We check a wide range of reasons that may explain the ups and downs of the
Propensity to Finance through the credit card instrument, whether they are due to
variables of Employment and Salaries, Production, Economic Indicators, due to
seasonality or internal Company decisions, or even some other miscellaneous
causes.
We thus take advantage of the experience to establish a mathematical model based
on multiple regression to explain the behavior of the Propensity to Finance, trying to
use its forecasting capabilities.
Results obtained indicate a strong impact of the Company’s decisions related to
customer base distribution, such as the influence of seasonality, national Production
indicators and the Total Credit Operations of the Financial Sector to Individuals. This
does not invalidate other variables, which might have their influence reflected by a
combination of other variables behavior.
Key words: 1. Propensity; 2. Financing; 3. Credit cards; 4. Multiple regression; 5.
Credicard.
LISTA DE ILUSTRAÇÕES (QUADROS)
página
Quadro 1 Dados de um Modelo de Regressão Múltipla
28
Quadro 2 Exemplo de Correlograma de Variável Independente versus Dependente
43
Quadro 3 Matriz de Correlação do grupo de Indicadores Internos da Empresa
48
Quadro 4 Matriz de Correlação do grupo de Indicadores de Emprego e Renda
50
Quadro 5 Matriz de Correlação do grupo de Indicadores Econômicos
52
Quadro 6 Matriz de Correlação do grupo de Indicadores de Produção e Consumo
54
Quadro 7 Matriz de Correlação do grupo de Indicadores Diversos
56
Quadro 8 Regressão “Stepwise” com 30 variáveis independentes (MINITAB)
64
Quadro 9 Análise de Regressão do Modelo Proposto (MINITAB)
65
Quadro 10 Correlação entre as 6 Variáveis Independentes
69
Quadro 11 Correlação entre 7 Indicadores Econômicos e as 6 Variáveis Independentes do Modelo
73
LISTA DE ILUSTRAÇÕES (GRÁFICOS)
página
Gráfico 1 Exemplos de situações de clientes com diferentes
Propensões ao Financiamento
16
Gráfico 2 Propensão ao Financiamento (período 1995 a 2004)
17
Gráfico 3 Comparativo da Propensão a Financiar por Portfolio versus Total da Empresa (período outubro/00 a dezembro/04)
20
Gráfico 4 Exemplo de Distribuição de Resíduos com Heteroscedasticidade
32
Gráfico 5 Série Histórica do CDI mensal (período janeiro/95 a abril/05)
40
Gráfico 6 Série Histórica da taxa de câmbio R$ / US$ (período janeiro/95 a maio/05)
41
Gráfico 7 M1 (Papel Moeda em Poder do Público)
53
Gráfico 8 Sazonalidade da Propensão ao longo dos anos (período 1997 a 2004)
57
Gráfico 9 Histograma de Resíduos do Modelo
66
Gráfico 10 Resíduos versus Valores Ajustados
67
Gráfico 11 Resíduos por Ordenação dos Dados
68
Gráfico 12 Comparativo Propensão a Financiar: Real versus Modelo
74
Gráfico 13 Evolução da variável independente “Operações de Crédito Totais do Sistema Financeiro a Pessoas Físicas”
76
LISTA DE ILUSTRAÇÕES (ESQUEMAS)
página
Esquema 1 Processo de Especificação do Modelo Iterativo
37
Esquema 2 Retardo (em meses)
42
LISTA DE TABELAS
página
Tabela 1 Ranking de países por volume de transações e
quantidade de cartões
25
Tabela 2 Comparativo de taxas do crédito rotativo versus cheque especial
26
Tabela 3 Variáveis Submetidas para Confecção do Modelo
62
Tabela 4 Comparativo Propensão projetada versus real
75
LISTA DE SIGLAS
CDI Taxa de Juros CESTA_BAS Custo da Cesta Básica CIRC_PP Relação Resgates / Saldos de Poupança (velocidade de
circulação) CONS_EN_EL Consumo de Energia Elétrica no Setor Residencial CRED_PF_R_NO Operações de Crédito do Sistema Público a Pessoas Físicas
(Risco Normal) CRED_PF_TOT Operações de Crédito do Sistema Público a Pessoas Físicas
(Total) CTA_AT Quantidade de Contas Ativas no Mês DUMMY_13 Efeito 13o Salário (Novembro = Dezembro = 1; resto do ano =
0) DUMMY_CARN Efeito Início do Ano (Fevereiro = Março = Abril = 1; resto do
ano = 0) EMERG Participação do Portfolio Emergente na Base de clientes EMPR_FORM_CO Emprego Formal – Comércio EMPR_FORM_GE Emprego Formal - Índice Geral FOL_PG_IND Folha de Pagamento na Indústria IBVSP Índice de Ações: Ibovespa ICC Índice de Confiança do Consumidor na Economia IGP_DI Índices de Preços e Inflação: IGP-DI IGP_M Índices de Preços e Inflação: IGP-M INPC Índices de Preços e Inflação: INPC INTL Participação do Portfolio Internacional na Base de clientes IPC_FIPE Índices de Preços e Inflação: IPC-FIPE IPCA Índices de Preços e Inflação: IPCA LOCAL Participação do Portfolio Local na Base de clientes M1 M1 - Papel Moeda em Poder do Público PD_ALIM Produção Industrial de Alimentos PD_BC_DUR Produção Industrial de Bens de Consumo Duráveis PD_BC_NDUR Produção Industrial de Bens de Consumo Não-Duráveis PD_BENS_CNS Produção Industrial de Bens de Consumo (total) PD_CIM Produção de Cimento PESS_EMPR_IN Pessoal Empregado na Indústria PREMIUM Participação do Portfolio Premium na Base de clientes REND_ASSAL_S Rendimento Médio Real dos Assalariados no Trabalho Principal
na RMSP REND_PP Rendimento Nominal da Poupança SERASA Cheques Sem Fundos (Serasa) SPREAD “Spread” cobrado aos Associados TRNS_CTATV Volume de Transações por Conta Ativa TX_US$ Taxa de Câmbio (R$ / US$) UT_CP_IND Utilização da Capacidade Instalada na Indústria V_BS_MON Variação da Base Monetária (emissão de papel-moeda) VDAS_IND Vendas Nominais na Indústria (SP) VDAS_VAR Vendas Nominais no Varejo VOL_TRANS Volume de Transações
SUMÁRIO
página
1. INTRODUÇÃO 13
1.1 Fontes de Receita / O Cartão de Crédito como Canal de
Distribuição
13
1.2 Definição de Propensão a Financiar 14
1.3 Evolução Histórica da Propensão a Financiar 16
1.4 Distribuição dos Clientes por Portfolios 19
1.5 Objetivo do Trabalho 20
1.6 Estrutura
23
2. REVISÃO BIBLIOGRÁFICA
24
3. TÉCNICAS E MÉTODOS 28
3.1 Regressão Múltipla / Conceitos Básicos 28
3.2 Fórmula Básica 29
3.3 Análise de Erros / Resíduos 30
3.4 Coeficiente de Determinação ou de Correlação Múltipla 31
3.5 Tamanho da Amostra 33
3.6 Variáveis “Dummy” / Sazonalidade 33
3.7 Multicolinearidade 33
3.8 V.I.F. (Variance Inflation Factor) e Tolerância 35
3.9 Ações Corretivas para a Multicolinearidade 36
3.10 Seleção das Variáveis e da “Melhor” Equação / Regressão
“Stepwise”
36
3.11 “Outliers" 37
3.12 Validação dos Resultados / Verificação do Modelo
38
4. VARIÁVEIS INDEPENDENTES 39
4.1 Determinação do Período a ser utilizado 39
4.2 Definição dos Retardos 41
4.3 Modelos Explanatórios e Séries Temporais 44
4.4 Identificação das Variáveis Independentes Potenciais / As
“Famílias” de Variáveis Independentes
44
4.4.1 Indicadores Internos da Empresa 46
4.4.2 Emprego e Renda 49
4.4.3 Indicadores Econômicos 51
4.4.4 Produção e Consumo 54
4.4.5 Sazonalidade / Variáveis “Dummy” 55
4.4.6 Indicadores Diversos 57
4.5 Resumo: Variáveis Independentes Prováveis no Modelo
58
5. O MODELO 60
5.1 As Variáveis Eliminadas 60
5.2 As Variáveis Submetidas 61
5.3 Regressão “Stepwise” 64
5.4 Análise de Erros 66
5.5 “Outliers” 68
5.6 Multicolinearidade 69
5.7 O Modelo 70
5.8 Ausência de Indicadores Econômicos no Modelo 72
5.9 Avaliação do Modelo / Capacidade Preditiva
73
6. CONCLUSÃO 78
6.1 Considerações Finais 78
6.2 Sugestões para Pesquisas Futuras 78
6.3 Limitações do Estudo
79
REFERÊNCIAS BIBLIOGRÁFICAS
81
APÊNDICES
Apêndice A - Histórico das Variáveis Independentes
Apêndice B - As 30 Varáveis Independentes Finais (defasadas)
Apêndice C - Aferição do Modelo
Apêndice D - Historico e Correlograma individuais das Variáveis
83
86
87
88 a 124
13
1. INTRODUÇÃO
1.1 FONTES DE RECEITA /
O CARTÃO DE CRÉDITO COMO CANAL DE DISTRIBUIÇÃO
Com o objetivo de aumentar a fidelização e as receitas, as administradoras de
cartões de crédito agregam uma série de "features" ao produto que é seu carro-
chefe. Nos últimos anos temos acompanhado o lançamento e consolidação de
vários agregados ao cartão de crédito, que cada vez mais vai se transformando em
um eficiente canal de distribuição, aproveitando-se das enormes bases de clientes:
• seguros diversos (proteção perda & roubo do próprio cartão, seguros de vida,
acidentes pessoais, residencial, desemprego, residência, veículos, etc)
• parcelamento de faturas
• pague-conta (pagamento de contas diversas como luz, telefone, condomínio,
escola, mestrado, etc, com débito no cartão de crédito na data de vencimento
da conta e cobrança na fatura posterior)
• títulos de capitalização
• parcelados com e sem juros
• saques "cash" em terminais eletrônicos
• crédito rotativo
• crédito pessoal
• cultural service, vans, salas VIP, business centers
• seguros viagem com cobertura ampla, incluindo bagagem, LDW no aluguel de
veículos, gastos médicos, etc
A lista é ainda bastante extensa. Apesar de todas estas fontes, a principal receita de
uma administradora de cartões de crédito permanece sendo o financiamento; as
receitas provenientes do crédito concedido, como implícito no próprio nome do
negócio, respondem por cerca de 50% da receita total. A segunda maior fonte de
receitas são as anuidades pagas pelos associados.
14
Desta forma, os produtos acima listados que embutem a cobrança de juros (como os
parcelamentos com juros, crédito rotativo, saque cash, acordos e parcelamento de
faturas, etc) serão os principais responsáveis pelo resultado financeiro de uma
Administradora de Cartões de Crédito.
1.2 DEFINIÇÃO DE PROPENSÃO A FINANCIAR
A utilização deste crédito por parte dos associados e consumidores tem
comportamento volátil ao longo do tempo. Uma vez que valores nominais de
utilização de recursos não são um bom indicador do financiamento - pois são
impactados pelo número variável (normalmente crescente) de clientes que compõem
a base de associados - cumpre definir um indicador significativo que reflita
adequadamente os crescimentos e retrocessos na utilização de crédito por parte dos
associados. As Administradoras optaram pelo indicador Propensão ao
Financiamento, que é definido como a relação entre o saldo total das faturas que foi
financiado pelo saldo total faturado, não incluindo o Volume Enquadrado. Volume
Enquadrado é o total dos saldos recebíveis que após um período de atraso
determinado pela legislação (normalmente de 90 dias) foi contabilmente retirado do
volume de Contas a Receber e lançado como Provisão de Recebimentos Duvidosos.
Assim:
Saldo Financiado
Propensão ao Financiamento =
Saldo Faturado – Enquadramento
(Eq. 1)
O Saldo Faturado e o volume de Enquadramento são facilmente apuráveis tanto
pelas bases de dados contábeis como pelas gerenciais; a dificuldade é determinar o
Saldo (ou volume) Financiado. Este saldo pode ser encontrado pela relação entre a
Receita obtida com o Financiamento e a Taxa média de Juros cobrada no período.
Tal taxa média é obtida ponderando-se todas as taxas praticadas pelas respectivas
receitas por elas geradas.
15
Desta forma:
Receita de Financiamento
Saldo Financiado =
Taxa Média no Período
Para simplificar a equação e eliminar as taxas médias, calcula-se a receita teórica
que seria obtida caso toda a base de clientes apta a financiar o fizesse (ou seja, a
receita do denominador da Equação 1). A Propensão ao Financiamento fica portanto
definida como a relação entre a receita obtida pelas cobranças de juros e
encargos nas faturas e a receita total que seria obtida caso todos os
associados aptos a financiar utilizassem 100% de suas capacidades de
financiamento. Chegamos a:
Receita real de Financiamento
Propensão ao Financiamento =
Receita total teórica de 100% Financiamento
Assim, um suposto associado com uma fatura no valor de $100 e uma taxa de
encargos de 10% a.m. geraria uma Receita total teórica de $10 caso financiasse
100% de seu saldo em 100% do período até a fatura seguinte, em 30 dias (Situação
1 no Gráfico 1); este é o denominador de nossa equação. Caso ele financie 10% do
saldo ao longo destes 30 dias (Situação 2 no mesmo Gráfico), a receita real de
Financiamento será de $1 (o numerador), e sua Propensão ao Financiamento será
de $1 / $10 = 10%. Igualmente, se ele optar por financiar 100% de seu saldo ao
longo de apenas 3 dias (Situação 3), a receita de encargos será novamente de $1, e
sua propensão será também $1 / $10 = 10%.
16
Gráfico 1 – Exemplos de situações de clientes com diferentes Propensões ao
Financiamento
O percentual financiado da fatura é dado pela área escura do gráfico. Na Situação 1, a Propensão ao Financiamento é de 100%; na Situação 2, a Propensão é de 10%, mesmo índice da Situação 3. Na Situação 4, a Propensão é de 50%
Situação 2
0%10%20%30%40%50%60%70%80%90%
100%
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
dia do mês
Per
cent
ual f
inan
ciad
o da
fatu
ra
Situação 3
0%10%20%30%40%50%60%70%80%90%
100%
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
dia do mês
Per
cent
ual f
inan
ciad
o da
fatu
ra
Situação 1
0%
20%
40%
60%
80%
100%
120%
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
dia do mês
Per
cent
ual f
inan
ciad
o da
fatu
ra
Situação 4
0%
20%
40%
60%
80%
100%
120%
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
dia do mês
Per
cent
ual f
inan
ciad
o da
fatu
ra
Observe-se que um nome como “Percentual de Financiamento” seria mais adequado
para este indicador, uma vez que o que se está medindo é uma razão entre o
próprio volume efetivamente financiado e seu valor máximo teórico. Nos Estados
Unidos, o nome do indicador é Revolving, que equivale a “Crédito Rotativo” no
Brasil. No entanto, respeitando a nomenclatura correntemente utilizada no país,
manteremos neste trabalho o jargão das Administradoras de Cartões de Crédito,
“Propensão ao Financiamento”.
1.3 EVOLUÇÃO HISTÓRICA DA PROPENSÃO AO FINANCIAMENTO
O comportamento de indicador de Propensão ao Financiamento é portanto vital às
administradoras de cartões de crédito. A evolução histórica deste indicador na
CREDICARD S.A., que tem uma base superior a 5 milhões de contas e mais de 7
17
milhões de cartões em circulação, é apresentada no Gráfico 2 abaixo. Observe-se
que com o objetivo de preservar a confidencialidade dos dados da CREDICARD, os
dados foram submetidos a fatores de correção, conforme o exemplo abaixo:
Propensão apresentada = constante 1 + Propensão Real x constante 2
Todos os indicadores internos da Empresa foram submetidos a processos
semelhantes, que não prejudicam a linearidade das relações e correlações com
outros indicadores.
Gráfico 2 – Propensão ao Financiamento (período 1995 – 2004)
Fonte: CREDICARD S.A.Dados ajustados pelo autor
PROPENSÃO AO FINANCIAMENTO
10%
15%
20%
25%
30%
35%
40%
45%
50%
jan/95 jan/96 jan/97 jan/98 jan/99 jan/00 jan/01 jan/02 jan/03 jan/04 jan/05
Pro
pens
ão m
ensa
l
18
A significativa reversão na curva a partir de janeiro de 1997 explica-se por um fator
específico e fora do domínio das Administradoras de Cartões de Crédito: o
percentual de Pagamento Mínimo da fatura, uma variável imposta pelas autoridades
monetárias. Este percentual teve o seguinte comportamento ao longo do período:
• de outubro/94 até novembro/95, o Governo determinou um Pagamento Mínimo
de 100% do valor da fatura, ou seja, praticamente acabou com o Financiamento
através de cartões de crédito. Isto derrubou a Propensão a um patamar mínimo
inferior a 18% (clientes que ainda assim optam por – ou necessitam – atrasar o
pagamento e pagar multa e juros de mora, além do risco de enquadramento).
• em novembro/95, o percentual de pagamento mínimo caiu para 50%, com o
reflexo imediato no aumento da Propensão (vide Gráfico 2).
• em julho/96, o pagamento mínimo legal foi determinado em 0%, ou seja, o crédito
foi totalmente liberado pelo Governo. A CREDICARD optou no entanto por uma
política de pagamento mínimo de 20%, que mantém desde então (este
percentual não inclui volumes que já estejam sendo financiados na fatura, como
por exemplo Parcelados com Juros – tais financiamentos devem ser pagos
integralmente).
Em 2004 foi liberado o financiamento das compras de associado no exterior – até
então, o associado brasileiro era obrigado a pagar 100% de suas transações
internacionais emissivas (obs – transações efetuadas por clientes brasileiros no
exterior são chamadas transações “emissivas”, enquanto aquelas efetuadas no
Brasil por clientes internacionais utilizando cartões emitidos no exterior são
chamadas ”receptivas”) no vencimento da fatura seguinte. No entanto, dado o baixo
volume das transações internacionais (cerca de 2,5% do volume total de
transações), o impacto não é material.
Com base no histórico acima exposto, e dado o forte impacto deste componente
regulatório imposto em julho/96, somente consideraremos a série a partir de
janeiro/97, quando seu comportamento – ou sua tendência – se estabiliza, já de
acordo com esta nova regra. Os primeiros dois anos da série serão portanto
desconsiderados.
19
1.4 DISTRIBUIÇÃO DOS CLIENTES POR PORTFOLIOS
Os valores percentuais apresentados no Gráfico 2 – que são o foco de nossa análise
– referem-se ao total da Empresa, não contemplando qualquer quebra por Portfolio.
Portfolios são carteiras ou grupos de clientes com produtos de características
semelhantes. Podemos consolidar 4 grandes conjuntos de clientes (ou carteiras, ou
portfolios), que em julho/05 têm as seguintes principais características:
• portfolio Emergente: cartão Mastercard (MC) chamado “Electronic” ou “Brasil”,
com exigência de renda mensal na faixa de R$ 300 a R$ 500.
• portfolio Local: cartões MC ou VISA válidos somente em território nacional, renda
mensal dos associados de R$ 500 a R$ 1.000.
• portfolio Internacional: cartões MC ou VISA válidos para compras internacionais,
com renda mensal de R$ 1.000 a R$ 2.000. Este portfolio inclui os cartões
“Universitário”, que não exigem comprovação de renda.
• portfolio Premium: inclui cartões “Gold” MC ou VISA, com renda mensal superior
a R$ 2.500; cartões DINERS CLUB, renda mensal superior a R$ 1.500, cartões
MC ou VISA Platinum, renda mensal superior a R$ 9.400, e cartões Corporate ou
Empresariais.
Os dados de Propensão para cada portfolio são disponíveis em uma base de dados
gerencial, com conceitos e períodos diferentes da base contábil utilizada para a série
que iremos estudar, e que foi apresentada no Gráfico 2. Adicionalmente, tais dados
somente estão disponíveis a partir de outubro/00. No entanto, para fins ilustrativos e
de comparação dos comportamentos, apresentamos a seguir os gráficos da
Propensão a Financiar de cada um dos portfolios. Ressaltando-se portanto o fato
dos índices de Propensão provirem de fontes diferentes, sobrepomos a seguir as
Propensões por portfolio e a Propensão Total da Empresa.
20
Gráfico 3 – Comparativo da Propensão a Financiar por Portfolio versus Total da
Empresa (período outubro/00 – dezembro/04)
Fonte: CREDICARD S.A.Dados ajustados pelo autor
24%
28%
32%
36%
40%
44%
48%
52%
out/0
0
dez/
00
fev/
01
abr/0
1
jun/
01
ago/
01
out/0
1
dez/
01
fev/
02
abr/0
2
jun/
02
ago/
02
out/0
2
dez/
02
fev/
03
abr/0
3
jun/
03
ago/
03
out/0
3
dez/
03
fev/
04
abr/0
4
jun/
04
ago/
04
out/0
4
dez/
04
EMERGENTE LOCAL INTERNACIONAL PREMIUM TOTAL
Como seria intuitivamente previsível, quanto maior o poder aquisitivo, menor a
Propensão ao Financiamento utilizando-se o Cartão de Crédito.
1.5 OBJETIVO DO TRABALHO
Acredita-se que a Propensão ao Financiamento seja afetada por diversas variáveis,
algumas macro-econômicas e outras internas, como por exemplo:
• o alto turn over na renovação da base de clientes;
• a taxa de juros e o spread cobrados;
• os critérios de seleção e aceitação de clientes de baixo / médio / alto risco
(influenciando no “peso” de cada portfolio);
• a situação geral da Economia: emprego, renda, produção;
• alguns fatores sazonais;
21
• eventos isolados (p. ex., pagamento de diferenças do FGTS);
• e outros.
Temos portanto dois objetivos com este trabalho:
• identificar e analisar as variáveis internas e externas à Empresa que afetam a
Propensão ao Financiamento de seus clientes; e
• definir um modelo matemático que estabeleça uma relação entre a Propensão ao
Financiamento e tais variáveis (ou indicadores) independentes que a influenciem,
determinando quais são aquelas que têm maior influência sobre o
comportamento dos associados da CREDICARD.
Estabeleceremos ainda a defasagem ou retardo (em meses) entre tais principais
indicadores e a Propensão, de forma a permitir que a Administradora projete a
tempo a tendência do comportamento da Propensão ao Financiamento, habilitando-
a a tomar diversas medidas preventivas para evitar o encolhimento de sua principal
fonte de receitas. Tais medidas poderiam ser:
• Redução da taxa de financiamento ou spread – a mais difícil decisão, pois não
existem estudos conclusivos sobre uma proporcionalidade inversa dos juros
versus propensão a financiar (apesar da lógica intuitiva de “menor taxa = maior
volume financiado”);
• Aumento da taxa de financiamento ou spread – uma redução de receita
devida ao volume pode ser contrabalançada por um aumento nas taxas
cobradas. No entanto esta é também uma decisão complicada, pois não somente
se trata de medida impopular (é inclusive divulgada pela mídia) gerando
propaganda negativa, como pode ainda afastar os clientes revolvers
(nomenclatura para clientes que utilizam o crédito rotativo; aqueles que não o
utilizam são chamados transactors, pois somente usam o cartão de crédito para
suas transações ao longo do mês, quitando integralmente a fatura no
vencimento);
22
• Lançamento de novos produtos que predisponham os clientes a utilizar o
financiamento – como por exemplo o recente “Pague-Conta”, com baixa taxa de
juros (atualmente 1,99% a.m. contra um CDI de aproximadamente 1,5% a.m.) –
que “acostumam” o cliente ao pagamento de juros;
• Oferta de parcelamentos com prazos mais longos, incentivando o
financiamento através da redução das parcelas;
• Reduções de despesas – sendo prevista uma diminuição das receitas, a
Empresa pode optar por cortar custos, reduzir promoções, propaganda,
investimentos, etc;
• Realinhamento de “fees” e tarifas – podem ser aumentados os preços e taxas
de outros serviços;
• Reavaliação de projetos – a previsão de variação da receita de financiamento
impacta as análises de rentabilidade de novos produtos, levando à consideração
de diferentes resultados para produtos existentes ou novos, podendo mesmo
torná-los viáveis ou inviáveis;
• Outras providências.
A utilização de uma das medidas acima, ou a combinação de algumas delas (p. ex.
aumento das taxas para parte da base de clientes e redução da taxa para outra
parcela, mediante análise estatística do comportamento dos grupos), se tomada no
prazo adequado, pode evitar a queda na Receita total.
Acreditamos ser possível encontrar um bom modelo e explicação para o
comportamento da Propensão com base em variáveis extraídas dos seguintes
grupos:
• indicadores de Emprego & Renda,
• indicadores de Produção,
23
• indicadores Econômicos,
• indicadores Internos da Empresa,
• indicadores de Sazonalidade,
• indicadores de outras famílias de variáveis.
Os motivos para a escolha destes grupos e a seleção dos respectivos indicadores
serão apresentados no Capítulo 4 – Variáveis Independentes Potenciais.
1.6 ESTRUTURA DO TRABALHO
No Capítulo 2 analisamos e procuramos explicar a falta de literatura sobre o tema.
No Capítulo 3 estudamos as técnicas e métodos que serão utilizados, com um breve
apanhado teórico da Regressão Múltipla e suas principais ferramentas..
O Capítulo 4 apresenta a seleção das variáveis independentes potencias, com a
justificativa de sua escolha. As variáveis são submetidas à ava liação de correlações
com diferentes retardos (correlogramas), sendo estabelecida a defasagem ideal para
cada uma delas com relação à Propensão.
No Capítulo 5 é estabelecido o modelo, sendo definidas as variáveis independentes
e a equação de regressão. Uma análise dos resíduos complementa a proposta.
Concluímos no Capítulo 6, tecendo considerações finais sobre o modelo e o
trabalho, suas limitações, e propostas de desenvolvimento do assunto.
24
2. REVISÃO BIBLIOGRÁFICA
Efetuamos extensa pesquisa em bases e fontes de dados, tais como: EBSCO (Elton
B. Stephens COmpany) Business Sources Premier; JSTOR (Journal STORage);
CAPES (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior); e
EMERALD (Emerald Group Publishing Limited). Nestas Bases buscamos artigos
sobre Propensão ao Financiamento em diversos jornais, como o “Journal of
Business”, “Journal of Finance”, “Review of Financial Studies”, “Journal of Money,
Credit and Banking”, “Journal of Financial and Quantitative Analysis”, etc. Na base
da CAPES pesquisamos ainda o “Banco de Teses”. Nenhum material a respeito de
Propensão ao Financiamento por Clientes de Cartões de Crédito da forma como o
indicador é utilizado no Brasil foi encontrado.
Adicionalmente foram contatados diversos colegas profissionais: dentro da própria
Empresa (áreas de Cobrança & Risco de Crédito e Pesquisa de Mercado),
concorrente (AMERICAN EXPRESS – área de Planejamento Financeiro), bandeiras
(MASTERCARD e VISA) e acionista com participação global no mercado de cartões
(CITIBANK). A explicação para a falta de bibliografia surge a partir de análise das
características dos demais players do Mercado:
Primeiramente deve ser observado que o indicador de Propensão que ora
analisamos não se aplica nos Estados Unidos, maior mercado de cartões de crédito
do Mundo (vide Tabelas 1 e 2), e que é o modelo de administração do produto para
os demais países. No Brasil o cliente dispõe de um grace period entre a data da
compra e o vencimento seguinte da fatura, período este em que o associado não
paga juros. O Financiamento só ocorre a partir do vencimento da fatura seguinte,
caso o associado opte por não pagá-la integralmente – começam então a incidir os
juros, e o que até então era um Volume de Transações passa agora a ser um
Volume Financiado, ou Crédito Rotativo. Nos EUA, a dinâmica é diferente: para
clientes que não quitem integralmente uma fatura, serão cobrados encargos já a
partir do momento de cada compra até o vencimento da primeira fatura seguinte a
ela; com isto, todo o volume do cliente se referirá a Financiamento, sendo chamado
de Revolving. Tais volumes são elevados, devido às baixas taxas de juros do
25
Revolving – variáveis entre aproximadamente 6% a 19% ao ano, de acordo com a
"credit history" do cliente. A média é de 13,48% (QUINN, 2005). Conseqüentemente,
o indicador de Revolving em mercados que atuam desta forma não pode ser
comparável ao nosso, pois tal indicador situa-se em torno de 80%; desta forma, não
existe em tais mercados literatura que se assemelhe ou que possa ser útil a nossa
análise.
Tabela 1- Ranking de países por volume de transações e quantidade de cartões
Ranking de países por volume de transações Ranking de países por quantidade de cartões
Posição País volume (US$ Bi) Posição País cartões (# milhões)
1 EUA 1.434,4 1 EUA 617,02 Reino Unido 349,7 2 Japão 149,33 Coréia do Sul 308,1 3 Reino Unido 87,54 França 224,4 4 Coréia do Sul 69,35 China 205,3 5 China 57,06 Japão 166,3 6 Canadá 52,77 Canadá 118,1 7 Brasil 40,88 Australia 79,9 8 França 35,79 Espanha 54,6 9 Taiwan 33,2
10 Suécia 39,9 10 Espanha 26,315 Brasil 23,7
ano: 2002
fonte: CREDICARD S.A.
Um segundo ponto a explicar a ausência de análises sobre a Propensão ao
Financiamento utilizando Cartões de Crédito é que, à exceção da CREDICARD e da
AMERICAN EXPRESS, que juntas são responsáveis por cerca de 15% dos cartões
em circulação no país e 25% do volume de transações, todos os demais emissores
de cartões de crédito do mercado brasileiro são Bancos. Desta forma,
financiamentos efetuados por clientes através dos cartões concorreriam diretamente
com outro produto de financiamento do próprio Banco: o Cheque Especial. As taxas
de juros do cheque especial são usualmente inferiores às taxas do cartão, conforme
a Tabela 2.
26
Tabela 2 – Comparativo de taxas do crédito rotativo versus cheque especial
Instituição Taxa rotativo Taxa cheque especial
American Express 10,95% N/A
Banco do Brasil (Ourocard) 6,99% 1,85% a 7,33%
BankBoston 11,20% 2,39% a 8,90%
Bradesco 10,75% 3,00% a 8,06%
Credicard 12,09% N/A
Diners 9,90% N/A
Itaú N/D 3,20% a 8,25%
HSBC 7,90% N/D
Nossa Caixa N/D 5,55% a 7,90%
Real ABN AMRO 11,40% N/D
Sudameris 8,90% N/D
Unibanco 11,30% 5,90% a 8,17%
Obs: (1) taxas ao mês / (2) Fonte: O Estado de São Paulo, 24/mai/2005
Os próprios Bancos chegam a vincular o vencimento das faturas às contas
correntes, gerando débitos automáticos nas contas na data de vencimento das
faturas de seus clientes. Assim, os Bancos desestimulam o financiamento através
deste produto, e é provavelmente devido a tal falta de interesse que também desta
fonte nada encontramos publicado a respeito de um indicador de Propensão a
Financiar utilizando cartões de crédito.
Finalmente, cumpre observar que nem todas as Administradoras oferecem a opção
do Financiamento a seus associados. Por exemplo, o principal produto da
AMERICAN EXPRESS no Brasil, o cartão “Green”, é um cartão “charge”, ou seja,
não oferece o Financiamento (ou Crédito Rotativo). O volume total da fatura deve ser
27
quitado no vencimento, sob pena de incursão em multa pelo atraso e juros de mora
– e risco de enquadramento. O produto da AMEX que oferece esta alternativa é o
estratificado cartão “Gold Credit”, para um público selecionado – e que raramente
financia. E desta forma, também através de concorrentes como a American Express
– concorrente com modus operandi semelhantes a Credicard – não encontramos
nenhuma bibliografia sobre o assunto, uma vez que pesquisas relativas ao
Financiamento provavelmente não são importantes para sua operação atual.
Desta forma, o conjunto das características operacionais da CREDICARD (oferece
grace period, não tem cheque especial, permite o Financiamento) a torna quase
única, e o indicador de Propensão ao Financiamento que lhe é tão crucial não gerou
nenhuma literatura específica até o momento.
28
3. TÉCNICAS E MÉTODOS
Este Capítulo apresenta um sumário de aspectos relevantes em Regressão Múltipla.
O leitor interessado em maior detalhamento deverá consultar CHATTERJEE (1977),
FREES (1996), HAIR (2005), HANKE (2001), LAREDO, LEHMANN (1998) e
MAKRIDAKIS (1998), nos quais o Capítulo se baseia.
3.1 REGRESSÃO MÚLTIPLA / CONCEITOS BÁSICOS
Uma análise de regressão objetiva prever o comportamento de um indicador, uma
série ou uma medida a partir do comportamento de uma ou mais variáveis
independentes (ou previsoras). Uma vez que estamos trabalhando com diversas
variáveis independentes, utilizaremos a técnica de regressão múltipla.
Os dados de um modelo de regressão múltipla consistem de n observações da
variável dependente ou “resposta” Y, e igualmente n observações de p variáveis
independentes (ou “explicativas”) X1, X2, X3, ..., Xn. Tais observações são
usualmente representadas como no Quadro 1. Quadros semelhantes foram
montados para nosso caso, e são apresentados nos Apêndices A e B.
Quadro 1 – Dados de um Modelo de Regressão Múltipla
Observaçãonúmero Y X1 X2 X3 … Xp
1 y1 x11 x21 x31 … xp1
2 y2 x12 x22 x32 … xp2
3 y3 x13 x23 x33 … xp3
… … … … … … …
n yn x1n x2n x3n … xpn
29
3.2 FÓRMULA BÁSICA
Uma relação entre a variável dependente y e diversas varáveis independentes X1,
X2, X3, ..., Xn será formulada como um modelo linear. Neste modelo, a resposta
medida é dada por uma função linear das variáveis explicativas:
Yi = ß0 + ß1 x1i + ß2 x2i + ß3 x3i + ... + ßp xpi +?i (i = 1, 2, 3, ... , n) (Eq. 2)
, onde ß0 , ß1, ß2, ... , ßn são constantes referidas como os coeficientes parciais de
regressão do modelo (ou simplesmente coeficientes da regressão). Assume-se que
a Equação 2 representa uma aproximação aceitável da relação real entre Y e o
conjunto de X's. Esta equação é a função de população da regressão múltipla.
Em outras palavras, Y é (aproximadamente) uma função linear dos X’s, e o erro ?i
será a discrepância desta aproximação para a i-ésima observação. Admite-se que os
erros ?i são valores aleatórios com distribuições independentes, média zero e
variância constante s 2, não contendo informação sistemática para determinação de y
que já não esteja incluída nas variáveis independentes xi. Adiante analisaremos mais
detalhadamente os erros.
O coeficiente ßi pode ser interpretado como o incremento médio na variável
dependente que corresponde a um aumento unitário em Xi quando todas as demais
variáveis são mantidas constantes. No entanto, tal interpretação só se aplica no caso
de variáveis independentes (um par ou mais) não se "moverem simultaneamente";
caso as variações em uma variável independente sejam necessariamente
acompanhadas por variações em outra(s), esta leitura não se aplica.
Os ß’s são estimados minimizando-se a soma dos quadrados dos erros, o que é
conhecido como o Método dos Mínimos Quadrados. Uma vez que existem diversos
programas de computador (SSP, XL-STAT, MINITAB, EXCEL) que calculam estes
coeficientes, não nos deteremos em seu cálculo. Observe-se que o EXCEL tem
recursos limitados de análise de regressão.
30
3.3 ANÁLISE DE ERROS / RESÍDUOS
Os modelos de regressão múltipla não apontam resultados exatos para as variáveis
dependentes principalmente por existir influência de outras variáveis não
consideradas nos modelos, ou simplesmente por serem tais modelos simplificações,
ou por ambos os motivos. A medida de erro de previsão é o resíduo – a diferença
entre os valores previstos e os observados para a variável dependente. A análise de
resíduos fornece um conjunto de diagnósticos para o exame do modelo de
regressão, como sua adequação, a validade das hipóteses de distribuição dos erros
e a existência de valores discrepantes.
Sendo yi o valor calculado para um dado conjunto de x`s, e yi o valor real observado
para este mesmo conjunto, e erro e i (ou resíduo) é dado por:
ei = yi - yi , para i =1, 2, ... , n
Em princípio, admite-se que o erro ei é uma variável aleatória normalmente
distribuída, com média zero e com variância s e2. Sua distribuição independe de i.
Quando esta suposição não é validada, podem ser tomadas ações corretivas (vide
referências).
O desvio padrão dos erros (desvio padrão residual) do valor estimado mede o
quanto o valor real (Y) difere dos valores estimados (Y). Para amostras
relativamente grandes, admitindo-se a normalidade dos resíduos, espera-se que
67% das diferenças Y - Y estejam dentro do intervalo de 1 desvio padrão, e 95% das
diferenças dentro de 2 desvios.
Intuitivamente, pode-se ainda analisar o erro de forma percentual, conforme abaixo:
%100*
=
i
ii y
eEP
31
Esta análise do Erro Percentual é útil por informar a magnitude dos erros em relação
aos valores considerados.
3.4 COEFICIENTE DE DETERMINAÇÃO ou DE CORRELAÇÃO MÚLTIPLA
Após adequar o modelo linear a um conjunto de dados, analisa-se a adequação do
ajuste. Uma medida comumente utilizada é o coeficiente de determinação ou
correlação múltipla R, ou mais freqüentemente o quadrado do coeficiente de
correlação múltipla R2. Este coeficiente pode ser definido de várias formas;
utilizaremos R2 como a fórmula abaixo:
∑∑
−−
−−=
2
2^
2
)(
)(1
yy
yyR
i
ii
O denominador indica a soma dos quadrados dos resíduos quando utilizamos a
média aritmética como estimativa, ou seja: quando não utilizamos nenhuma variável
independente xi para prever y.
R2 variará entre 0 e 1. Quanto melhor o ajuste do modelo utilizado, mais próximos
estarão os valores de y (calculados) dos valores de y (reais), e portanto menor (mais
próximo de zero) será o numerador do segundo termo da equação;
conseqüentemente, R2 tenderá a 1. Por outro lado, se a relação entre as variáveis
independentes e a dependente for fraca, o valor de (yi - yi) será alto, levando o
segundo termo da equação a tender ao mesmo valor do denominador (indicando
que o modelo proposto não está agregando informação preditiva). Em outras
palavras, na ausência de uma relação linear, o coeficiente R2 tende a zero. O valor
do coeficiente de correlação múltipla R2 é portanto uma medida sumária de
julgamento da adequação do modelo linear a um determinado conjunto de dados.
À medida que se acrescenta novas variáveis independentes, sucessivamente se
calcula o coeficiente de determinação R2 para as novas equações, para
observarmos até que ponto a inclusão de tais novas variáveis independentes é
32
vantajosa, e a partir de que ponto o ganho com novas variáveis não é significativo.
Como R2 nunca decresce com o aumento de novas variáveis, alguns autores
preferem utilizar R2-ajustado, que em parte contorna o problema.
Um método de identificação de violações de suposições para a relação geral é a
representação gráfica dos resíduos versus as variáveis independentes. O gráfico de
resíduos mais comum envolve os resíduos versus os valores dependentes previstos.
Sendo atendidas todas as suposições, tal análise retornará um gráfico onde os
resíduos ocorrem aleatoriamente.
Já em caso de violação das suposições, os gráficos de resíduos apresentarão
alguma tendência, ou qualquer outra forma de padrão não-aleatório.
Uma das violações mais comuns de suposições é a presença de variâncias
desiguais. Quando os termos de erro têm variância crescente ou flutuante, diz-se
que os dados são heteroscedásticos. Na análise gráfica dos resíduos, dados com
heteroscedasticidade terão por exemplo a forma de um diamante, ou um triângulo,
como no exemplo do Gráfico 4.
Gráfico 4 – Exemplo de Distribuição de Resíduos com Heteroscedasticidade
Fonte: HAIR, 2005, pag.155.
33
3.5 TAMANHO DA AMOSTRA
Uma regra geral é que a razão entre o tamanho da amostra e o número de variáveis
independentes não deve ficar abaixo de 5 para 1, o que significa que deve haver 5
observações para cada variável independente. Se a proporção ficar abaixo de 5 para
1, corre-se o risco de “superajustar” o modelo à amostra, tornando os resultados
demasiadamente específicos a ela, e perdendo a generalização.
Apesar da proporção mínima ser 5:1, o nível desejado está entre 15 e 20
observações para cada variável independente.
3.6 VARIÁVEIS ARTIFICIAIS ("DUMMY") / SAZONALIDADE
Às vezes é necessário incluir fatores qualitativos no modelo (por exemplo, homem
ou mulher, aprovado ou reprovado, etc). Isto é obtido através da criação de uma
variável artificial ("dummy"), também chamadas "indicadoras" ou ainda "binárias".
Usualmente, utiliza-se os valores 0 ou 1 para identificar quantitativamente as classes
de uma variável qualitativa. Dada esta sua característica binária, a variável artificial
pode ser entendida como um "comutador" (switch).
Em nosso caso, alguns fatores específicos que influenciam o comportamento da
Propensão poderão ser variáveis "dummy". Por exemplo, existem sazonalidades no
comportamento da Propensão em determinadas épocas do ano, como 13o salário ou
início do ano, que serão traduzidas através deste tipo de variáveis (vide Capítulo
4.4.5).
3.7 MULTICOLINEARIDADE
Para muitos modelos matemáticos, através de regressão linear simples se consegue
explicar uma parcela razoável da evolução da variável dependente. No entanto,
teremos ainda uma parcela restante da variação do comportamento deixado
34
inexplicado. Buscamos portanto outras variáveis independentes que sejam
relacionadas à série em estudo. No entanto, estas novas variáveis independentes
(ou preditivas) não podem ser altamente relacionadas à variável independente já em
uso. "Existe uma grande preocupação com este problema de intercorrelação entre
variáveis independentes. [..] Uma boa variável preditiva deverá portanto ser
relacionada à variável dependente [...] sem ser altamente relacionada às demais
variáveis independentes" (HANKE, 2001, p. 242, tradução nossa).
No entanto, em muitos casos, algumas variáveis independentes são linearmente
dependentes entre si. Uma relação linear entre duas ou mais variáveis
independentes é chamada multicolinearidade. Isto implica que há redundância de
informações entre as variáveis preditoras / preditivas.
Ao adicionarmos mais uma variável independente, sua capacidade de melhorar a
previsão está relacionada não apenas a sua correlação com a variável dependente,
mas também com suas correlações com as demais variáveis independentes já
incluídas no modelo (ou equação de regressão). Colinearidade é a associação
entre duas variáveis independentes, medida como a correlação. Multicolinearidade
refere-se à correlação entre três ou mais variáveis independentes, e fica evidenciada
quando se faz a regressão de uma em relação às demais.
Quando ocorre multicolinearidade, o processo de separação de efeitos
individualmente se torna mais difícil. A determinação da contribuição de cada
variável independente é mais complicada porque os efeitos das variáveis
independentes estão “misturados” ou confusos.
A colinearidade entre variáveis independentes não impede que o ajuste do modelo
seja bom, e não necessariamente afeta a qualidade das previsões - contanto que a
mesma estrutura de correlações se mantenha na extrapolação. E mais, ela pode até
mesmo ser conveniente em alguns casos, para aumentar o poder explicativo de
outra(s) variável(is), e conseqüentemente o poder previsor do modelo.
Um caso extremo de multicolinearidade é a singularidade, que ocorre quando duas
ou mais variáveis são perfeitamente correlacionadas, impedindo a estimação de
35
quaisquer coeficientes. Neste caso, a singularidade deve ser removida antes que a
estimação dos coeficientes prossiga. Mesmo não sendo a multicolinearidade
perfeita, elevados graus podem fazer com que os coeficientes de regressão sejam
incorretamente estimados, e tenham até mesmo sinais invertidos.
Em nosso modelo selecionamos inicialmente diversas variáveis independentes
semelhantes (por exemplo alguns indicadores de inflação, outros de nível de
atividade, alguns de renda). Aquelas de maior correlação com a Propensão ao
Financiamento foram mantidas; as demais, dadas suas altas correlações com as
previamente selecionadas, foram eliminadas.
A maneira mais simples de se identificar a colinearidade é um exame da Matriz de
Correlação das variáveis independentes. A presença de altas correlações
(geralmente 0,90 ou mais) é a primeira indicação de colinearidade substancial. Por
outro lado, a ausência de correlação não garante falta de multicolinearidade, pois
esta pode ocorrer devido ao efeito combinado de duas ou mais variáveis
independentes.
3.8 V.I.F. (VARIANCE INFLATION FACTOR) E TOLERÂNCIA
As duas medidas mais comuns para avaliar a colinearidade de duas ou mais
variáveis são o valor de tolerância e seu inverso, o fator de inflação de variância
(normalmente conhecido por sua sigla em inglês VIF, ou Variance Inflation Factor).
Estas medidas nos dizem o grau em que cada variável independente é explicada
pelas demais variáveis independentes. Em termos simples, cada variável
independente se torna uma dependente, e passa por uma regressão em relação às
demais. A tolerância é a “quantidade” de variabilidade da variável independente
selecionada que não é explicada pelas demais variáveis independentes. Logo,
valores muito pequenos de tolerância (e grandes de VIF, uma vez que VIF = 1 /
tolerância) denotam colinearidade elevada. Procuramos valores VIF pequenos como
indicativos de baixa intercorrelação entre as variáveis (HAIR, pg. 179).
36
O valor de VIF é estipulado pelo pesquisador nos programas de regressão. Um valor
de referência comum é uma tolerância de 0,10, equivalente a um valor VIF igual a
10. Considera-se que um VIF superior a 10 seja uma indicação de que a
multicolinearidade possa causar problemas na estimação.
3.9 AÇÕES CORRETIVAS PARA A MULTICOLINEARIDADE
Determinado o grau de multicolinearidade, temos algumas opções a seguir:
• Excluir uma ou mais das variáveis independentes altamente correlacionadas
(deve haver cuidado ao seguir esta opção para evitar um erro de especificação
ao se eliminar variáveis independentes);
• Utilizar o modelo com as variáveis independentes correlacionadas apenas para
previsão (ou seja, jamais tentando interpretar os coeficientes de regressão);
• Utilizar modelos mais sofisticados de análise (vide HAIR, pg. 169).
3.10 SELEÇÃO DAS VARIÁVEIS E DA "MELHOR" EQUAÇÃO /
REGRESSÃO “STEPWISE”
O processo de Regressão STEPWISE consiste em se estabelecer seqüencialmente
modelos com um crescente número de variáveis independentes a partir da entrada e
saída de variáveis, de forma que o poder de previsão destes modelos é
sucessivamente melhorado. Inicialmente a variável independente de melhor
correlação com a variável dependente é incluída no modelo. A seguir, analisa-se
qual a próxima variável independente a ser incluída cuja combinação com aquela
inicialmente escolhida fornecerá uma equação com melhor poder explicativo. E
assim sucessivamente novas variáveis independentes vão sendo incluídas (ou
excluídas), aumentando a correlação do modelo com a variável dependente.
Caso a cada passo haja somente a inclusão de novas variáveis independentes, se
estará utilizando o método “forward”. A remoção de variáveis independentes – que
ocorre quando a informação nelas contidas já foi disponibilizada através de alguma
combinação de outras variáveis incluídas em estágios posteriores – é chamada
37
método “backward”. Em nosso caso, utilizaremos o procedimento STEPWISE
considerando-se sucessivamente tanto a inclusão como a exclusão de variáveis
independentes.
Este método é especialmente útil quando se dispõe de um número relativamente
grande de variáveis independentes para análise. A seleção seqüencial (inclusão e
exclusão) leva a um conjunto final reduzido, quase tão bom quanto o conjunto
completo de variáveis.
Esquema 1 – Processo de Especificação do Modelo Iterativo
3.11 “OUTLIERS”
Outliers são pontos distantes ou afastados da massa de dados. É necessário que
sejam identificados, analisadas suas causas e origens, verificada sua influência na
estimação dos parâmetros e seu impacto nas previsões, e finalmente decidir se
ações corretivas são necessárias e cabíveis.
O impacto de outliers pode ser grande, e "arrastar" o modelo de regressão para uma
equação um pouco menos precisa quanto a todos os demais pontos, objetivando
minimizar a SSE. Devemos tomar ação corretiva caso o impacto do outlier nas
estimativas seja significativo para os objetivos do problema. Uma possível ação
corretiva é a eliminação da observação. O excesso de outliers pode ser indicativo da
inadequabilidade do modelo linear.
Fonte: FREES, 1996, pg. 141
FORMULAÇÃO DO MODELO
AVALIAÇÃO / DIAGNÓSTICO
AJUSTE
DADOS
TEORIA
INFERÊNCIAANÁLISE GRÁFICA
38
3.12 VALIDAÇÃO DOS RESULTADOS / VERIFICAÇÃO DO MODELO
A tarefa final é a validação do modelo de regressão. A preocupação fundamental
deste processo é garantir que os resultados sejam generalizáveis à população,
e não específicos à amostra.
A abordagem mais direta de validação é obter uma outra amostra da população e
avaliar a correspondência dos resultados nas duas amostras. Uma alternativa é
dividir a amostra em duas sub-amostras, estimar o modelo de regressão para cada
uma delas e comparar os resultados.
Pode-se também manter um conjunto de amostras - por exemplo, as 6 últimas
observações - fora das análises de regressão, de forma a ter instrumentos para
verificar a precisão dos vários modelos de projeção que serão utilizados.
A estimação fora do conjunto da amostra é crucial de forma a evitar um ajustamento
excessivo ("overfitting") à série estudada, e conseqüentemente previsões pobres. Os
modelos e variáveis são classificados de acordo com sua capacidade de projeções
fora da amostra, o que permite uma melhor compreensão de como eles se
comportariam se aplicados em tempo real.
Os modelos não devam ser utilizados sem análise de resíduos, diagnóstico de
multicolinearidade, e análise por parte de especialistas da área onde o modelo será
utilizado.
Em nosso caso, manteremos os dados referentes ao primeiro semestre de 2005
para validação do modelo obtido.
39
4. VARIÁVEIS INDEPENDENTES POTENCIAIS
4.1 DETERMINAÇÃO DO PERÍODO A SER UTILIZADO
Embora disponhamos de dados a partir de janeiro/95 (período superior a 120
meses), no Capítulo I decidimos que os primeiros 2 anos não seriam considerados
devido a posterior alteração no pagamento mínimo das faturas de cartões de crédito
determinada pelas autoridades monetárias, o que alterou drasticamente o
comportamento da Propensão a Financiar.
Com o prosseguimento do trabalho, optamos por reduzir a série de dados para os 60
meses compreendidos no período de janeiro de 2000 a dezembro de 2004,
preservando os meses iniciais de 2005 para aferição do modelo. Os principais
motivos seguem abaixo.
Primeiramente, o mercado de cartões de crédito no Brasil é extremamente
agressivo, o que leva a uma alta rotatividade nas bases de clientes das
administradoras. O Cancelamento Involuntário (cancelamento devido a decisão da
Administradora, e não do cliente; também chamado de “Enquadramento”) de contas
de cartões de crédito é superior a 12% ao ano; o Cancelamento Voluntário (a pedido
do cliente) supera os 18% ao ano. Esta drenagem da base de clientes superior a
30% ao ano exige um esforço de Vendas que resulta em um volume de contas
novas entre 35% e 40% da base a cada ano, para que a administradora mantenha
seu market share ou obtenha algum crescimento. Embora estes percentuais atinjam
principalmente as contas mais recentes, a grosso modo poder-se-ia dizer que em
pouco mais de 3 anos acontece um quase completo “turn over” da base de clientes.
Esta alta rotatividade faz com que o perfil da base atual tenha pouca “memória” do
comportamento da base de 8 anos atrás, o que torna mais adequada a utilização de
um período de dados mais próximo.
Também as condições econômicas do País apresentam um comportamento mais
regular nos últimos 5 anos, devido à ausência de crises exógenas. Em 1997 ocorreu
a crise nos países do sudeste asiático (Coréia, Indonésia). Crises em países
40
emergentes afetam a taxa de juros do Brasil, que aumenta com o objetivo de evitar a
fuga de capitais internacionais; tal aumento de taxa de juros impacta o custo do
crédito, e com isto a demanda por ele. Vide no Gráfico 5 a alta volatilidade e os altos
picos do CDI a partir do segundo semestre de 1997, contrariando a tendência
histórica.
Gráfico 5 – Série Histórica do CDI mensal (período janeiro/95 a abril/05)
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
199501
199507
199601
199607
199701
199707
199801
199807
199901
199907
200001
200007
200101
200107
200201
200207
200301
200307
200401
200407
200501
CD
I (%
a.m
.)
Fonte: Banco Central do Brasil, Boletim, Seção Mercado financeiro e de capitais (BCB Boletim/M.Finan.)
Dados disponíveis em http://www.ipeadata.gov.br / gráfico montado pelo autor (vide Apêndice D)
No ano seguinte (1998) aconteceu a crise da Rússia. As crises internacionais levam
não somente a uma crise monetária interna, mas também a crises cambiais; e em
1999 o Brasil foi levado a uma desvalorização de 60% de sua moeda nos primeiros 2
meses do ano, também interrompendo uma estável tendência histórica conforme
pode ser observado no Gráfico 6.
41
Gráfico 6 – Série Histórica da taxa de câmbio R$ / US$
(período janeiro/95 a maio/05)
0,00
1,00
2,00
3,00
4,00
199501
199507
199601
199607
199701
199707
199801
199807
199901
199907
200001
200007
200101
200107
200201
200207
200301
200307
200401
200407
200501
Tax
a de
câm
bio
(R$
/ US
$)
Fonte: Banco Banco Central do Brasil, Boletim, Seção Balanço de Pagamentos (BCB Boletim/BP);
Dados disponíveis em http://www.ipeadata.gov.br / gráfico montado pelo autor (vide Apêndice D)
Desta forma, devido tanto ao mercado de cartões como também ao cenário
econômico, para confecção do modelo utilizaremos somente os dados do
período entre os anos de 2000 e 2004.
4.2 DEFINIÇÃO DOS RETARDOS
Definimos a seguir os retardos a serem considerados na definição do modelo. O
acompanhamento das explicações a seguir é ilustrado no Esquema 2.
Inicialmente, consideremos os dados referentes a um mês M0.
As variáveis independentes estarão disponíveis ao longo e até o final do mês
seguinte M1. O próprio valor da variável dependente somente estará disponível ao
42
final de M1, mais especificamente a partir do dia 28 seguinte, uma vez que é
necessário processar todas as faturas de M1 para sabermos quanto e como foram
pagas as faturas de M0 (datas e montantes), determinando-se então os saldos
financiados de M0, e conseqüentemente sua Propensão a Financiar.
Considerando-se que 1 mês seja um período minimamente razoável para a tomada
de decisões e implementação de ações – observado que haverá ainda alguma
demora até que os resultados de tais ações sejam “sentidos” – precisamos portanto
reservar o mês M2 para estes fins.
Trabalharemos portanto com um retardo mínimo de 3 meses, ou seja: definiremos o
modelo correlacionando indicadores à Propensão a partir de 3 meses de defasagem.
Esquema 2 – Retardo (em meses)
Como máxima defasagem, definimos um período de 12 meses, uma vez que tal
intervalo completa um ciclo sazonal de 1 ano, e influências de períodos anteriores
estariam se repetindo.
Com o objetivo de padronizar os períodos e evitar uma pulverização de diferentes
retardos entre as variáveis independentes, e respeitando as conclusões acima,
reduzimos então as alternativas de defasagens para os seguintes “lags”: 3, 4, 5, 6 ou
12 meses. Foram rodadas as correlações de todas as variáveis independentes com
a Propensão, e escolhida para cada variável a defasagem (lag) que apresentava
maior correlação com a variável dependente.
M0 M1 M2 M3
últimos dados disponíveis apuração e coleta dos dadosmês de trabalho / definição e
implementação de açõesmês de referência da
projeção
(t - 3) (t - 2) (t - 1) (t0)
43
Como exemplo, apresentamos no Quadro 2 abaixo o correlograma – um
comparativo das correlações entre o par de variáveis, nos diversos lags – de uma
variável independente com a Propensão. No caso apresentado, a melhor correlação
ocorre para um lag de 12 meses, e esta será a defasagem utilizada em nosso estudo
para esta variável independente.
O mesmo procedimento foi adotado para todas as variáveis indpendentes. Seus
correlogramas são apresentados no Apêndice D.
Quadro 2 – Exemplo de Correlograma de Variável Independente versus Dependente
VENDAS NOMINAIS NO VAREJO - ÍNDICE (MÉDIA 2003 = 100)
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,370) Lag 4 (0,304) Lag 5 (0,349) Lag 6 (0,360) Lag 12 (0,668)
Máximo (0,304) Mínimo (0,668)
Melhor correlação (absoluta) (0,668) Lag da melhor correlação 12
VENDAS NOMINAIS NO VAREJO - ÍNDICE (MÉDIA 2003 = 100)
(0,800)
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
Observe-se que tal retardo não é necessário para dois tipos de variáveis
independentes: as administradas e as temporais. Variáveis administradas são
aquelas definidas pela Administradora de Cartões de Crédito (como por exemplo a
taxa de financiamento); podem ter “lag” zero, pois a própria Empresa determina qual
será seu valor no mês objeto do estudo. Da mesma forma, certas variáveis
temporais são conhecidas com antecedência (por exemplo, o número de dias úteis
em determinado mês, ou variáveis “dummy” sazonais, etc) e podem também ser
utilizadas na projeção sem a necessidade de qualquer defasagem.
44
4.3 MODELOS EXPLANATÓRIOS E SÉRIES TEMPORAIS
Existem dois tipos principais de modelos de previsão: as séries temporais e os
modelos explanatórios. Estes últimos assumem que a variável a ser prevista
apresenta uma relação explanatória com uma ou mais variáveis independentes. No
presente caso, estamos propondo que a Propensão ao Financiamento tenha
influências principalmente dos seguintes grupos (ou “famílias”) de indicadores:
• indicadores de Emprego & Renda,
• indicadores de Produção,
• indicadores Econômicos,
• indicadores Internos da Empresa,
• indicadores de Sazonalidade,
• e indicadores Diversos
A relação acima não esgota todas as causas de variação da variável dependente:
sempre existirão variações na Propensão que não podem ser creditadas às variáveis
independentes do modelo, e assim algumas parcelas das mudanças permanecerão
não explicadas. Assim, introduz-se o “erro” do modelo, que representa tais efeitos
aleatórios que afetam a Propensão além de suas variáveis independentes.
4.4 IDENTIFICAÇÃO DAS VARIÁVEIS INDEPENDENTES POTENCIAIS /
AS "FAMÍLIAS" DE VARIÁVEIS INDEPENDENTES
Uma questão problemática na seleção de variáveis independentes é o erro de
especificação, que tanto pode ser devido à inclusão de varáveis irrelevantes como
também por omissão de variáveis relevantes. O segundo caso é mais problemático,
uma vez que o efeito das variáveis independentes não incluídas não pode ser
avaliado.
Ao desenvolver a melhor equação de regressão múltipla para projetar a variável que
nos interessa, a primeira etapa recomendada envolve a seleção de um conjunto
45
completo de variáveis potencialmente preditoras. Qualquer variável que possa
melhorar a acuidade da projeção deve ser incluída. No entanto, o analista se
defronta com dois critérios antagônicos:
• ele deseja que sejam utilizadas tantas variáveis quanto possível;
• por outro lado, uma vez que a obtenção e monitoramento das informações
envolvem custos, a equação deve envolver o mínimo de preditores possíveis.
Assim, uma equação mais simples tende a ser a melhor, por ser de mais fácil
interpretação e ter um menor custo de aquisição das informações.
Conforme HANKE (2001, p. 259), os critérios de seleção de uma variável são:
• ela deve ser fundamental para o problema (deve haver uma relação plausível
entre a variável dependente e a independente);
• ela não deve estar sujeita a grandes erros de medição;
• ela não deve reproduzir o comportamento de outras variáveis independentes
(multicolinearidade); e
• não deve ser de difícil obtenção (alto custo, demora na divulgação, incertezas).
Já de acordo com MAKRIDAKIS (1998, p. 275), para uma determinada variável
projetada Y - em nosso caso, a Propensão ao Financiamento por parte dos
associados a cartões de crédito - "é necessário estabelecer uma 'lista longa' de
variáveis que a impactem, ou seja, as potenciais variáveis preditivas ou indicadores
antecedentes à Propensão. Esta lista será posteriormente reduzida a uma 'lista
curta' por várias formas, sendo essencial uma certa dose de criatividade" (tradução
nossa).
Desta forma, os seguintes critérios foram considerados na definição de tal “lista
longa” das variáveis independentes:
• Freqüência - uma vez que os dados disponíveis de Propensão são mensais,
para que uma variável independente seja incluída na análise, ela deverá ter esta
mesma periodicidade.
• Disponibilidade – não somente as variáveis independentes devem estar
disponíveis em tempo razoável, como também devem ser acessíveis de forma
46
fácil. Somente foram selecionadas séries que na época desta análise mantenham
continuidade de publicação.
• Integridade – mesma fonte ao longo de toda a série, e mesmo critério de cálculo.
• Adequação – relação explicável ou intuitiva entre a variável independente
proposta e a Propensão ao Financiamento.
Os 41 indicadores inicialmente escolhidos ('lista longa') são detalhados
individualmente nas listagens constantes dos Apêndices A e D. Dentro de cada
grupo, as características que levaram as variáveis independentes a serem
escolhidas para estudo são analisadas a seguir.
4.4.1 INDICADORES INTERNOS DA EMPRESA
As decisões da administração da Empresa impactam diretamente as decisões de
seus clientes quanto à Propensão a Financiar: aumento ou redução dos prazos de
pagamento, aumento ou redução no spread, características de distribuição da base
(clientes de maior ou menor risco, clientes com maior ou menor necessidade de
financiar conforme seus portfolios) levarão os clientes a maior facilidade – ou
necessidade – de aumentar seus volumes de transações e a utilizar o financiamento.
Por outro lado, indicadores do comportamento presente dos clientes (por exemplo,
volume de compras por conta) podem ser sinalizadores de suas tendências de
comportamento no futuro próximo.
Assim, optamos por incluir os seguintes indicadores internos da Companhia como
potenciais variáveis independentes (as siglas entre parêntesis representam os
nomes das variáveis utilizados no aplicativo estatístico):
• Volume de Transações (VOL_TRANS)
• Quantidade de Contas Ativas no Mês (sendo “ativa” a conta que tenha tido
qualquer movimentação no mês que a leve a receber uma fatura, mesmo que
sem efetuar compras ou transações – por exemplo, fatura contendo apenas uma
parcela referente a um financiamento anterior, ou um seguro) (CTA_AT)
47
• Volume de Transações por Conta Ativa (TRNS_CTATV)
• “Spread” cobrado aos Associados (SPREAD)
• Distribuição da Base de Clientes por Portfolio: Emergente (EMERG), Local
(LOCAL), Internacional (INTL) e Premium (PREMIUM)
Apresentamos no Quadro 3 a matriz de correlações tanto entre as variáveis
independentes e a Propensão como também entre as próprias variáveis
independentes. A matriz é um “output” do software MINITAB, onde foram
alimentados os dados das séries históricas dos grupos acima indicados (vide séries
de dados no Apêndice D). Inicialmente foram estabelecidas as correlações entre as
variáveis independentes e a Propensão a Financiar para todas as defasagens
previamente definidas (3, 4, 5, 6 e 12 meses); tais tabelas são apresentadas
individualmente no Apêndice D. Os indicadores foram defasados conforme seus
“lags” que tenham apresentado as melhores correlações, sendo então cruzados no
MINITAB. Os números entre parênteses indicam o lag (em meses) considerado
para cada variável independente.
Na presente “família” de indicadores, a variável independente que apresenta maior
correlação absoluta com a Propensão é o Volume de Transações, com retardo de 12
meses e proporcionalidade inversa. O motivo para tal se deve à mesma
sazonalidade das duas séries, porém com sentidos invertidos: épocas de aumento
nos volumes de transações – notadamente os picos nos finais de anos – equivalem
a reduções na Propensão a Financiar nas mesmas épocas (analisaremos a
Sazonalidade adiante neste capítulo).
48
Quadro 3 – Matriz de Correlação do grupo de Indicadores Internos da Empresa
Correlations: PROP; VOL_TRANS; CTA_AT; TRNS_CTATV; SPREAD; EMERG; LOCAL; ... PROP VOL_TRANS CTA_AT TRNS_CTATV SPREAD EMERG LOCAL INTL VOL_TRANS(12) -0,734 0,000 CTA_AT(3) 0,477 -0,232 0,001 0,112 TRNS_CTATV(12) -0,635 0,776 -0,360 0,000 0,000 0,012 SPREAD(3) -0,451 0,337 -0,612 0,670 0,001 0,019 0,000 0,000 EMERG(3) 0,485 -0,158 0,879 -0,089 -0,357 0,000 0,284 0,000 0,548 0,013 LOCAL(3) 0,551 -0,403 0,686 -0,181 -0,236 0,832 0,000 0,005 0,000 0,219 0,106 0,000 INTL(3) -0,564 0,326 -0,805 0,192 0,334 -0,933 -0,965 0,000 0,024 0,000 0,192 0,021 0,000 0,000 PREMIUM(3) -0,520 0,337 -0,733 0,110 0,224 -0,891 -0,981 0,962 0,000 0,019 0,000 0,456 0,125 0,000 0,000 0,000 Cell Contents: Pearson correlation P-Value
É importante frisar que no início de 2006 a CREDICARD sofrerá profunda mudança,
sendo dividida ao meio entre seus dois acionistas ITAÚ e CITIBANK. Tanto a base
de clientes como os funcionários serão distribuídos eqüitativamente entre os dois
sócios, deixando a Empresa de existir para tornar-se apenas uma marca. Assim,
Indicadores internos que representem quantidades nominais não devem ser
considerados no Modelo, pois serão reduzidos à metade em período inferior a 12
meses. Assim, o Volume de Transações por Conta Ativada é a primeira variável
independente que elegemos como representativa para o modelo, por tratar-se de
indicador resultante de um “ratio” e que manterá o mesmo nível de resultados.
Cabe consideração sobre a utilização do Spread como variável administrada, o que
permitiria sua utilização com lag zero. Spread é a diferença entre a taxa de
49
financiamento cobrada aos clientes e o custo de fundos. Embora a Empresa
determine (administre) a taxa a ser cobrada a seus clientes, o custo de fundos tem
variação diária. Isto impacta diretamente o Spread, que portanto não pode ser
considerado como variável administrada.
As variáveis referentes à distribuição da base de clientes por portfolio (Emergente,
Local, Internacional e Premium) se comportam conforme esperado. A correlação das
duas primeiras com a Propensão é positiva, pois em se tratando da participação de
portfolios de clientes com renda mais baixa, seu aumento implica um conseqüente
aumento na Propensão ao Financiamento. Da mesma forma a correlação com os
portfolios Internacional e Premium é negativa, pois o aumento da participação
destas duas bases de clientes com maior poder aquisitivo acarreta redução na
tendência da base total de clientes que financiarão. A composição destes
indicadores de portfolios é complementar (a soma das 4 variáveis é 100%,
representando a totalidade da base), o que fica evidenciado nas altas correlações
que apresentam entre si. Entre estas 4 opções elegemos portanto unicamente a
participação do Portfolio Internacional como variável independente para o modelo,
inclusive por sua baixa correlação com a outra variável independente já escolhida
neste grupo.
Cumpre ainda observar que a variável Contas Ativas tem uma boa correlação com a
Propensão quando o lag é zero (0,66); no entanto, dada a necessidade de
utilizarmos uma defasagem de 3 meses, a variável perde muito de sua qualidade
explicativa quando assume uma condição de preditora.
4.4.2 EMPREGO E RENDA
Acreditamos que variações no nível de emprego e na renda dos consumidores
impliquem variações no volume de consumo das pessoas físicas, e também na
forma de financiá-lo.
50
As séries das potenciais variáveis independentes deste grupo foram colhidas no site
do IPEA (Instituto de Pesquisas Avançadas), e suas fontes originais são
apresentadas no Apêndice D.
• Folha de Pagamento na Indústria (FOL_PG_IND)
• Rendimento Médio Real dos Assalariados no Trabalho Principal na RMSP
(REND_ASSAL_S)
• Pessoal Empregado na Indústria (PESS_EMPR_IN)
• Emprego Formal - Índice Geral (EMPR_FORM_GE)
• Emprego Formal – Comércio (EMPR_FORM_CO)
Por não estar disponível, não foi incluído um indicador “Índice Geral de Emprego
Formal na Indústria”, da mesma forma que não foram incluídos indicadores de
“Pessoal Empregado no Comércio” ou “Folha de Pagamento no Comércio”.
Quadro 4 – Matriz de Correlação do grupo de Indicadores de Emprego e Renda
Correlations: PROP; FOL_PG_IND; RND_ASSAL_S; PES_EMPR_IN; EMPR_FORM_GE; ... PROP FOL_PG_IND REND_ASSAL_S PESS_EMPR_IN EMPR_FORM_GE FOL_PG_IND(12) -0,738 0,000 REND_ASSAL_S(12) 0,728 -0,863 0,000 0,000 PESS_EMPR_IN(3) -0,527 0,710 -0,429 0,000 0,000 0,002 EMPR_FORM_GE(3) -0,751 0,962 -0,891 0,762 0,000 0,000 0,000 0,000 EMPR_FORM_CO(3) -0,703 0,948 -0,945 0,641 0,977 0,000 0,000 0,000 0,000 0,000 Cell Contents: Pearson correlation P-Value
51
Este grupo apresenta 4 variáveis independentes com ótimo potencial explicativo da
variável dependente, dadas suas altas correlações com ela (superiores a 0,70); no
entanto, elas são todas altamente correlacionadas entre si, o que acarretaria
problemas de multicolinearidade no modelo, caso mais do que uma fosse
selecionada. Acreditamos então que o Emprego Formal – Índice Geral seja a
variável independente mais representativa deste grupo. A correlação negativa é
explicável: aumento no nível de emprego gerando queda nas necessidades de
Financiamento. A variável “Rendimento Médio Real dos Assalariados no Trabalho
Principal na RMSP” tem correlação mais elevada, porém não somente com
defasagem muito superior (12 meses) como também com a limitação geográfica de
restringir-se somente à maior metrópole do País.
4.4.3 INDICADORES ECONÔMICOS
Espera-se que a disponibilidade de meios de pagamento, a remuneração das
aplicações e as alternativas para o uso das reservas pessoais interfiram nas
decisões pessoais de consumo e financiamento.
Note-se que alguns indicadores apresentados abaixo são bastante similares, e têm
alta correlação. Por exemplo, alguns índices de inflação apresentam uma quase
singularidade (vide Seção 3.7). Entre tais variáveis do mesmo grupo, buscaremos
aquela que tenha maior correlação com a variável dependente, e eliminaremos as
demais.
• Variação da Base Monetária (emissão de papel-moeda) (V_BS_MON)
• M1 - Papel Moeda em Poder do Público (M1)
• Índice de Ações: Ibovespa (IBVSP)
• Taxa de Juros: CDI (CDI)
• Relação Resgates / Saldos de Poupança (velocidade de circulação) (CIRC_PP)
• Rendimento Nominal da Poupança (REND_PP)
• Taxa de Câmbio (R$ / US$) (TX_US$)
• Índices de Preços e Inflação: IPCA (IPCA)
52
• Índices de Preços e Inflação: INPC (INPC)
• Índices de Preços e Inflação: IPC-FIPE (IPC_FIPE)
• Índices de Preços e Inflação: IGP-M (IGP_M)
• Índices de Preços e Inflação: IGP-DI (IGP_DI)
Quadro 5 – Matriz de Correlação do grupo de Indicadores Econômicos
Correlations: PROP; V_BS_MON; M1; IBVSP; CDI; CIRC_PP; REND_PP; TX_US$; ... PROP V_BS_MON M1 IBVSP CDI CIRC_PP REND_PP TX_US$ IPCA INPC IPC_FIPE GP_DI V_BS_MON(12) -0,234 0,109 M1(12) -0,770 0,385 0,000 0,007 IBVSP(12) -0,259 0,181 0,327 0,075 0,218 0,023 CDI(12) -0,435 -0,183 0,571 0,239 0,002 0,213 0,000 0,103 CIRC_PP(12) -0,393 0,335 0,314 0,264 0,263 0,006 0,020 0,030 0,070 0,071 REND_PP(12) -0,440 -0,176 0,563 0,217 0,983 0,238 0,002 0,232 0,000 0,139 0,000 0,103 TX_US$(3) -0,668 0,123 0,580 0,126 0,241 0,047 0,224 0,000 0,404 0,000 0,395 0,099 0,750 0,126 IPCA(12) -0,253 0,025 0,411 0,088 0,307 0,078 0,292 0,115 0,082 0,865 0,004 0,553 0,034 0,599 0,044 0,437 INPC(12) -0,334 0,030 0,465 0,142 0,321 0,077 0,305 0,194 0,959 0,020 0,841 0,001 0,334 0,026 0,605 0,035 0,186 0,000 IPC_FIPE(12) -0,272 -0,003 0,383 0,092 0,304 0,041 0,318 0,037 0,913 0,888 0,061 0,984 0,007 0,532 0,036 0,784 0,028 0,805 0,000 0,000 IGP_DI(3) -0,322 -0,078 -0,029 0,079 -0,082 0,024 -0,117 0,580 -0,172 -0,119 -0,232 0,025 0,599 0,845 0,594 0,579 0,871 0,429 0,000 0,243 0,421 0,112 IGP_M(3) -0,302 -0,045 -0,015 0,039 -0,096 0,058 -0,129 0,634 -0,180 -0,143 -0,267 0,963 0,037 0,763 0,918 0,792 0,515 0,698 0,382 0,000 0,220 0,332 0,066 0,000 Cell Contents: Pearson correlation P-Value
Os 5 índices de inflação apresentam baixa correlação com a Propensão ao
Financiamento e alta correlação entre si, e provavelmente serão excluídos do
modelo final. O mesmo deve ocorrer com o Ibovespa, a Taxa de Juros (o que nos
surpreendeu) e os indicadores que referenciam a Poupança (embora o indicador
53
“Velocidade de Circulação da Poupança”, dado pela relação “Resgates / Saldos de
Poupança no Mês” tenha correlação superior a 50% quando o lag é zero). As duas
variáveis de maior correlação são M1 (Papel Moeda em Poder do Público) e a
Taxa de Câmbio, ambas com relação inversa com a Propensão. M1 tem defasagem
de 12 meses; uma análise gráfica de sua evolução mostra que apresenta
sistemáticos aumentos sazonais nos finais de ano; assim, tal proporcionalidade
inversa reflete a mesma sazonalidade da Propensão.
Gráfico 7 – M1 (Papel Moeda em Poder do Público)
5
15
25
35
45
55
M1
(R$
Bi)
Fonte: Banco Central do Brasil, Boletim, Seção Moeda e Crédito (BCB Boletim/Moeda)
Dados disponíveis em http://www.ipeadata.gov.br / gráfico montado pelo autor (vide Apêndice D)
O gráfico da série da Taxa de Câmbio já foi visto no Gráfico 6. Não existe uma clara
tendência, e uma justificativa para a correlação negativa pode ser que aumentos na
cotação do dólar correspondam a instabilidades na Economia, com conseqüente
redução na confiança do consumidor.
54
4.4.4 PRODUÇÃO E CONSUMO
Os níveis de Produção e Consumo podem tanto induzir como anteceder as
aquisições de pessoas físicas / consumidores, assim como suas necessidades de
crédito.
• Produção de Cimento (PD_CIM)
• Produção Industrial de Alimentos (PD_ALIM)
• Produção Industrial de Bens de Consumo (total) (PD_BENS_CNS)
• Produção Industrial de Bens de Consumo Duráveis (PD_BC_DUR)
• Produção Industrial de Bens de Consumo Não-Duráveis (PD_BC_NDUR)
• Utilização da Capacidade Instalada na Indústria (UT_CP_IND)
• Vendas Nominais no Varejo (VDAS_VAR)
• Vendas Nominais na Indústria (SP) (VDAS_IND)
• Consumo de Energia Elétrica no Setor Residencial (CONS_EN_EL)
Quadro 6 – Matriz de Correlação do grupo de Indicadores de Produção e Consumo
Correlations: PROP; PD_CIM; PD_ALIM; PD_BENS_CNS; PD_BC_DUR; PD_BC_NDUR; PROP PD_CIM PD_ALIM PD_BENS_CNS PD_BC_DUR PD_BC_NDUR UT_CP_IND VDAS_VAR VDAS_IND PD_CIM(6) 0,546 0,000 PD_ALIM(3) -0,511 -0,178 0,000 0,225 PD_BENS_CNS(3) -0,452 -0,037 0,803 0,001 0,805 0,000 PD_BC_DUR(3) -0,582 -0,437 0,410 0,678 0,000 0,002 0,004 0,000 PD_BC_NDUR(3) -0,346 0,105 0,829 0,960 0,447 0,016 0,476 0,000 0,000 0,001 UT_CP_IND(12) 0,625 0,079 -0,273 -0,490 -0,526 -0,399 0,000 0,594 0,060 0,000 0,000 0,005 VDAS_VAR(12) -0,668 -0,595 0,355 0,219 0,450 0,114 -0,379 0,000 0,000 0,013 0,135 0,001 0,441 0,008 VDAS_IND(3) -0,698 -0,667 0,332 0,317 0,725 0,131 -0,265 0,709 0,000 0,000 0,021 0,028 0,000 0,375 0,069 0,000 CONS_EN_EL(12) 0,567 0,412 -0,091 0,013 -0,187 0,077 0,280 -0,195 -0,282 0,000 0,004 0,540 0,930 0,203 0,602 0,054 0,184 0,052 Cell Contents: Pearson correlation P-Value
55
Os indicadores de Produção apresentaram as mais baixas correlações, entre 0,35.
Os 4 demais indicadores apresentam correlações entre 0,56 e 0,70. As variáveis de
Vendas Nominais no Varejo e Vendas Nominais na Indústria têm alta correlação
entre si. Entre ambas, acreditamos que as Vendas Nominais no Varejo (lag = 12)
devem entrar no Modelo final, por diversos motivos: sua correlação com a
Propensão é altíssima (90%) quando a defasagem é zerada; o indicador refere-se
ao total do País, ao invés da variável “Vendas Nominais na Indústria” que se refere
exclusivamente ao Estado de São Paulo; e finalmente, o negócio de cartões de
crédito está mais intimamente ligado às vendas no varejo do que às vendas na
indústria. A correlação negativa é explicável pela semelhança entre as
sazonalidades, uma vez que os picos de vendas no varejo ocorrem nos finais dos
anos, mesma época da redução do Financiamento (vide adiante Seção 4.4.6 sobre
Sazonalidade).
Entre a Utilização da Capacidade Instalada na Indústria e o Consumo Residencial de
Energia Elétrica, ambas com defasagens de 12 meses (mais uma vez refletindo a
sazonalidade do ciclo anual), razoáveis correlações com a Propensão, baixas
correlações com a variável independente já escolhida neste grupo, e baixa
correlação entre si, acreditamos na Utilização da Capacidade Instalada na
Indústria. A série do Consumo Residencial de Energia Elétrica é afetada pelo
“apagão” de 2001, e por não termos como antever quando – ou se – haverá um
novo “apagão”, esta variável independente não será submetida para a confecção do
modelo.
4.4.5 INDICADORES DIVERSOS
Algumas variáveis independentes adicionais que podem indicar ou impactar a
inclinação dos consumidores ao financiamento foram incluídas.
• Custo da Cesta Básica (CESTA_BAS)
• Cheques Sem Fundos (Serasa) (SERASA)
56
• Operações de Crédito do Sistema Público a Pessoas Físicas (Total)
(CRED_PF_TOT)
• Operações de Crédito do Sistema Público a Pessoas Físicas (Risco Normal)
(CRED_PF_R_NO)
• Índice de Confiança do Consumidor na Economia (ICC)
Quadro 7 – Matriz de Correlação do grupo de Indicadores Diversos
Correlations: PROP; CESTA_BAS; SERASA; CRED_PF_TOT; CRED_PF_R_NO; ICC PROP CESTA_BAS SERASA CRED_PF_TOT CRED_PF_R_NO CESTA_BAS(3) -0,602 0,000 SERASA(12) -0,534 0,683 0,000 0,000 CRED_PF_TOT(12) -0,694 0,840 0,841 0,000 0,000 0,000 CRED_PF_R_NO(3) -0,565 0,722 0,575 0,657 0,000 0,000 0,000 0,000 ICC(5) -0,294 0,565 0,273 0,328 0,644 0,057 0,000 0,060 0,023 0,000 Cell Contents: Pearson correlation P-Value
Expurgada a variável Índice de Confiança do Consumidor na Economia, de
correlação inferior a 50%, restam 4 variáveis altamente correlacionadas entre si, o
que nos leva à escolha de uma delas. O indicador Operações de Crédito Totais do
Sistema Financeiro - a Pessoas Físicas do Banco Central não somente apresenta
a melhor correlação como também tem maior aderência intuitiva ao negócio de
cartões de crédito. A correlação negativa deve-se às tendências históricas: enquanto
o volume de tais operações de crédito a pessoas físicas vem crescendo
nominalmente com o passar do tempo, a Propensão a Financiar (percentual) através
do instrumento cartão de crédito vem apresentando redução.
57
4.4.6 SAZONALIDADE / VARIÁVEIS “DUMMY"
A sazonalidade das séries foi mencionada diversas vezes. A série da Propensão ao
Financiamento apresenta comportamento sazonal ao longo do ano, conforme pode
ser verificado no Gráfico 8. Neste Gráfico mantivemos os dados de Propensão nos
últimos 8 anos embora estejamos trabalhando com 5 anos apenas; isto objetiva
reforçar a existência da sazonalidade, não influindo no desenvolvimento posterior do
trabalho.
Gráfico 8 – Sazonalidade da Propensão ao longo dos anos (período 1997 – 2004)
Fonte: CREDICARD S.A.Dados ajustados pelo autor
Propensão ao Financiamento - séries anuais
25%
30%
35%
40%
45%
50%
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
meses
Pro
pen
são
19971998199920002001200220032004
Observamos que os maiores picos ocorrerem em torno dos meses de Março de
cada ano, pouco após os maiores vales que ocorrem nos meses de Dezembro e
Janeiro. A redução do Financiamento nos finais de ano se deve ao recebimento do
13º salário, que é utilizado em grande parte para a quitação de empréstimos e
dívidas pessoais. Por outro lado, o primeiro trimestre concentra as maiores despesas
da maioria da população – não somente os pagamentos das despesas do final do
ano anterior, como também a incidência de diversos impostos (IPTU, IPVA), uma
58
grande concentração de férias e ainda despesas com escolas e materiais escolares
(REHDER, 2005), advindo daí um novo aumento da Propensão a Financiar.
Analisaremos portanto duas variáveis “Dummy”:
• Efeito 13o Salário (Novembro = Dezembro = 1; resto do ano = 0) (DUMMY_13)
• Efeito Início do Ano (Fevereiro = Março = Abril = 1; resto do ano = 0)
(DUMMY_CARN)
As duas variáveis “dummy” terão o seguinte comportamento: o Efeito 13º Salário
reduz a Propensão ao Financiamento, e a variável referente ao início do ano tem
correlação positiva com ela.
4.5 RESUMO: VARIÁVEIS INDEPENDENTES PROVÁVEIS NO MODELO
Sumarizando o Capítulo 4, entre as 41 variáveis independentes originais,
acreditamos que as selecionadas a seguir tenham maiores possibilidades de
utilização no Modelo de regressão da Propensão ao Financiamento:
Grupo Indicadores Internos da Empresa:
• Volume de Transações por Conta Ativa
• Participação do Portfolio Internacional
Grupo Emprego e Renda
• Emprego Formal – Índice Geral
Grupo de Indicadores Econômicos
• M1 (Papel Moeda em Poder do Público)
• Taxa de Câmbio
Grupo Produção e Consumo
• Vendas Nominais no Varejo
59
• Utilização da Capacidade Instalada na Indústria
Grupo Indicadores Diversos
• Operações de Crédito Totais do Sistema Financeiro - a Pessoas Físicas
Grupo Sazonalidade
• Efeito 13º Salário
• Efeito Carnaval.
60
5. O MODELO
5.1 AS VARIÁVEIS ELIMINADAS
As 41 variáveis selecionadas no Capítulo 4 foram submetidas a diversas análises
através do software MINITAB. Foram analisadas todas as suas correlações (indo
além do que fizemos no capítulo anterior, quando somente eram cruzadas as
variáveis independentes dentro de uma única família); e estabelecidos os melhores
grupos de variáveis através do procedimento “Stepwise”, descrito no Capítulo 3. Por
limitações do software, somente podiam ser incluídas 31 variáveis dentro de uma
mesma análise; assim, foi feita uma triagem eliminando aquelas que apresentavam
alta correlação e redundância com outras variáveis independentes, sendo mantidas
as de maior correlação com a Propensão ao Financiamento. Foram eliminadas:
1) Volume de Transações
2) Quantidade de Contas Ativas
Motivo: Por serem valores nominais de uma Empresa prestes às vésperas de ser
dividida ao meio entre seus dois acionistas (CITIBANK e ITAÚ). Os indicadores
internos de atividades de associados serão melhor representados através do
indicador Volume de Transações por Contas Ativas, que por ser um “ratio”, não
será afetado pela cisão.
3) Participação na Base do Portfolio Emergente
4) Participação na Base do Portfolio Local
5) Participação na Base do Portfolio Premium (inc lui cartões Gold, Diners e
Corporate)
Motivo: Uma vez que a soma das participações dos quatro Portfolios totaliza 100%,
optamos por incluir somente um deles. O que apresentou maior correlação com a
Propensão, conforme visto no capitulo anterior, foi a Participação na Base do
Portfolio Emergente, foi esta a variável independente mantida.
61
6) Índice de Inflação: IPCA
7) Índice de Inflação: INPC
8) Índice de Inflação: IPC-FIPE
9) Índice de Inflação:IGP-M
Motivo: havíamos selecionado 5 indicadores de inflação para eleger somente um
como representativo. Aquele que reúne maior correlação com a variável dependente
com menor defasagem é o IGP-DI, que foi mantido.
10) Variação da Base Monetária (Papel-Moeda emitido)
Motivo: baixa correlação, com defasagem muito longa para ser justificada. Ademais,
a família de Indicadores Econômicos já dispõe de 7 outras variáveis independentes
representativas.
11) Consumo de Energia Elétrica no Setor Residencial
Motivo: embora este indicador apresentasse razoável correlação com a Propensão
a Financiar, e fosse sempre um dos primeiros selecionados pelo MINITAB para a
definição de um modelo, optamos por eliminá-lo devido ao dramático impacto do
“apagão” no segundo trimestre de 2001.
5.2 AS VARIÁVEIS SUBMETIDAS
As 30 variáveis restantes foram selecionadas submetidas ao MINITAB. São elas:
62
Tabela 3 – Variáveis Submetidas para Confecção do Modelo (continua)
# Variável Família Sigla Defasagem
(meses) Unidade
1) Volume de
Transações p/ conta
ativa
Indicadores Internos da
Empresa
(TRNS_CTATV) 3 (R$)
2) Spread Indicadores Internos da
Empresa
(SPREAD) 3 %
3) Distribuição da Base
de Clientes
(participação
percentual do portfolio
Internacional)
Indicadores Internos da
Empresa
(INTL)
3 %
4) Folha de Pagamentos
- indústria
Emprego & Renda (FOL_PG_IND)
12 %
5) Rendimento médio
real dos assalariados
no trabalho principal
na RMSP
Emprego & Renda (REND_ASSAL_SP) 12 %
6) Pessoal empregado
na indústria
Emprego & Renda (PESS_EMPR_IND) 3 %
7) Emprego formal -
índice geral
Emprego & Renda (EMPR_FORM_GER) 3 %
8) Emprego formal –
comércio
Emprego & Renda (EMPR_FORM_COM) 3 %
9) M1 - papel moeda em
poder do público
Indicadores Econômicos M1 12 R$ Bi
10) Índice de ações:
Ibovespa
Indicadores Econômicos IBVSP 12 variação
% a.m.
11) Taxa de juros: CDI Indicadores Econômicos CDI 12 %
12) Relação resgates /
saldos de poupança
(velocidade de
circulação)
Indicadores Econômicos CIRC_PP 12 ratio
13) Rendimento nominal
poupança
Indicadores Econômicos REND_PP 12 %
14) Taxa de câmbio:
comercial compra
(média)
Indicadores Econômicos TX_US$ 3 R$
15) IGP - DI Indicadores Econômicos IGP_DI 3 %
16) Produção de cimento Produção PD_CIM 6 MM ton
63
Tabela 3 (cont.) – Variáveis Submetidas para Confecção do Modelo
# Variável Família Sigla Defasagem
(meses) Unidade
17) Produção industrial de
alimentos
Produção PD_ALIM 3 % (média
2002 =
100)
18) Produção industrial de
bens de consumo
Produção PD_BENS_CNS 3 % (média
2002 =
100)
19) Produção industrial de
bens de consumo
duráveis
Produção PD_BC_DUR 3 % (média
2002 =
100)
20) Produção industrial de
bens de consumo não-
duráveis
Produção PD_BC_NDUR 3 % (média
2002 =
100)
21) Utilização da
capacidade instalada
na indústria
Produção UT_CP_IND 12 %
22) Vendas nominais no
varejo
Produção VDAS_VAR 12 % (média
2003 =
100)
23) Vendas nominais na
indústria (estado de
SP)
Produção VDAS_IND 3 % (jan
2003 =
100)
24) Cesta Básica Diversos CESTA_BAS 3 R$
25) Cheques sem fundo –
Serasa
Diversos SERASA 12 %
26) Operações de crédito
totais do sistema
financeiro - a pessoas
físicas
Diversos CRED_PF_TOT 12 R$ Bi
27) Operações de crédito
do sistema financeiro
(risco normal) a
pessoas físicas
Diversos CRED_PF_R_NO 3 R$ Bi
28) Índice de confiança do
Consumidor (ICC)
Diversos ICC 5 ratio
29) Dummy 13º Sazonalidade DUMMY_13 0 1 ou 0
30) Dummy Carnaval Sazonalidade DUMMY_CARN 0 1 ou 0
64
5.3 REGRESSÃO “STEPWISE”
Definimos 0,10 como o valor do P-value para inclusão e exclusão no procedimento
stepwise de regressão (vide Capítulo 3). No Quadro 8 apresentamos os resultados
da regressão “stepwise” rodada no MINITAB.
Quadro 8 – Regressão “Stepwise” com 30 variáveis independentes (MINITAB)
Stepwise Regression: PROP versus TRNS_CTATV; SPREAD; ... Alpha-to-Enter: 0,1 Alpha-to-Remove: 0,1 Response is PROP on 30 predictors, with N = 48 Step 1 2 3 4 5 6 7 8 9 10 Constant 41,81 -21,29 -25,23 -18,98 -27,61 -23,03 -25,222 -13,982 -15,022 -9,704 M1 -0,274 -0,222 -0,203 -0,135 -0,066 -0,023 T-Value -8,18 -7,44 -7,85 -5,97 -2,11 -0,82 P-Value 0,000 0,000 0,000 0,000 0,041 0,414 UT_CP_IND 0,767 0,806 0,897 0,978 0,943 0,970 0,822 0,800 0,745 T-Value 4,71 5,77 8,51 9,64 11,01 12,37 8,94 9,04 8,12 P-Value 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 DUMMY_CARN 1,41 1,58 1,53 1,33 1,33 1,18 0,97 1,04 T-Value 4,18 6,20 6,50 6,52 6,54 5,97 4,57 4,94 P-Value 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 INTL -0,613 -0,494 -0,449 -0,446 -0,434 -0,447 -0,461 T-Value -5,98 -4,77 -5,12 -5,12 -5,32 -5,71 -6,01 P-Value 0,000 0,000 0,000 0,000 0,000 0,000 0,000 CRED_PF_TOT -0,038 -0,051 -0,0582 -0,0626 -0,0540 -0,0367 T-Value -2,87 -4,45 -8,04 -8,99 -7,01 -2,95 P-Value 0,006 0,000 0,000 0,000 0,000 0,005 PD_ALIM -0,0310 -0,0331 -0,0246 -0,0232 -0,0259 T-Value -4,31 -4,93 -3,49 -3,44 -3,83 P-Value 0,000 0,000 0,001 0,001 0,000 DUMMY_13 -0,84 -0,96 -1,10 T-Value -2,66 -3,13 -3,54 P-Value 0,011 0,003 0,001 PD_CIM 0,81 0,85 T-Value 2,20 2,38 P-Value 0,033 0,023 SERASA -0,129 T-Value -1,76 P-Value 0,086 S 1,41 1,17 0,999 0,746 0,690 0,580 0,578 0,540 0,516 0,503 R-Sq 59,24 72,71 80,48 89,35 91,10 93,87 93,77 94,69 95,26 95,61 R-Sq (adj) 58,35 71,50 79,14 88,36 90,04 92,97 93,02 93,91 94,43 94,71 Mallows C-p 661,9 430,5 298,1 146,5 118,2 72,2 71,9 58,0 50,0 46,0
65
A opção foi feita pelo Passo 8 (coluna “Step 8”) do programa, por apresentar uma
confiabilidade que julgamos excelente (R2 = 0,947) e com um número relativamente
baixo de variáveis explicativas: 6.
As seis variáveis selecionadas foram então submetidas à análise de regressão e
erros no MINITAB, com os resultados apresentados no Quadro 9 abaixo .
Quadro 9 – Análise de Regressão do Modelo Proposto (MINITAB)
Regression Analysis: PROP versus UT_CP_IND; DUMMY_CARN; ... The regression equation is PROP = - 14,0 + 0,822 UT_CP_IND + 1,18 DUMMY_CARN - 0,434 INTL - 0,0626 CRED_PF_TOT - 0,0246 PD_ALIM - 0,845 DUMMY_13 Predictor Coef SE Coef T P VIF Constant -13,982 7,578 -1,85 0,072 UT_CP_IND 0,82224 0,09198 8,94 0,000 1,7 DUMMY_CARN 1,1779 0,1973 5,97 0,000 1,2 INTL -0,43400 0,08159 -5,32 0,000 1,6 CRED_PF_TOT -0,062584 0,006965 -8,99 0,000 1,8 PD_ALIM -0,024566 0,007039 -3,49 0,001 1,5 DUMMY_13 -0,8446 0,3171 -2,66 0,011 2,3 S = 0,539745 R-Sq = 94,7% R-Sq (adj) = 93,9% Analysis of Variance Source DF SS MS F P Regression 6 212,845 35,474 121,77 0,000 Residual Error 41 11,944 0,291 Total 47 224,789
66
5.4 ANÁLISE DE ERROS
Aplicamos aqui os conceitos analisados no Capítulo 3.5.
O Gráfico 9 apresenta um histograma dos resíduos. Apesar da leve assimetria, o
formato do histograma indica não haver “vícios” ou desvio nos erros do modelo.
Gráfico 9 – Histograma de Resíduos do Modelo
Deleted Residual
Fre
qu
en
cy
2,01,51,00,50,0-0,5-1,0-1,5-2,0
12
10
8
6
4
2
0
Histogram of the Residuals(response is PROP)
O Gráfico 10 contrapõe resíduos aos respectivos valores observados. Observamos
que a distribuição é aleatória, não denotando qualquer eventual tendência no
comportamento da variável independente que não tenha sido capturada pelo
Modelo.
67
Gráfico 10 – Resíduos versus Valores Ajustados
O Gráfico 11 ordena os resíduos por ordem de ocorrência dos dados. O risco aqui
seria de resíduos correlacionados, ou seja, resíduos afetados pelo resíduo anterior
(MAKRIDAKIS, 1998, p. 264/265). No entanto não verificamos qualquer tendência
ou alternância.
Fitted Value
De
lete
d R
esi
du
al
38373635343332313029
2
1
0
-1
-2
Residuals Versus the Fitted Values(response is PROP)
68
Gráfico 11 – Resíduos por Ordenação dos Dados
5.5 OUTLIERS
No Gráfico 11 visualizamos as observações 8 e 20 como possíveis outliers. Estes
pontos referem-se aos meses de agosto/01 e agosto/02. As observações apontadas
estão a respectivamente 2,01 e 2,06 desvios padrão da média de resíduos. No
entanto, conforme pode ser verificado no próprio Gráfico 11, tais valores estão
bastante próximos aos demais resíduos. Voltando ao Gráfico 8 de Sazonalidade da
Propensão, observamos ainda que os valores registrados para os dois meses têm
comportamento em conformidade com o comportamento dos demais meses e anos.
Desta forma, estes possíveis outliers não foram excluídos de nossa base de
regressão, sendo mantidos como parte da base de dados e considerados em todos
os cálculos.
Observation Order
De
lete
d R
esi
du
al
454035302520151051
2
1
0
-1
-2
Residuals Versus the Order of the Data(response is PROP)
69
5.6 MULTICOLINEARIDADE
Executamos uma rotina de correlação entre as 6 variáveis, que trouxe os resultados
apresentados no Quadro 10 a seguir.
Quadro 10 – Correlação entre as 6 Variáveis Independentes
Correlations: PROP, INTL, PD_ALIM, UT_CP_IND, CRED_PF_TOT, DUMMY_13, DUMMY_CARN PROP INTL PD_ALIM UT_CP_IND CRED_PF_TOT DUMMY_13 INTL -0.564 0.000 PD_ALIM -0.511 0.158 0.000 0.282 UT_CP_IND 0.625 -0.070 -0.273 0.000 0.635 0.060 CRED_PF_TOT -0.694 0.611 0.161 -0.130 0.000 0.000 0.276 0.379 DUMMY_13 -0.536 0.014 0.531 -0.600 -0.021 0.000 0.923 0.000 0.000 0.888 DUMMY_CARN 0.374 0.004 -0.240 -0.001 -0.152 -0.258 0.009 0.978 0.101 0.995 0.303 0.076 Cell Contents: Pearson correlation P-Value
Apesar de existirem algumas correlações internas superiores a 0,50, uma conclusão
que pode ser extraída do Quadro 9 é a inexistência de colinearidade entre as
variáveis explicativas (duas a duas) da Propensão ao Financiamento. Embora
fatores de V.I.F. (Variance Inflation Factor) de valor até 5,0 fossem aceitáveis, o
Quadro 9 mostra que o mais alto valor verificado foi de 2,3.
70
5.7 O MODELO
O Modelo explicativo da Propensão ao Financiamento fica portanto definido como:
PROP = - 13,982 + 0,82224 UT_CP_IND + 1,1779 DUMMY_CARN - 0,43400 INTL
- 0,062584 CRED_PF_TOT - 0,024566 PD_ALIM - 0,8446 DUMMY_13
com R2 = 0,947
Tecemos a seguir algumas considerações sobre cada um dos termos da equação de
regressão.
PROP - PROPENSÃO AO FINANCIAMENTO
• Variável dependente
• Unidade: %
• Defasagem: zero
INTL - PARTICIPAÇÃO DO PORTFOLIO INTERNACIONAL
• Reflete a distribuição da base entre clientes de maior e menor propensão a
financiar, ou o “apetite” da Empresa por correr riscos com clientes “revolvers”. A
correlação é negativa, pois em se tratando de um conjunto de consumidores de
maior poder aquisitivo, quanto maior for sua participação na base de clientes
menor será a tendência a financiar total desta base.
• Defasagem: 3 meses.
DUMMY_CARN - DUMMY CARNAVAL
• Variável “dummy” de valores: 1 nos meses de fevereiro, março e abril, e 0 nos
demais meses do ano.
71
• Objetiva capturar / refletir o aumento da Propensão ao Financiamento naqueles
meses do ano. Correlação positiva com a variável dependente.
DUMMY_13 - DUMMY DÉCIMO TERCEIRO SALÁRIO
• Variável “dummy” de valores: 1 nos meses de dezembro e janeiro, e 0 nos
demais meses do ano.
• Objetiva capturar / refletir a redução na Propensão ao Financiamento naqueles
meses do ano. Negativamente correlacionada com a variável dependente.
CRED_PF_TOT - OPERAÇÕES DE CRÉDITO TOTAIS DO SISTEMA FINANCEIRO
A PESSOAS FÍSICAS
• As operações de crédito totais do Sistema Financeiro a Pessoas Físicas
apontadas pelo Banco Central do Brasil vêm aumentando sistematicamente com
o passar do tempo (vide Apêndice D), com conseqüente redução (correlação
negativa) nas necessidades de financiamento através de cartões de crédito.
• Defasagem: 12 meses
• Unidade: R$ Bi
PD_ALIM - PRODUÇÃO INDUSTRIAL DE ALIMENTOS
• A Produção Industrial de Alimentos segue um calendário de safras com picos nos
terceiros trimestres e vales nos meses de fevereiro. A correlação negativa com a
Propensão ao Financiamento denota o provável impacto sobre o poder aquisitivo
da população envolvida com o processo.
• Defasagem: 3 meses
• Unidade: % (índice base média 2002 = 100)
UT_CP_IND - NÍVEL DE UTILIZAÇÃO DA CAPACIDADE INSTALADA NA
INDÚSTRIA
72
• Positivamente correlacionada à Propensão a Financiar, refletindo o impacto do
aumento da oferta de produtos sobre o consumidor. E mais: uma vez que a
decisão de financiar está intimamente ligada à expectativa de “conseguir pagar” –
o que significa “manter-se empregado a longo prazo” – um aumento na utilização
da capacidade instalada na indústria (com a defasagem observada) pode
também implicar um aumento em tal crença.
• Defasagem: 12 meses
• Unidade: %
5.8 AUSÊNCIA DE INDICADORES ECONÔMICOS NO MODELO
Embora o modelo não utilize variáveis independentes do grupo de Indicadores
Econômicos, isto não significa não haver influência desta família de indicadores
sobre a Propensão ao Financiamento. Indicadores Econômicos podem influenciar
ou se comportar de forma semelhante a outras variáveis independentes já
constantes do modelo, acompanhando-as ou já estando representadas por elas,
tanto individualmente como em conjunto.
Para verificar este comportamento, executamos uma rotina de correlação entre as 7
variáveis independentes do grupo de Indicadores Econômicos e as 6 variáveis
independentes do modelo, que trouxe os resultados apresentados no Quadro 11 a
seguir.
Deste grupo, as duas variáveis independentes que apresentavam maior correlação
com a Propensão (vide Seção 4.4.3 e o Quadro 5) são a Taxa de Câmbio e o
volume de Papel Moeda em poder do público (M1). As duas apresentam aqui alta
correlação com as operações de crédito totais do Sistema Financeiro a Pessoas
Físicas apontadas pelo Banco Central do Brasil.
73
Quadro 11 – Correlação entre 7 Indicadores Econômicos e as 6 Variáveis
Independentes do Modelo
Correlations: M1; IBVSP; CDI; CIRC_PP; REND_PP; TX_US$; IGP_DI; UT_CP_IND; ... M1 IBVSP CDI CIRC_PP REND_PP TX_US$ IGP_DI UT_CP_IND -0,369 -0,122 -0,285 -0,309 -0,275 -0,207 -0,374 0,010 0,411 0,050 0,033 0,059 0,157 0,009 DUMMY_CARN -0,160 -0,069 -0,112 -0,368 -0,114 -0,071 0,098 0,276 0,640 0,450 0,010 0,442 0,632 0,509 INTL 0,492 0,075 0,245 0,040 0,235 0,769 0,298 0,000 0,613 0,093 0,786 0,107 0,000 0,039 CRED_PF_TOT 0,811 0,206 0,464 0,025 0,484 0,773 0,141 0,000 0,159 0,001 0,866 0,000 0,000 0,340 PD_ALIM 0,377 0,270 -0,044 0,346 -0,051 0,240 0,240 0,008 0,063 0,766 0,016 0,729 0,100 0,101 DUMMY_13 0,316 0,194 0,019 0,545 0,006 0,116 0,115 0,029 0,186 0,898 0,000 0,968 0,432 0,438 Cell Contents: Pearson correlation P-Value
Desta forma, duas variáveis do grupo de Indicadores Econômicos ajudam a
determinar a tendência do consumidor a financiar através de seu cartão de crédito,
estando no entanto representadas no Modelo final somente de forma indireta.
5.9 AVALIAÇÃO DO MODELO / CAPACIDADE PREDITIVA
No Gráfico 12 podemos comparar a Propensão real à projetada pelo Modelo, ao
longo dos 48 meses entre janeiro/00 e dezembro/04. O gráfico apresenta ainda a
utilização do Modelo como previsor para os primeiros 6 meses de 2005.
74
Gráfico 12 – Comparativo Propensão a Financiar: Real versus Modelo
COMPARATIVO: PROPENSÃO REAL x MODELO
29,0
30,0
31,0
32,0
33,0
34,0
35,0
36,0
37,0
38,0
jan/
01
mar
/01
mai
/01
jul/0
1
set/0
1
nov/
01
jan/
02
mar
/02
mai
/02
jul/0
2
set/0
2
nov/
02
jan/
03
mar
/03
mai
/03
jul/0
3
set/0
3
nov/
03
jan/
04
mar
/04
mai
/04
jul/0
4
set/0
4
nov/
04
jan/
05
mar
/05
mai
/05
mês
Pro
pens
ão a
Fin
anci
ar (%
)
REAL MODELO
Dentro do período estudado o Modelo apresenta um bom comportamento. O erro
percentual de cada observação (conforme vimos no Capítulo 3: %100
= x
ye
EPi
ii )
varia entre -3,23% e +2,34%, com uma média (dos valores absolutos) de erro de
1,17%, valor que consideramos baixo, ou seja, muito satisfatório.
No entanto, a partir de janeiro/05, quando é utilizado como previsor, o Modelo perde
uma pequena parcela de sua capacidade explicativa, passando a apresentar um
erro médio de 4,17%. A Tabela 4 contrapõe os dados reais aos projetados.
75
Tabela 4 – Comparativo Propensão projetada versus real
mês
Projeção Modelo (%)
Propensão real (%) variação
Modelo / Real
Jan/05
Fev/05
Mar/05
Abr/05
Mai/05
Jun/05
30,61
32,78
35,32
34,80
34,69
34,60
29,66
33,00
33,61
33,64
33,52
32,98
-3,19%
0,68%
-5,09%
-3,47%
-3,49%
-4,92%
Em uma primeira análise voltada exclusivamente às variáveis independentes
utilizadas no Modelo, observamos que a variável “Operações de Crédito Totais do
Sistema Financeiro a Pessoa Física” vem apresentando uma tendência exponencial,
conforme pode ser verificado no Gráfico 13 a seguir. Nota-se que embora se trate de
uma variável independente de alta correlação e de grande poder explicativo no
período observado, seu comportamento recente indica que para projeções – ou para
uma atualização desta análise em períodos futuros – esta variável pode vir a ser
substituída. Tal substituição poderia ser efetuada dentro deste trabalho, mas com
isto estaríamos utilizando o período de aferição (o primeiro semestre de 2005) para o
estabelecimento do Modelo, o que não é nossa intenção. Somente após um período
adicional de 6 meses seria possível revalidar o novo Modelo.
76
Gráfico 13 – Evolução da variável independente “Operações de Crédito Totais do
Sistema Financeiro a Pessoas Físicas”
Fonte: Banco Central do Brasil - DEPEC
Dados disponíveis em http://www.bacen.gov.br / gráfico montado pelo autor (vide Apêndice D)
Outros fatores externos ao modelo podem também ter concorrido para que a
Propensão ao Financiamento projetada pelo modelo seja superior à efetivamente
verificada. O crescimento da oferta e utilização de crédito foi registrado em diversas
matérias publicadas no jornal O ESTADO DE SÃO PAULO ao longo do primeiro
semestre de 2005. “Confiantes na continuidade do crescimento econômico, os
bancos (BRADESCO, ITAÚ, UNIBANCO e BANESPA) estão direcionando sua
estratégia para o crédito, especialmente para pessoas físicas (pois) a opção pelo
crédito é mais vantajosa para o banco, com ganho superior ao de títulos públicos”
(PEREIRA, 2005). Há uma “expansão do crédito para o consumidor” (DANTAS,
2005), por exemplo através de novos instrumentos como o crédito consignado (com
desconto em folha de pagamento). Existe uma “cobiça dos bancos em disputar os
financiamentos ao consumidor oferecendo mais crédito” (CHIARA, 2005), e assim o
“crédito anima os consumidores” e o “acesso fácil ao financiamento acaba
15.000
30.000
45.000
60.000
75.000
90.000
105.000
120.000
135.000
150.000
jan/
95
jul/9
5
jan/
96
jul/9
6
jan/
97
jul/9
7
jan/
98
jul/9
8
jan/
99
jul/9
9
jan/
00
jul/0
0
jan/
01
jul/0
1
jan/
02
jul/0
2
jan/
03
jul/0
3
jan/
04
jul/0
4
jan/
05
mês
Ope
raçõ
es d
e cr
édito
Tot
ais
do S
iste
ma
Fin
ance
iro -
a
Pes
soa
Fís
ica
(R$
MM
)
77
estimulando quem tinha dúvidas em gastar” (KOMATSU, 2005). Esta disponibilidade
de meios de financiamento afeta adversamente a utilização de financiamento
através de cartões de crédito, por ser este um recurso mais oneroso: existe um
“apelo das facilidades (...) como a liberação do dinheiro sem burocracia (e) os juros
entre 1,75% e 3% ao mês, bem menores que as taxas cobradas por outras
modalidades de crédito pessoal, e prazos elásticos de até 3 anos” (C.C., 2005).
78
6. CONCLUSÕES
6.1 CONSIDERAÇÕES FINAIS
A Propensão ao Financiamento através de titulares de Cartões de Crédito da
CREDICARD é afetada por 5 principais grupos de indicadores.
As decisões internas da Companhia de concentração e foco em grupos de clientes
de maior ou menor Propensão ao Financiamento – e conseqüentemente menor ou
maior risco de crédito – estão refletidas no indicador de distribuição da base de
clientes, representado pela participação do portfolio Internacional.
A Sazonalidade tem acentuada influência, e os dois indicadores “dummy” – tanto o
do 13o salário como o do período do Carnaval – foram selecionados no Modelo final.
O indicador de Operações de Crédito a Pessoa Física do Sistema Financeiro é
intuitivamente lógico e aderente ao comportamento da Propensão ao Financiamento
(com correlação negativa).
A incidência de dois indicadores da família de Produção contra nenhum do grupo de
Emprego & Renda pode indicar existir correlação direta entre estes dois grupos,
servindo um como proxis do outro. Um tópico a ser desenvolvido.
Adicionalmente, os Indicadores Econômicos são representados de forma indireta no
Modelo através de alta correlação com a variável de Operações de Crédito a Pessoa
Física já incluída.
6.2 SUGESTÕES PARA PESQUISAS FUTURAS
É vasto o campo para aprofundamento no assunto, uma vez que não encontramos
literatura específica a respeito.
79
Este trabalho não pretendeu esgotar o assunto, e o critério de seleção de variáveis
independentes selecionadas obedeceu não somente à experiência e intuição do
autor, mas também à disponibilidade de tais variáveis. Uma primeira sugestão
àqueles interessados em aprofundar o estudo seria a consideração de outras
variáveis independentes, bem como de outras famílias de variáveis.
Outro possível aprimoramento seria a representação de cada família de variáveis
através de uma única variável, desenvolvida através de uma combinação das
demais. Com isto seria possível avaliar o impacto direto de cada grupo sobre o
comportamento dos consumidores que financiam através de cartões de crédito. Uma
vantagem adicional deste procedimento é que facilitaria a consideração de outras
famílias de variáveis independentes sugerida acima, sem provocar um aumento
significativo na dimensionalidade do problema.
O estudo foi desenvolvido para a base total de clientes da CREDICARD. No entanto,
conforme verificamos em 1.4, esta base pode ser dividida em grupos de clientes de
diferentes características comportamentais – notadamente os Portfolios, que são
conjuntos (ou “carteiras”) de clientes divididos principalmente por suas faixas de
renda. Os 4 principais Portfolios – Emergente, Local, Internacional e Premium –
podem ser foco de estudos individuais, que levarão ao estabelecimento de modelos
de comportamento diferenciados e específicos para cada um deles.
Finalmente, uma vez que a CREDICARD deixará de existir como Empresa e como
base consolidada de clientes a partir do início de 2006, distribuindo suas 5 milhões
de contas (7 milhões de cartões) entre seus dois acionistas ITAÚ e CITIBANK,
também este estudo pode ser dividido em dois, verificando-se se as variáveis
preditivas e seus respectivos pesos (ou influências) se manterão para as duas
bases, que se busca dividir com absoluta equanimidade.
6.3 LIMITAÇÕES DO ESTUDO
A principal limitação do estudo é ter sido efetuado sobre somente a base de clientes
de uma única Administradora de Cartões de Crédito (embora a CREDICARD seja a
80
maior Administradora do país). Embora tenhamos analisado no Capítulo 2 os
motivos do indicador de Propensão a Financiar não ser igualmente importante para
outras administradoras de cartões, seria proveitoso se pudéssemos comparar as
conclusões que chegamos ao comportamento de outras bases de cartões, mesmo
que com quantidades muito inferiores de clientes. Desta forma, não temos como
avaliar se é possível extrapolar as conclusões a todos os usuários de cartões de
crédito no País.
As defasagens entre as séries de variáveis independentes e a Propensão ao
Financiamento reduziram significativamente algumas correlações entre dados. Tais
defasagens são no entanto necessárias para que possamos prever o
comportamento da Propensão a tempo da Empresa poder tomar ações corretivas.
81
REFERÊNCIAS BIBLIOGRÁFICAS
• CHATTERJEE, Samprit; PRICE, Bertram. Regression Analysis by Example.
1st ed. USA, John Wiley & Sons, 1977
• CHAUVERT, Marcelle. Leading Indicators of Inflation for Brazil. Working
Paper, Banco Central do Brasil, 2000.
• CHIARA, Márcia. Comércio corre risco calculado. O Estado de São Paulo, 20
de fevereiro de 2005. Caderno de Economia, página B9.
• CHIARA, Márcia. Cartões predominam no comércio. O Estado de São Paulo, 8
de agosto de 2005. Caderno de Economia, página B3.
• C.C. Aposentado deve analisar bem o crédito fácil. O Estado de São Paulo,
20 de fevereiro de 2005. Caderno de Economia, página B4.
• DANTAS, Vera. Crediário impulsiona vendas no Dia dos Pais. O Estado de
São Paulo, 16 de agosto de 2005. Caderno de Economia, página B4.
• EMERSON, Rebecca; HENDRY, David. An Evaluation of Forecasting using
Leading Indicators. Working Paper, Economic and Social Reserach Council,
UK, 1994.
• ESTRELLA, Arturo; MISHKIN, Frederic. Predicting U.S. Recessions: Financial
Variables as Leading Indicators. Working Paper, National Bureau of Economic
Research, USA, 1995
• FREES, Edward W. Data Analysis Using Regression Models. Prentice Hall,
1996.
82
• HAIR, Joseph F. Jr.; ANDERSON, Rolph E.; TATHAM, Ronald L.; BLACK,
William C. Análise Multivariada de Dados. 5a ed. Brasil, Bookman, 2005.
• HANKE, John E.; WICHERN, Dean W.; REITSCH, Arthur G. Business
Forecasting. 7th ed. USA Prentice-Hall. 2001.
• LAREDO, A. Sicsú. Notas de aula: Regressão Linear Múltipla: Fundamentos,
Extensões, Multicolinearidade, Outliers & Pontos Influentes, e a Seleção de
Variáveis. EAESP / FGV, Brasil.
• KOMATSU, Alberto. Crédito anima os consumidores. O Estado de São Paulo,
2 de março de 2005. Caderno de Economia, página B5.
• LEHMANN, Donald R; GUPTA, Sunil; STECKEL, Joel H. Marketing Research.
USA, Addison-Wesley, 1998.
• MAKRIDAKIS, Spyros; WHEELWRIGHT, Steven C.; HYNDMAN, Rob J.
Forecasting: Methods and Applications. 3rd ed. USA, John Wiley & Sons,
1998.
• PEREIRA, Renée. Bancos aumentam aposta no crédito. O Estado de São
Paulo, 16 de maio de 2005. Capa do jornal e capa do Caderno de Economia.
• QUINN, Jane B; EHRENFELD, Temma. How to be a card Shark. Newsweek, 14
de março de 2005, Vol. 145 Issue 11, p45.
• REHDER, Marcelo. Inadimplência sobe 24,5% em março. O Estado de São
Paulo, 3 de maio de 2005. Caderno de Economia, página B5.
• USO Consciente do Crédito. Banco Itaú. [2005?]
A P Ê N D I C E A - H I S T Ó R I C O D A S V A R I Á V E I S I N D E P E N D E N T E S 83
mês Propensão Volume de Transações
(R$ M)
Contas ativas
Volume de Transações
p/ conta ativa (R$)
Spread
Distribuição da Base de Clientes
(participação percentual do
portfolio Emergente)
Distribuição da Base de
Clientes (participação percentual do portfolio Local)
Distribuição da Base de
Clientes (participação percentual do
portfolio Internacional)
Distribuição da Base de
Clientes (participação percentual do
portfolio Premium -
incl Diners + Corporate)
Folha de Pagamentos
- indústria
Rendimento médio real dos assalariados no trabalho principal na
RMSP
Pessoal empregado na indústria
Emprego formal - índice geral
Emprego formal -
comércio
Família:Variável
dependente Internos Empresa
Internos Empresa
Internos Empresa
Internos Empresa
Internos Empresa
Internos Empresa
Internos Empresa
Internos Empresa
Emprego & Renda
Emprego & Renda
Emprego & Renda
Emprego & Renda
Emprego & Renda
Nome var.: PROP VOL_TRANS CTA_AT TRNS_CTATV SPREAD EMERG LOCAL INTL PREMIUM FOL_PG_INDREND_ASSAL_SPPESS_EMPR_INDEMPR_FORM_GEREMPR_FORM_COMdel 30 del 30 del 30 del 30 del 30
Defasagem 12 3 12 3 3 3 3 3 12 12 3 3 3Correlação -73,3% 47,7% -63,5% -45,1% 48,6% 55,0% -56,4% -52,1% -73,8% 72,8% -52,7% -75,1% -70,3%
jan-01 0,3367 1.435 6.306 242 0,0585 0,1302 0,4833 0,2535 0,1330 70,1 64,2 75,4537 86,68 78,80 fev-01 0,3650 1.423 6.379 237 0,0624 0,1321 0,4862 0,2505 0,1312 70,7 63,1 75,5187 86,68 79,51 mar-01 0,3767 1.464 6.614 243 0,0593 0,1358 0,4897 0,2473 0,1272 71,1 63,3 75,0520 85,81 79,40 abr-01 0,3772 1.471 6.599 244 0,0591 0,1383 0,4957 0,2417 0,1244 70,9 64,2 75,3356 86,00 79,23 mai-01 0,3735 1.594 6.814 263 0,0614 0,1388 0,4989 0,2397 0,1227 72,3 65,4 75,6333 86,32 79,33 jun-01 0,3690 1.558 6.950 255 0,0623 0,1384 0,4999 0,2399 0,1218 72,7 63,3 75,7007 86,46 79,29 jul-01 0,3672 1.595 6.970 258 0,0583 0,1398 0,5034 0,2365 0,1203 73,4 62,9 75,9430 87,00 79,77
ago-01 0,3642 1.635 7.049 263 0,0549 0,1405 0,5041 0,2361 0,1193 74,1 63,3 76,4077 87,63 80,10 set-01 0,3702 1.553 7.142 249 0,0577 0,1431 0,5012 0,2357 0,1200 73,2 64,8 76,3887 88,05 80,42 out-01 0,3747 1.640 7.200 260 0,0530 0,1447 0,4972 0,2359 0,1222 74,6 65,7 76,2208 88,34 80,68 nov-01 0,3733 1.700 7.252 266 0,0553 0,1457 0,4925 0,2372 0,1247 80,1 63,7 75,7508 88,53 81,03 dez-01 0,3414 2.184 7.244 330 0,0575 0,1441 0,4881 0,2417 0,1261 87,6 62,3 75,6353 88,84 81,56 jan-02 0,3392 1.677 7.231 254 0,0544 0,1425 0,4865 0,2427 0,1283 78,9 60,2 75,3481 89,14 82,23 fev-02 0,3662 1.533 7.231 225 0,0581 0,1414 0,4846 0,2430 0,1310 77,7 60,8 74,9483 89,13 83,18 mar-02 0,3681 1.739 7.387 250 0,0548 0,1405 0,4823 0,2441 0,1331 79,8 60,4 74,5778 88,12 83,18 abr-02 0,3666 1.647 7.247 236 0,0566 0,1406 0,4825 0,2443 0,1326 80,3 61,3 74,6067 88,31 83,23 mai-02 0,3621 1.870 7.282 265 0,0597 0,1414 0,4830 0,2439 0,1317 81,5 61,6 74,6368 88,64 83,44 jun-02 0,3557 1.766 7.290 247 0,0583 0,1406 0,4837 0,2442 0,1316 80,6 60,8 75,0577 89,01 83,65 jul-02 0,3451 1.804 7.190 251 0,0570 0,1399 0,4857 0,2437 0,1306 80,6 59,6 75,5839 89,74 84,01
ago-02 0,3340 1.855 7.272 256 0,0577 0,1403 0,4866 0,2440 0,1291 81,7 58,0 75,9241 90,37 84,37 set-02 0,3283 1.754 7.330 242 0,0585 0,1405 0,4845 0,2461 0,1289 81,1 57,9 75,9983 90,92 84,88 out-02 0,3355 1.880 7.148 260 0,0561 0,1360 0,4776 0,2537 0,1327 81,5 57,4 75,9301 91,16 85,25 nov-02 0,3289 1.895 7.119 262 0,0570 0,1360 0,4777 0,2540 0,1323 87,3 56,7 75,9141 91,48 85,76 dez-02 0,2993 2.497 7.137 338 0,0578 0,1363 0,4778 0,2529 0,1330 95,1 56,9 75,9645 92,16 86,67 jan-03 0,2961 1.830 5.457 252 0,0571 0,1122 0,4509 0,2785 0,1584 87,5 56,0 76,0769 92,31 87,38 fev-03 0,3290 1.671 5.508 229 0,0637 0,1167 0,4533 0,2737 0,1563 86,3 56,3 75,7338 92,26 88,48 mar-03 0,3440 1.903 5.686 261 0,0599 0,1214 0,4544 0,2714 0,1528 86,8 55,2 75,3538 91,26 88,58 abr-03 0,3517 1.845 5.593 257 0,0582 0,1230 0,4539 0,2707 0,1525 87,2 56,0 75,4310 91,41 88,53 mai-03 0,3466 2.043 5.720 281 0,0600 0,1237 0,4554 0,2702 0,1508 88,6 55,7 75,6144 91,75 88,79 jun-03 0,3364 1.901 5.707 259 0,0632 0,1243 0,4556 0,2696 0,1504 87,0 55,7 75,9683 91,83 88,69 jul-03 0,3292 2.040 5.733 285 0,0623 0,1232 0,4569 0,2702 0,1497 88,3 54,8 76,4089 92,46 89,03
ago-03 0,3292 2.009 5.819 282 0,0613 0,1254 0,4549 0,2718 0,1479 87,8 55,3 76,6206 93,03 89,31 set-03 0,3407 1.859 5.904 260 0,0628 0,1268 0,4533 0,2726 0,1473 87,7 55,3 76,5320 93,54 89,72 out-03 0,3435 1.703 5.932 312 0,0603 0,1253 0,4531 0,2741 0,1476 90,2 54,7 76,3110 93,69 89,86 nov-03 0,3265 1.800 5.987 327 0,0635 0,1248 0,4525 0,2744 0,1484 97,1 52,0 76,1488 94,02 90,33 dez-03 0,3115 2.328 5.679 409 0,0652 0,1327 0,4825 0,2515 0,1333 105,1 51,6 76,1184 94,67 90,97 jan-04 0,3148 1.737 5.718 311 0,0655 0,1323 0,4834 0,2519 0,1323 100,0 51,4 76,2222 94,96 91,64 fev-04 0,3396 1.757 5.828 307 0,0688 0,1331 0,4852 0,2516 0,1301 98,0 51,9 76,1472 95,10 92,75 mar-04 0,3447 1.776 5.997 311 0,0683 0,1332 0,4856 0,2518 0,1294 99,2 50,5 75,1967 93,89 92,76 abr-04 0,3471 1.784 5.955 311 0,0694 0,1331 0,4846 0,2516 0,1307 100,2 51,2 75,2764 94,29 92,81 mai-04 0,3328 1.982 6.044 341 0,0710 0,1325 0,4825 0,2519 0,1332 103,2 51,6 75,7390 94,85 93,18 jun-04 0,3288 1.927 5.988 326 0,0682 0,1316 0,4804 0,2534 0,1346 103,2 52,5 76,5816 95,28 93,40 jul-04 0,3222 2.008 6.086 338 0,0701 0,1297 0,4783 0,2561 0,1359 105,6 52,0 77,3142 96,03 93,88
ago-04 0,3176 2.038 6.181 340 0,0695 0,1294 0,4754 0,2584 0,1368 104,8 52,1 78,0834 97,20 94,59 set-04 0,3341 1.755 6.311 309 0,0696 0,1284 0,4723 0,2612 0,1380 104,1 52,1 78,6521 98,04 95,10 out-04 0,3334 1.922 6.249 336 0,0688 0,1327 0,4696 0,2590 0,1387 106,5 52,9 79,3402 98,85 95,71 nov-04 0,3215 1.967 6.221 338 0,0687 0,1347 0,4687 0,2572 0,1395 117,0 53,6 80,0689 99,77 96,61 dez-04 0,2921 2.663 6.229 444 0,0697 0,1380 0,4643 0,2574 0,1403 124,7 53,5 80,7402 100,57 97,42 jan-05 0,2966 1.856 6.163 312 0,0675 0,1455 0,4601 0,2548 0,1396 115,1 53,5 81,0965 101,10 98,28 fev-05 0,3300 1.799 6.154 298 0,0638 0,1495 0,4577 0,2545 0,1382 114,2 52,3 81,2076 101,41 99,80 mar-05 0,3361 1.944 6.173 325 0,0673 0,1499 0,4588 0,2536 0,1378 118,3 52,4 80,4712 100,00 100,00 abr-05 0,3364 1.911 6.127 314 0,0590 0,1518 0,4592 0,2514 0,1375 117,2 52,4 80,8137 100,47 100,20 mai-05 0,3352 2.167 6.157 351 0,0608 0,1523 0,4598 0,2504 0,1375 120,1 53,4 81,0296 100,77 100,35 jun-05 0,3298 2.095 6.256 332 0,0576 0,1522 0,4613 0,2510 0,1356 121,1 53,7 81,5678 101,18 100,60
24/8/05 - 18:22 Monografia Marcio Guedes.xls - series defasadas
mês Propensão
Família:Variável
dependente
Nome var.: PROP
DefasagemCorrelação
jan-01 0,3367 fev-01 0,3650 mar-01 0,3767 abr-01 0,3772 mai-01 0,3735 jun-01 0,3690 jul-01 0,3672
ago-01 0,3642 set-01 0,3702 out-01 0,3747 nov-01 0,3733 dez-01 0,3414 jan-02 0,3392 fev-02 0,3662 mar-02 0,3681 abr-02 0,3666 mai-02 0,3621 jun-02 0,3557 jul-02 0,3451
ago-02 0,3340 set-02 0,3283 out-02 0,3355 nov-02 0,3289 dez-02 0,2993 jan-03 0,2961 fev-03 0,3290 mar-03 0,3440 abr-03 0,3517 mai-03 0,3466 jun-03 0,3364 jul-03 0,3292
ago-03 0,3292 set-03 0,3407 out-03 0,3435 nov-03 0,3265 dez-03 0,3115 jan-04 0,3148 fev-04 0,3396 mar-04 0,3447 abr-04 0,3471 mai-04 0,3328 jun-04 0,3288 jul-04 0,3222
ago-04 0,3176 set-04 0,3341 out-04 0,3334 nov-04 0,3215 dez-04 0,2921 jan-05 0,2966 fev-05 0,3300 mar-05 0,3361 abr-05 0,3364 mai-05 0,3352 jun-05 0,3298
A P Ê N D I C E A - F A M Í L I A S D E V A R I Á V E I S I N D E P E N D E N T E S 84
Variação da Base
Monetária (papel moeda emitido)
M1 - papel moeda em poder do público
Índice de ações:
Ibovespa
Taxa de juros: CDI
Relação resgates / saldos de poupança
(velocidade de
circulação)
Rendimento nominal
poupança
Taxa de câmbio:
comercial compra (média)
IPCA INPC IPC - FIPE IGP - DI IGP-M
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
V_BS_MON M1 IBVSP CDI CIRC_PP REND_PP TX_US$ IPCA INPC IPC_FIPE IGP_DI IGP_Mdel 30 del 30 del 30 del 30 del 30
12 12 12 12 12 12 3 12 12 12 3 3-23,4% -77,0% -26,0% -43,5% -39,3% -44,0% -66,8% -25,3% -33,4% -27,2% -32,2% -30,2%
(5.638,3) 20.701 (4,11) 1,4413 0,3688 0,72 1,8788 0,62 0,61 0,57 0,37 0,38 (1.131,0) 19.826 7,76 1,4405 0,3402 0,73 1,9472 0,13 0,05 (0,23) 0,39 0,29
(336,2) 19.736 0,91 1,4389 0,3402 0,73 1,9625 0,22 0,13 0,23 0,76 0,63 547,3 20.007 (12,81) 1,2838 0,3075 0,63 1,9537 0,42 0,09 0,09 0,49 0,62
(809,5) 19.256 (3,74) 1,4881 0,3399 0,71 2,0011 0,01 (0,05) 0,03 0,34 0,23 756,6 20.143 11,84 1,3852 0,3270 0,72 2,0883 0,23 0,30 0,18 0,80 0,56 329,3 19.995 (1,63) 1,3015 0,3266 0,66 2,1917 1,61 1,39 1,40 1,13 1,00 (62,7) 20.119 5,42 1,3951 0,3508 0,70 2,2964 1,31 1,21 1,55 0,44 0,86
1.304,8 21.630 (8,17) 1,2170 0,3179 0,60 2,3750 0,23 0,43 0,27 1,46 0,98 (532,5) 20.751 (6,66) 1,2795 0,3247 0,63 2,4652 0,14 0,16 0,01 1,62 1,48
1.274,9 21.923 (10,63) 1,2156 0,3750 0,62 2,5098 0,32 0,29 (0,05) 0,90 1,38 7.092,3 28.641 14,84 1,1938 0,3392 0,60 2,6709 0,59 0,55 0,26 0,38 0,31
(5.213,7) 23.686 15,82 1,2586 0,3180 0,64 2,7394 0,57 0,77 0,38 1,45 1,18 733,0 23.430 (10,08) 1,0096 0,2683 0,54 2,5423 0,46 0,49 0,11 0,76 1,10
(1.421,1) 23.305 (9,14) 1,2500 0,3062 0,67 2,3619 0,38 0,48 0,51 0,18 0,22 322,8 23.020 3,32 1,1803 0,3037 0,66 2,3771 0,58 0,84 0,61 0,19 0,36
(209,2) 23.097 (1,79) 1,3344 0,3152 0,68 2,4188 0,41 0,57 0,17 0,18 0,06 904,7 24.002 (0,61) 1,2729 0,3062 0,65 2,3458 0,52 0,60 0,85 0,11 0,09 (64,1) 23.628 (5,53) 1,5009 0,3305 0,75 2,3196 1,33 1,11 1,21 0,70 0,56 319,3 24.158 (6,65) 1,6012 0,3292 0,85 2,4796 0,70 0,79 1,15 1,11 0,83 807,3 24.704 (17,17) 1,3229 0,2955 0,66 2,7132 0,28 0,44 0,32 1,74 1,54
(202,6) 24.223 6,85 1,5340 0,3350 0,79 2,9338 0,83 0,94 0,74 2,05 1,95 1.457,2 25.877 13,79 1,3933 0,3236 0,69 3,1093 0,71 1,29 0,61 2,36 2,32 7.602,1 32.628 5,00 1,3936 0,3702 0,70 3,3412 0,65 0,74 0,25 2,64 2,40
(5.280,6) 27.285 (6,30) 1,5319 0,3537 0,76 3,8051 0,52 1,07 0,57 4,21 3,87 (285,4) 26.783 10,31 1,2475 0,3049 0,62 3,5756 0,36 0,31 0,26 5,84 5,19 445,1 27.235 (5,55) 1,3699 0,3173 0,68 3,6251 0,60 0,62 0,07 2,70 3,75
(1.369,7) 26.056 (1,28) 1,4830 0,3447 0,74 3,4376 0,80 0,68 0,06 2,17 2,33 1.752,1 27.044 (1,71) 1,4037 0,3332 0,71 3,5900 0,21 0,09 0,06 1,59 2,28
969,3 28.327 (13,39) 1,3097 0,3055 0,66 3,4461 0,42 0,61 0,31 1,66 1,53 780,3 28.936 (12,36) 1,5338 0,3345 0,77 3,1179 1,19 1,15 0,67 0,41 0,92
1.717,0 30.833 6,35 1,4453 0,3142 0,75 2,9549 0,65 0,86 1,01 (0,67) (0,26) 1.422,9 31.519 (16,95) 1,3808 0,3118 0,73 2,8824 0,72 0,83 0,76 (0,70) (1,00) 1.369,0 33.131 17,92 1,6414 0,3336 0,78 2,8790 1,31 1,57 1,28 (0,20) (0,42) 1.883,0 34.764 3,35 1,5335 0,3182 0,77 3,0017 3,02 3,39 2,65 0,62 0,38 8.859,2 42.351 7,23 1,7341 0,3861 0,86 2,9220 2,10 2,70 1,83 1,05 1,18
(6.291,7) 37.004 (2,90) 1,9654 0,3326 0,99 2,8607 2,25 2,47 2,19 0,44 0,38 24,2 36.241 (6,04) 1,8275 0,3143 0,91 2,9130 1,57 1,46 1,61 0,48 0,49
(3.754,0) 33.215 9,66 1,7731 0,3101 0,83 2,9245 1,23 1,37 0,67 0,60 0,61 (861,8) 32.515 11,38 1,8660 0,3223 0,92 2,8510 0,97 1,38 0,57 0,80 0,88 (231,3) 32.575 6,89 1,9594 0,3358 0,97 2,9295 0,61 0,99 0,31 1,08 0,69 (17,9) 32.003 (3,35) 1,8508 0,3308 0,92 2,9047 (0,15) (0,06) (0,16) 0,93 1,13 432,7 32.508 4,62 2,0756 0,3492 1,05 2,9052 0,20 0,04 (0,08) 1,15 1,21 581,4 33.308 11,81 1,7646 0,3228 0,91 3,0996 0,34 0,18 0,63 1,46 1,31
(657,0) 32.549 5,51 1,6691 0,3420 0,84 3,1283 0,78 0,82 0,84 1,29 1,38 983,9 33.385 12,32 1,6332 0,3478 0,82 3,0360 0,29 0,39 0,63 1,14 1,31
2.552,1 35.292 12,24 1,3381 0,3248 0,68 3,0021 0,34 0,37 0,27 1,31 1,22 8.672,1 43.064 10,17 1,3657 0,4116 0,69 2,8903 0,52 0,54 0,42 0,48 0,69
(5.300,0) 38.345 (1,73) 1,2606 0,3446 0,63 2,8521 0,76 0,83 0,65 0,53 0,39 (52,5) 37.691 (0,44) 1,0796 0,3185 0,55 2,7852 0,61 0,39 0,19 0,82 0,82
(1.529,4) 36.202 1,78 1,3744 0,3717 0,68 2,7174 0,47 0,57 0,12 0,52 0,74 678,7 36.928 (11,45) 1,1747 0,3417 0,59 2,6922 0,37 0,41 0,29 0,33 0,39 864,3 37.333 (0,32) 1,2249 0,3574 0,66 2,5970 0,51 0,40 0,57 0,40 0,30 620,6 37.919 8,21 1,2236 0,3492 0,68 2,7039 0,71 0,50 0,92 0,99 0,85
24/8/05 - 18:22 Monografia Marcio Guedes.xls - series defasadas
mês Propensão
Família:Variável
dependente
Nome var.: PROP
DefasagemCorrelação
jan-01 0,3367 fev-01 0,3650 mar-01 0,3767 abr-01 0,3772 mai-01 0,3735 jun-01 0,3690 jul-01 0,3672
ago-01 0,3642 set-01 0,3702 out-01 0,3747 nov-01 0,3733 dez-01 0,3414 jan-02 0,3392 fev-02 0,3662 mar-02 0,3681 abr-02 0,3666 mai-02 0,3621 jun-02 0,3557 jul-02 0,3451
ago-02 0,3340 set-02 0,3283 out-02 0,3355 nov-02 0,3289 dez-02 0,2993 jan-03 0,2961 fev-03 0,3290 mar-03 0,3440 abr-03 0,3517 mai-03 0,3466 jun-03 0,3364 jul-03 0,3292
ago-03 0,3292 set-03 0,3407 out-03 0,3435 nov-03 0,3265 dez-03 0,3115 jan-04 0,3148 fev-04 0,3396 mar-04 0,3447 abr-04 0,3471 mai-04 0,3328 jun-04 0,3288 jul-04 0,3222
ago-04 0,3176 set-04 0,3341 out-04 0,3334 nov-04 0,3215 dez-04 0,2921 jan-05 0,2966 fev-05 0,3300 mar-05 0,3361 abr-05 0,3364 mai-05 0,3352 jun-05 0,3298
A P Ê N D I C E A - F A M Í L I A S D E V A R I Á V E I S I N D E P E N D E N T E S 85
Produção de cimento
Produção industrial
de alimentos
Produção industrial de bens
de consumo
Produção industrial de bens
de consumo duráveis
Produção industrial de bens
de consumo
não-duráveis
Utilização da
capacidade instalada na
indústria
Vendas nominais no varejo
Vendas nominais
na indústria
(estado de SP)
Consumo de energia elétrica no
setor residencial
Cesta Basica
Cheques sem fundo - Serasa
Operações de crédito totais do sistema
financeiro - a pessoas
físicas
Operações de crédito do sistema financeiro
(risco normal) a pessoas físicas
Índice de confiança do Consumidor
(ICC)
Dummy 13º Dummy Carnaval
Produção Produção Produção Produção Produção Produção Produção Produção Produção Diversos Diversos Diversos Diversos Diversos Sazonalidade Sazonalidade
PD_CIM PD_ALIM PD_BENS_CNSPD_BC_DURPD_BC_NDURUT_CP_IND VDAS_VARVDAS_INDCONS_EN_ELCESTA_BASSERASA CRED_PF_TOTCRED_PF_R_NOICC DUMMY_13 DUMMY_CARNdel 30
6 3 3 3 3 12 12 3 12 3 12 12 3 554,6% -51,1% -45,2% -58,2% -34,6% 62,5% -66,8% -69,8% 56,7% -60,2% -53,4% -69,4% -56,5% -29,4%
3.453,1 107,59 111,03 107,59 111,50 78,4203 69,89 67,98 7.224 122,61 9,4 40.803 13.495 103,50 1 03.478,8 100,74 108,40 110,77 107,25 80,2688 70,60 67,59 6.988 121,61 9,8 42.557 12.229 102,26 0 13.328,4 93,37 96,02 97,70 95,14 80,4396 73,83 66,08 7.043 119,54 11,1 43.368 12.409 98,70 0 13.384,2 90,21 89,95 88,52 89,95 79,8361 73,86 63,27 7.096 123,36 10,3 43.907 12.635 102,39 0 13.391,2 75,30 84,96 91,89 82,64 80,9018 76,76 62,98 6.912 123,44 10,3 48.358 13.005 106,02 0 03.407,8 85,97 97,62 109,48 93,87 80,4475 73,16 75,89 6.749 124,76 9,4 49.781 13.666 106,51 0 03.093,1 79,31 91,04 99,78 88,18 80,9396 77,46 71,08 6.726 129,49 9,7 50.880 19.140 112,38 0 02.958,9 93,45 101,91 113,09 98,32 81,8438 78,81 79,66 6.754 129,78 9,8 53.173 19.279 119,79 0 03.326,1 99,52 95,82 92,98 96,19 81,2124 77,09 76,92 6.976 127,58 9,3 54.527 11.353 119,39 0 03.010,0 110,55 101,35 89,39 104,27 81,9592 78,68 78,98 7.009 125,68 10,9 56.503 11.513 114,48 0 03.363,9 114,47 108,31 92,93 112,16 82,1974 80,22 82,30 7.103 126,39 10,9 58.815 11.871 108,68 0 03.051,6 106,25 101,27 86,85 104,88 79,9488 111,22 78,84 7.021 125,01 10,2 61.039 12.247 87,86 1 03.320,5 115,67 108,76 98,92 111,05 80,3545 75,68 83,65 7.357 125,00 10,7 63.750 12.614 97,59 1 03.609,8 106,83 110,13 102,96 111,66 80,4272 71,47 80,75 7.266 127,28 11,6 65.361 12.813 96,52 0 13.334,2 87,72 90,55 78,91 93,43 81,8782 80,82 70,26 7.423 128,60 13,9 67.997 13.466 101,90 0 13.320,2 85,15 91,04 85,07 92,30 81,0577 77,81 71,80 7.382 129,21 12,2 76.040 13.581 92,77 0 13.350,9 78,53 86,64 83,25 87,36 81,8020 80,85 70,18 6.948 128,63 14,1 77.710 13.982 92,94 0 03.187,7 83,59 95,39 100,89 94,22 80,3147 77,76 76,07 5.919 129,89 12,6 72.696 14.343 96,14 0 02.867,4 88,83 99,37 111,57 96,78 80,2213 79,01 81,32 5.076 127,15 13,7 73.353 14.688 102,11 0 02.777,9 97,79 97,55 101,61 96,68 80,3930 81,69 80,89 5.091 129,26 14,1 74.374 15.274 104,33 0 03.175,9 102,87 91,57 88,74 92,17 79,9252 78,54 78,92 5.243 131,50 13,7 75.054 15.144 105,52 0 03.156,7 115,79 101,92 99,32 102,47 80,3825 84,52 87,90 5.185 134,64 14,3 76.447 15.039 106,12 0 03.165,5 118,31 105,78 96,90 107,67 79,9361 83,68 90,99 5.391 138,29 14,1 77.629 14.729 105,18 0 03.002,4 112,52 104,49 103,95 104,60 76,9182 115,37 95,58 5.341 140,45 13,6 77.689 14.934 92,24 1 03.191,0 121,97 118,24 120,81 117,69 78,6763 79,36 107,06 5.771 142,12 14,5 78.601 15.245 104,03 1 03.411,2 103,68 111,66 117,32 110,46 79,0743 74,37 103,25 5.703 154,74 13,6 78.923 14.493 98,27 0 13.293,0 90,91 96,31 90,51 97,54 80,7463 85,85 95,93 5.818 158,73 16,2 79.774 14.690 107,78 0 13.529,0 86,71 90,51 92,39 90,11 81,4951 80,95 100,00 6.259 162,79 14,5 82.324 14.735 103,09 0 13.410,9 78,89 88,20 94,64 86,83 81,1284 86,79 106,82 6.215 166,54 14,9 83.283 15.025 109,22 0 03.046,6 83,34 89,60 88,68 89,80 80,0698 81,07 109,34 6.003 174,59 13,7 83.129 15.379 114,70 0 02.674,8 85,07 90,47 98,86 88,69 81,1005 85,51 105,03 5.820 185,40 13,8 83.034 15.570 114,60 0 02.661,3 98,41 94,48 99,27 93,46 81,6508 88,98 109,05 6.035 175,95 12,7 83.081 15.920 110,09 0 02.821,6 99,58 89,68 89,99 89,61 81,3654 83,37 105,05 6.026 169,22 12,0 83.506 16.072 105,09 0 02.595,3 111,34 96,49 97,38 96,30 82,4876 92,53 110,78 6.179 162,15 12,8 84.435 15.931 107,72 0 02.928,0 114,39 98,49 98,00 98,60 81,3797 94,67 114,89 6.449 158,34 12,4 82.240 16.245 111,97 0 02.697,9 116,63 106,22 116,91 103,95 78,5732 126,15 121,79 6.383 161,45 11,9 81.943 16.717 117,95 1 03.031,6 118,23 114,25 129,02 111,11 79,3223 90,79 127,26 6.785 162,58 14,3 82.403 17.076 112,12 1 02.974,6 101,11 109,63 127,32 105,87 79,1955 89,11 121,27 6.519 163,54 14,3 82.941 17.166 112,18 0 12.879,6 89,10 99,96 103,08 99,30 80,1370 93,78 115,94 6.619 164,79 16,7 83.971 17.238 109,77 0 13.073,6 85,61 92,85 106,12 90,03 79,7429 95,99 117,21 6.228 171,03 16,2 85.114 17.602 106,87 0 12.981,8 80,30 86,57 97,90 84,16 80,3792 100,02 116,13 6.353 167,00 17,6 86.162 18.192 111,30 0 02.690,0 91,05 103,72 127,77 98,61 78,9833 92,98 144,00 6.165 166,96 15,3 87.080 18.923 118,92 0 02.663,3 87,05 96,50 121,52 91,18 79,2763 97,56 135,97 6.057 165,00 16,8 86.886 19.503 127,29 0 02.411,0 99,16 100,09 122,56 95,31 79,5821 99,14 144,48 6.175 168,68 15,5 87.773 20.002 126,68 0 02.867,1 105,98 100,26 122,22 95,59 80,6422 95,37 150,95 6.095 174,90 14,7 90.183 20.535 115,79 0 02.622,0 113,60 104,79 123,10 100,90 81,2667 103,38 153,02 6.379 173,95 15,9 91.468 20.726 109,31 0 02.885,5 119,40 110,43 133,43 105,55 80,2596 103,78 162,48 6.383 182,26 15,4 92.801 21.356 124,84 0 02.858,2 121,58 114,33 137,53 109,40 78,7122 139,80 166,03 6.407 178,37 13,9 94.431 21.579 117,67 1 03.069,2 116,67 116,13 140,63 110,93 79,4790 100,16 165,54 6.774 177,14 15,6 95.655 21.181 118,68 1 03.116,3 112,05 119,12 152,02 112,13 79,6422 95,89 171,83 6.429 171,06 16,0 97.564 21.646 121,26 0 13.053,8 99,13 108,86 120,62 106,37 82,4915 104,36 164,81 6.600 172,20 17,2 100.048 21.642 128,81 0 13.003,8 90,14 100,53 109,65 98,60 81,6634 105,05 152,43 6.809 172,87 15,9 102.465 22.902 142,53 0 12.872,5 81,26 93,72 117,66 88,64 82,8316 111,13 152,56 6.487 175,04 16,4 104.979 23.513 145,64 0 02.990,6 90,93 107,99 144,27 100,29 83,2072 107,56 177,58 6.291 175,87 14,6 107.213 24.371 141,07 0 0
24/8/05 - 18:22 Monografia Marcio Guedes.xls - series defasadas
A P Ê N D I C E B - A S 3 0 V A R I Á V E I S F I N A I S ( D E F A S A D A S )86
mês Propensão
Volume de Transações
p/ conta ativa (R$)
Spread
Distribuição da Base de
Clientes (participação percentual do
portfolio Internacional)
Folha de Pagamentos -
indústria
Rendimento médio real dos assalariados no
trabalho principal na
RMSP
Pessoal empregado na indústria
Emprego formal -
índice geral
Emprego formal -
comércio
M1 - papel moeda em poder do público
Índice de ações:
Ibovespa
Taxa de juros: CDI
Relação resgates / saldos de poupança
(velocidade de circulação)
Rendimento nominal
poupança
Taxa de câmbio:
comercial compra (média)
IGP - DI Produção
de cimento
Produção industrial
de alimentos
Produção industrial de bens
de consumo
Produção industrial de bens
de consumo duráveis
Produção industrial de bens
de consumo
não-duráveis
Utilização da
capacidade instalada na
indústria
Vendas nominais no varejo
Vendas nominais
na indústria
(estado de SP)
Cesta Basica
Cheques sem fundo - Serasa
Operações de crédito totais do sistema
financeiro - a pessoas
físicas
Operações de crédito do sistema financeiro
(risco normal) a pessoas físicas
Índice de confiança do Consumidor
(ICC)
Dummy13º
Dummy Carnaval
grupo:Variável
dependente Internos Empresa
Internos Empresa
Internos Empresa
Emprego & Renda
Emprego & Renda
Emprego & Renda
Emprego & Renda
Emprego & Renda
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Indicadores Econômicos
Produção Produção Produção Produção Produção Produção Produção Produção Diversos Diversos Diversos Diversos Diversos Dummy Dummy
nome: PROP TRNS_CTATVSPREAD INTL FOL_PG_INDREND_ASSAL_SPPESS_EMPR_INDEMPR_FORM_GEREMPR_FORM_COMM1 IBVSP CDI CIRC_PP REND_PP TX_US$ IGP_DI PD_CIM PD_ALIM PD_BENS_CNSPD_BC_DURPD_BC_NDURUT_CP_INDVDAS_VARVDAS_INDCESTA_BASSERASA CRED_PF_TOTCRED_PF_R_NOICC DUMMY_13 DUMMY_CARNunidade: % R$ % % % % % % % R$ Bi var % a.m. % % % a.m. R$ % a.m. MM ton % % % % % % % R$ % R$ Bi R$ Bi
jan-01 33,6654 242 5,8461 25,3478 70,1 64,2 75,4537 86,68 78,80 20,701 (4,11) 1,4413 36,88 0,72 1,8788 0,37 3,45 107,59 111,03 107,59 111,50 78,4203 69,89 67,98 122,61 9,4 40,80 13,50 103,50 1 0fev-01 36,5023 237 6,2366 25,0548 70,7 63,1 75,5187 86,68 79,51 19,826 7,76 1,4405 34,02 0,73 1,9472 0,39 3,48 100,74 108,40 110,77 107,25 80,2688 70,60 67,59 121,61 9,8 42,56 12,23 102,26 0 1mar-01 37,6687 243 5,9270 24,7265 71,1 63,3 75,0520 85,81 79,40 19,736 0,91 1,4389 34,02 0,73 1,9625 0,76 3,33 93,37 96,02 97,70 95,14 80,4396 73,83 66,08 119,54 11,1 43,37 12,41 98,70 0 1abr-01 37,7237 244 5,9095 24,1669 70,9 64,2 75,3356 86,00 79,23 20,007 (12,81) 1,2838 30,75 0,63 1,9537 0,49 3,38 90,21 89,95 88,52 89,95 79,8361 73,86 63,27 123,36 10,3 43,91 12,64 102,39 0 1mai-01 37,3502 263 6,1423 23,9733 72,3 65,4 75,6333 86,32 79,33 19,256 (3,74) 1,4881 33,99 0,71 2,0011 0,34 3,39 75,30 84,96 91,89 82,64 80,9018 76,76 62,98 123,44 10,3 48,36 13,01 106,02 0 0jun-01 36,8954 255 6,2340 23,9916 72,7 63,3 75,7007 86,46 79,29 20,143 11,84 1,3852 32,70 0,72 2,0883 0,80 3,41 85,97 97,62 109,48 93,87 80,4475 73,16 75,89 124,76 9,4 49,78 13,67 106,51 0 0jul-01 36,7245 258 5,8311 23,6545 73,4 62,9 75,9430 87,00 79,77 19,995 (1,63) 1,3015 32,66 0,66 2,1917 1,13 3,09 79,31 91,04 99,78 88,18 80,9396 77,46 71,08 129,49 9,7 50,88 19,14 112,38 0 0
ago-01 36,4202 263 5,4893 23,6117 74,1 63,3 76,4077 87,63 80,10 20,119 5,42 1,3951 35,08 0,70 2,2964 0,44 2,96 93,45 101,91 113,09 98,32 81,8438 78,81 79,66 129,78 9,8 53,17 19,28 119,79 0 0set-01 37,0189 249 5,7658 23,5660 73,2 64,8 76,3887 88,05 80,42 21,630 (8,17) 1,2170 31,79 0,60 2,3750 1,46 3,33 99,52 95,82 92,98 96,19 81,2124 77,09 76,92 127,58 9,3 54,53 11,35 119,39 0 0out-01 37,4658 260 5,3029 23,5909 74,6 65,7 76,2208 88,34 80,68 20,751 (6,66) 1,2795 32,47 0,63 2,4652 1,62 3,01 110,55 101,35 89,39 104,27 81,9592 78,68 78,98 125,68 10,9 56,50 11,51 114,48 0 0nov-01 37,3336 266 5,5291 23,7189 80,1 63,7 75,7508 88,53 81,03 21,923 (10,63) 1,2156 37,50 0,62 2,5098 0,90 3,36 114,47 108,31 92,93 112,16 82,1974 80,22 82,30 126,39 10,9 58,82 11,87 108,68 0 0dez-01 34,1401 330 5,7485 24,1749 87,6 62,3 75,6353 88,84 81,56 28,641 14,84 1,1938 33,92 0,60 2,6709 0,38 3,05 106,25 101,27 86,85 104,88 79,9488 111,22 78,84 125,01 10,2 61,04 12,25 87,86 1 0jan-02 33,9155 254 5,4409 24,2686 78,9 60,2 75,3481 89,14 82,23 23,686 15,82 1,2586 31,80 0,64 2,7394 1,45 3,32 115,67 108,76 98,92 111,05 80,3545 75,68 83,65 125,00 10,7 63,75 12,61 97,59 1 0fev-02 36,6164 225 5,8106 24,3038 77,7 60,8 74,9483 89,13 83,18 23,430 (10,08) 1,0096 26,83 0,54 2,5423 0,76 3,61 106,83 110,13 102,96 111,66 80,4272 71,47 80,75 127,28 11,6 65,36 12,81 96,52 0 1mar-02 36,8108 250 5,4764 24,4115 79,8 60,4 74,5778 88,12 83,18 23,305 (9,14) 1,2500 30,62 0,67 2,3619 0,18 3,33 87,72 90,55 78,91 93,43 81,8782 80,82 70,26 128,60 13,9 68,00 13,47 101,90 0 1abr-02 36,6567 236 5,6584 24,4288 80,3 61,3 74,6067 88,31 83,23 23,020 3,32 1,1803 30,37 0,66 2,3771 0,19 3,32 85,15 91,04 85,07 92,30 81,0577 77,81 71,80 129,21 12,2 76,04 13,58 92,77 0 1mai-02 36,2105 265 5,9744 24,3901 81,5 61,6 74,6368 88,64 83,44 23,097 (1,79) 1,3344 31,52 0,68 2,4188 0,18 3,35 78,53 86,64 83,25 87,36 81,8020 80,85 70,18 128,63 14,1 77,71 13,98 92,94 0 0jun-02 35,5702 247 5,8284 24,4174 80,6 60,8 75,0577 89,01 83,65 24,002 (0,61) 1,2729 30,62 0,65 2,3458 0,11 3,19 83,59 95,39 100,89 94,22 80,3147 77,76 76,07 129,89 12,6 72,70 14,34 96,14 0 0jul-02 34,5113 251 5,6984 24,3681 80,6 59,6 75,5839 89,74 84,01 23,628 (5,53) 1,5009 33,05 0,75 2,3196 0,70 2,87 88,83 99,37 111,57 96,78 80,2213 79,01 81,32 127,15 13,7 73,35 14,69 102,11 0 0
ago-02 33,3979 256 5,7684 24,3974 81,7 58,0 75,9241 90,37 84,37 24,158 (6,65) 1,6012 32,92 0,85 2,4796 1,11 2,78 97,79 97,55 101,61 96,68 80,3930 81,69 80,89 129,26 14,1 74,37 15,27 104,33 0 0set-02 32,8297 242 5,8484 24,6072 81,1 57,9 75,9983 90,92 84,88 24,704 (17,17) 1,3229 29,55 0,66 2,7132 1,74 3,18 102,87 91,57 88,74 92,17 79,9252 78,54 78,92 131,50 13,7 75,05 15,14 105,52 0 0out-02 33,5462 260 5,6084 25,3718 81,5 57,4 75,9301 91,16 85,25 24,223 6,85 1,5340 33,50 0,79 2,9338 2,05 3,16 115,79 101,92 99,32 102,47 80,3825 84,52 87,90 134,64 14,3 76,45 15,04 106,12 0 0nov-02 32,8873 262 5,6984 25,3990 87,3 56,7 75,9141 91,48 85,76 25,877 13,79 1,3933 32,36 0,69 3,1093 2,36 3,17 118,31 105,78 96,90 107,67 79,9361 83,68 90,99 138,29 14,1 77,63 14,73 105,18 0 0dez-02 29,9288 338 5,7784 25,2916 95,1 56,9 75,9645 92,16 86,67 32,628 5,00 1,3936 37,02 0,70 3,3412 2,64 3,00 112,52 104,49 103,95 104,60 76,9182 115,37 95,58 140,45 13,6 77,69 14,93 92,24 1 0jan-03 29,6084 252 5,7084 27,8545 87,5 56,0 76,0769 92,31 87,38 27,285 (6,30) 1,5319 35,37 0,76 3,8051 4,21 3,19 121,97 118,24 120,81 117,69 78,6763 79,36 107,06 142,12 14,5 78,60 15,25 104,03 1 0fev-03 32,8984 229 6,3684 27,3742 86,3 56,3 75,7338 92,26 88,48 26,783 10,31 1,2475 30,49 0,62 3,5756 5,84 3,41 103,68 111,66 117,32 110,46 79,0743 74,37 103,25 154,74 13,6 78,92 14,49 98,27 0 1mar-03 34,3984 261 5,9884 27,1442 86,8 55,2 75,3538 91,26 88,58 27,235 (5,55) 1,3699 31,73 0,68 3,6251 2,70 3,29 90,91 96,31 90,51 97,54 80,7463 85,85 95,93 158,73 16,2 79,77 14,69 107,78 0 1abr-03 35,1740 257 5,8184 27,0707 87,2 56,0 75,4310 91,41 88,53 26,056 (1,28) 1,4830 34,47 0,74 3,4376 2,17 3,53 86,71 90,51 92,39 90,11 81,4951 80,95 100,00 162,79 14,5 82,32 14,74 103,09 0 1mai-03 34,6584 281 5,9984 27,0182 88,6 55,7 75,6144 91,75 88,79 27,044 (1,71) 1,4037 33,32 0,71 3,5900 1,59 3,41 78,89 88,20 94,64 86,83 81,1284 86,79 106,82 166,54 14,9 83,28 15,03 109,22 0 0jun-03 33,6386 259 6,3184 26,9612 87,0 55,7 75,9683 91,83 88,69 28,327 (13,39) 1,3097 30,55 0,66 3,4461 1,66 3,05 83,34 89,60 88,68 89,80 80,0698 81,07 109,34 174,59 13,7 83,13 15,38 114,70 0 0jul-03 32,9184 285 6,2284 27,0240 88,3 54,8 76,4089 92,46 89,03 28,936 (12,36) 1,5338 33,45 0,77 3,1179 0,41 2,67 85,07 90,47 98,86 88,69 81,1005 85,51 105,03 185,40 13,8 83,03 15,57 114,60 0 0
ago-03 32,9184 282 6,1284 27,1811 87,8 55,3 76,6206 93,03 89,31 30,833 6,35 1,4453 31,42 0,75 2,9549 (0,67) 2,66 98,41 94,48 99,27 93,46 81,6508 88,98 109,05 175,95 12,7 83,08 15,92 110,09 0 0set-03 34,0731 260 6,2784 27,2610 87,7 55,3 76,5320 93,54 89,72 31,519 (16,95) 1,3808 31,18 0,73 2,8824 (0,70) 2,82 99,58 89,68 89,99 89,61 81,3654 83,37 105,05 169,22 12,0 83,51 16,07 105,09 0 0out-03 34,3474 312 6,0284 27,4060 90,2 54,7 76,3110 93,69 89,86 33,131 17,92 1,6414 33,36 0,78 2,8790 (0,20) 2,60 111,34 96,49 97,38 96,30 82,4876 92,53 110,78 162,15 12,8 84,44 15,93 107,72 0 0nov-03 32,6484 327 6,3484 27,4411 97,1 52,0 76,1488 94,02 90,33 34,764 3,35 1,5335 31,82 0,77 3,0017 0,62 2,93 114,39 98,49 98,00 98,60 81,3797 94,67 114,89 158,34 12,4 82,24 16,25 111,97 0 0dez-03 31,1484 409 6,5184 25,1534 105,1 51,6 76,1184 94,67 90,97 42,351 7,23 1,7341 38,61 0,86 2,9220 1,05 2,70 116,63 106,22 116,91 103,95 78,5732 126,15 121,79 161,45 11,9 81,94 16,72 117,95 1 0jan-04 31,4790 311 6,5484 25,1947 100,0 51,4 76,2222 94,96 91,64 37,004 (2,90) 1,9654 33,26 0,99 2,8607 0,44 3,03 118,23 114,25 129,02 111,11 79,3223 90,79 127,26 162,58 14,3 82,40 17,08 112,12 1 0fev-04 33,9579 307 6,8784 25,1575 98,0 51,9 76,1472 95,10 92,75 36,241 (6,04) 1,8275 31,43 0,91 2,9130 0,48 2,97 101,11 109,63 127,32 105,87 79,1955 89,11 121,27 163,54 14,3 82,94 17,17 112,18 0 1mar-04 34,4749 311 6,8284 25,1809 99,2 50,5 75,1967 93,89 92,76 33,215 9,66 1,7731 31,01 0,83 2,9245 0,60 2,88 89,10 99,96 103,08 99,30 80,1370 93,78 115,94 164,79 16,7 83,97 17,24 109,77 0 1abr-04 34,7076 311 6,9384 25,1576 100,2 51,2 75,2764 94,29 92,81 32,515 11,38 1,8660 32,23 0,92 2,8510 0,80 3,07 85,61 92,85 106,12 90,03 79,7429 95,99 117,21 171,03 16,2 85,11 17,60 106,87 0 1mai-04 33,2755 341 7,0984 25,1881 103,2 51,6 75,7390 94,85 93,18 32,575 6,89 1,9594 33,58 0,97 2,9295 1,08 2,98 80,30 86,57 97,90 84,16 80,3792 100,02 116,13 167,00 17,6 86,16 18,19 111,30 0 0jun-04 32,8763 326 6,8154 25,3440 103,2 52,5 76,5816 95,28 93,40 32,003 (3,35) 1,8508 33,08 0,92 2,9047 0,93 2,69 91,05 103,72 127,77 98,61 78,9833 92,98 144,00 166,96 15,3 87,08 18,92 118,92 0 0jul-04 32,2167 338 7,0084 25,6143 105,6 52,0 77,3142 96,03 93,88 32,508 4,62 2,0756 34,92 1,05 2,9052 1,15 2,66 87,05 96,50 121,52 91,18 79,2763 97,56 135,97 165,00 16,8 86,89 19,50 127,29 0 0
ago-04 31,7555 340 6,9484 25,8449 104,8 52,1 78,0834 97,20 94,59 33,308 11,81 1,7646 32,28 0,91 3,0996 1,46 2,41 99,16 100,09 122,56 95,31 79,5821 99,14 144,48 168,68 15,5 87,77 20,00 126,68 0 0set-04 33,4062 309 6,9584 26,1210 104,1 52,1 78,6521 98,04 95,10 32,549 5,51 1,6691 34,20 0,84 3,1283 1,29 2,87 105,98 100,26 122,22 95,59 80,6422 95,37 150,95 174,90 14,7 90,18 20,54 115,79 0 0out-04 33,3403 336 6,8784 25,8981 106,5 52,9 79,3402 98,85 95,71 33,385 12,32 1,6332 34,78 0,82 3,0360 1,14 2,62 113,60 104,79 123,10 100,90 81,2667 103,38 153,02 173,95 15,9 91,47 20,73 109,31 0 0nov-04 32,1461 338 6,8684 25,7196 117,0 53,6 80,0689 99,77 96,61 35,292 12,24 1,3381 32,48 0,68 3,0021 1,31 2,89 119,40 110,43 133,43 105,55 80,2596 103,78 162,48 182,26 15,4 92,80 21,36 124,84 0 0dez-04 29,2062 444 6,9657 25,7412 124,7 53,5 80,7402 100,57 97,42 43,064 10,17 1,3657 41,16 0,69 2,8903 0,48 2,86 121,58 114,33 137,53 109,40 78,7122 139,80 166,03 178,37 13,9 94,43 21,58 117,67 1 0jan-05 29,6639 312 6,7484 25,4848 115,1 53,5 81,0965 101,10 98,28 38,345 (1,73) 1,2606 34,46 0,63 2,8521 0,53 3,07 116,67 116,13 140,63 110,93 79,4790 100,16 165,54 177,14 15,6 95,66 21,18 118,68 1 0fev-05 33,0012 298 6,3762 25,4507 114,2 52,3 81,2076 101,41 99,80 37,691 (0,44) 1,0796 31,85 0,55 2,7852 0,82 3,12 112,05 119,12 152,02 112,13 79,6422 95,89 171,83 171,06 16,0 97,56 21,65 121,26 0 1mar-05 33,6096 325 6,7346 25,3631 118,3 52,4 80,4712 100,00 100,00 36,202 1,78 1,3744 37,17 0,68 2,7174 0,52 3,05 99,13 108,86 120,62 106,37 82,4915 104,36 164,81 172,20 17,2 100,05 21,64 128,81 0 1abr-05 33,6357 314 5,9043 25,1427 117,2 52,4 80,8137 100,47 100,20 36,928 (11,45) 1,1747 34,17 0,59 2,6922 0,33 3,00 90,14 100,53 109,65 98,60 81,6634 105,05 152,43 172,87 15,9 102,47 22,90 142,53 0 1mai-05 33,5224 351 6,0768 25,0381 120,1 53,4 81,0296 100,77 100,35 37,333 (0,32) 1,2249 35,74 0,66 2,5970 0,40 2,87 81,26 93,72 117,66 88,64 82,8316 111,13 152,56 175,04 16,4 104,98 23,51 145,64 0 0jun-05 32,9760 332 5,7642 25,0969 121,1 53,7 81,5678 101,18 100,60 37,919 8,21 1,2236 34,92 0,68 2,7039 0,99 2,99 90,93 107,99 144,27 100,29 83,2072 107,56 177,58 175,87 14,6 107,21 24,37 141,07 0 0
24/8/05 - 18:40 Monografia Marcio Guedes.xls - 30 elected
A P Ê N D I C E C - A F E R I Ç Ã O D O S R E S U L T A D O S D O M O D E L O 87
FÓRMULA: PROP = - 14,0 + 0,822 UT_CP_IND + 1,18 DUMMY_CARN - 0,434 INTL - 0,0626 CRED_PF_TOT - 0,0246 PD_ALIM - 0,845 DUMMY_13
CONST UT_CP_IND DUMMY_CARN INTL CRED_PF_TOT PD_ALIM DUMMY_13 RESULTADO PROPENSÃO Variação
mês -13,982 0,82224 1,1779 -0,434 -0,062584 -0,024566 -0,8446 MODELO REAL mod / real
jan-01 -13,982 64,4803 0 (11,0010) (2,55) (2,64) -0,8446 33,46 33,67 0,62%
fev-01 -13,982 66,0002 1,1779 (10,8738) (2,66) (2,47) 0 37,18 36,50 -1,87%
mar-01 -13,982 66,1407 1,1779 (10,7313) (2,71) (2,29) 0 37,60 37,67 0,19%
abr-01 -13,982 65,6444 1,1779 (10,4885) (2,75) (2,22) 0 37,39 37,72 0,89%
mai-01 -13,982 66,5207 0 (10,4044) (3,03) (1,85) 0 37,26 37,35 0,25%
jun-01 -13,982 66,1472 0 (10,4124) (3,12) (2,11) 0 36,53 36,90 1,00%
jul-01 -13,982 66,5518 0 (10,2661) (3,18) (1,95) 0 37,17 36,72 -1,22%
ago-01 -13,982 67,2952 0 (10,2475) (3,33) (2,30) 0 37,44 36,42 -2,81%
set-01 -13,982 66,7761 0 (10,2276) (3,41) (2,44) 0 36,71 37,02 0,84%
out-01 -13,982 67,3901 0 (10,2385) (3,54) (2,72) 0 36,92 37,47 1,46%
nov-01 -13,982 67,5860 0 (10,2940) (3,68) (2,81) 0 36,82 37,33 1,38%
dez-01 -13,982 65,7371 0 (10,4919) (3,82) (2,61) -0,8446 33,99 34,14 0,44%
jan-02 -13,982 66,0707 0 (10,5326) (3,99) (2,84) -0,8446 33,88 33,92 0,10%
fev-02 -13,982 66,1305 1,1779 (10,5478) (4,09) (2,62) 0 36,06 36,62 1,51%
mar-02 -13,982 67,3235 1,1779 (10,5946) (4,26) (2,15) 0 37,51 36,81 -1,91%
abr-02 -13,982 66,6489 1,1779 (10,6021) (4,76) (2,09) 0 36,39 36,66 0,72%
mai-02 -13,982 67,2609 0 (10,5853) (4,86) (1,93) 0 35,90 36,21 0,85%
jun-02 -13,982 66,0380 0 (10,5972) (4,55) (2,05) 0 34,86 35,57 2,01%
jul-02 -13,982 65,9612 0 (10,5757) (4,59) (2,18) 0 34,63 34,51 -0,35%
ago-02 -13,982 66,1023 0 (10,5885) (4,65) (2,40) 0 34,47 33,40 -3,23%
set-02 -13,982 65,7177 0 (10,6795) (4,70) (2,53) 0 33,83 32,83 -3,05%
out-02 -13,982 66,0937 0 (11,0114) (4,78) (2,84) 0 33,47 33,55 0,22%
nov-02 -13,982 65,7267 0 (11,0232) (4,86) (2,91) 0 32,96 32,89 -0,21%
dez-02 -13,982 63,2452 0 (10,9765) (4,86) (2,76) -0,8446 29,82 29,93 0,38%
jan-03 -13,982 64,6908 0 (12,0888) (4,92) (3,00) -0,8446 29,86 29,61 -0,85%
fev-03 -13,982 65,0181 1,1779 (11,8804) (4,94) (2,55) 0 32,85 32,90 0,16%
mar-03 -13,982 66,3928 1,1779 (11,7806) (4,99) (2,23) 0 34,58 34,40 -0,53%
abr-03 -13,982 67,0085 1,1779 (11,7487) (5,15) (2,13) 0 35,17 35,17 0,00%
mai-03 -13,982 66,7070 0 (11,7259) (5,21) (1,94) 0 33,85 34,66 2,34%
jun-03 -13,982 65,8366 0 (11,7012) (5,20) (2,05) 0 32,90 33,64 2,19%
jul-03 -13,982 66,6841 0 (11,7284) (5,20) (2,09) 0 33,69 32,92 -2,34%
ago-03 -13,982 67,1366 0 (11,7966) (5,20) (2,42) 0 33,74 32,92 -2,50%
set-03 -13,982 66,9019 0 (11,8313) (5,23) (2,45) 0 33,42 34,07 1,93%
out-03 -13,982 67,8246 0 (11,8942) (5,28) (2,74) 0 33,93 34,35 1,22%
nov-03 -13,982 66,9136 0 (11,9094) (5,15) (2,81) 0 33,07 32,65 -1,28%
dez-03 -13,982 64,6060 0 (10,9166) (5,13) (2,87) -0,8446 30,87 31,15 0,90%
jan-04 -13,982 65,2220 0 (10,9345) (5,16) (2,90) -0,8446 31,40 31,48 0,25%
fev-04 -13,982 65,1177 1,1779 (10,9184) (5,19) (2,48) 0 33,72 33,96 0,70%
mar-04 -13,982 65,8918 1,1779 (10,9285) (5,26) (2,19) 0 34,72 34,47 -0,70%
abr-04 -13,982 65,5678 1,1779 (10,9184) (5,33) (2,10) 0 34,42 34,71 0,84%
mai-04 -13,982 66,0910 0 (10,9316) (5,39) (1,97) 0 33,81 33,28 -1,61%
jun-04 -13,982 64,9432 0 (10,9993) (5,45) (2,24) 0 32,28 32,88 1,83%
jul-04 -13,982 65,1841 0 (11,1166) (5,44) (2,14) 0 32,51 32,22 -0,91%
ago-04 -13,982 65,4356 0 (11,2167) (5,49) (2,44) 0 32,31 31,76 -1,74%
set-04 -13,982 66,3072 0 (11,3365) (5,64) (2,60) 0 32,74 33,41 1,99%
out-04 -13,982 66,8207 0 (11,2398) (5,72) (2,79) 0 33,08 33,34 0,77%
nov-04 -13,982 65,9927 0 (11,1623) (5,81) (2,93) 0 32,11 32,15 0,12%
dez-04 -13,982 64,7203 0 (11,1717) (5,91) (2,99) -0,8446 29,83 29,21 -2,12%
jan-05 -13,982 65,3508 0 (11,0604) (5,99) (2,87) -0,8446 30,61 29,66 -3,19%
fev-05 -13,982 65,4850 1,1779 (11,0456) (6,11) (2,75) 0 32,78 33,00 0,68%
mar-05 -13,982 67,8278 1,1779 (11,0076) (6,26) (2,44) 0 35,32 33,61 -5,09%
abr-05 -13,982 67,1469 1,1779 (10,9119) (6,41) (2,21) 0 34,80 33,64 -3,47%
mai-05 -13,982 68,1075 0 (10,8665) (6,57) (2,00) 0 34,69 33,52 -3,49%
jun-05 -13,982 68,4163 0 (10,8921) (6,71) (2,23) 0 34,60 32,98 -4,92%
24/8/05 - 18:22 Monografia Marcio Guedes.xls - previsao
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 88
Variável Dependente: PROPENSÃO AO FINANCIAMENTO (dados corrigidos) Periodicidade: Mensal
Fonte: Credicard
Unidade: % Comentário: Indicador ajustado por fator de correção
Atualizado em: 15 de junho de 2005
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 26,86% 25,59% 41,79% 43,68% 40,74% 34,55% 33,67% 33,92% 29,61% 31,48% 29,66%
fev 26,86% 31,41% 46,18% 46,32% 43,04% 36,75% 36,50% 36,62% 32,90% 33,96% 33,00%
mar 21,79% 32,76% 47,37% 47,78% 45,01% 39,01% 37,67% 36,81% 34,40% 34,47% 33,61%
abr 20,07% 31,82% 47,69% 47,61% 43,90% 37,16% 37,72% 36,66% 35,17% 34,71% 33,64%
mai 21,45% 30,81% 47,09% 45,94% 42,30% 36,56% 37,35% 36,21% 34,66% 33,28% 33,52%
jun 20,36% 34,17% 46,72% 45,02% 40,90% 35,60% 36,90% 35,57% 33,64% 32,88% 32,98%
jul 18,37% 37,81% 45,98% 45,23% 40,01% 35,05% 36,72% 34,51% 32,92% 32,22%
ago 15,53% 41,37% 45,74% 44,47% 39,40% 35,78% 36,42% 33,40% 32,92% 31,76%
set 15,19% 42,81% 46,80% 44,35% 39,87% 36,28% 37,02% 32,83% 34,07% 33,41%
out 14,55% 43,02% 46,51% 44,72% 40,06% 36,33% 37,47% 33,55% 34,35% 33,34%
nov 18,08% 41,73% 45,56% 43,54% 38,57% 35,80% 37,33% 32,89% 32,65% 32,15%
dez 22,42% 35,52% 44,16% 41,78% 34,99% 33,51% 34,14% 29,93% 31,15% 29,21%
10%
15%
20%
25%
30%
35%
40%
45%
50%
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
24/8/05 - 18:22 Monografia Marcio Guedes.xls - PROPENSAO
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 89
VOLUME DE TRANSAÇÕES (dados corrigidos) Periodicidade: Mensal
Fonte: Credicard
Unidade: R$ MM
Comentário: Indicador ajustado por fator de correção
Atualizado em: 15 de junho de 2005
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 745 1.132 1.377 1.322 1.306 1.435 1.677 1.830 1.737 1.856 2.191
fev 614 1.023 1.128 1.085 1.169 1.423 1.533 1.671 1.757 1.799 2.003
mar 852 1.007 1.229 1.233 1.303 1.464 1.739 1.903 1.776 1.944 2.303
abr 722 1.061 1.273 1.191 1.224 1.471 1.647 1.845 1.784 1.911 2.227
mai 949 1.215 1.308 1.305 1.374 1.594 1.870 2.043 1.982 2.167 2.504
jun 779 1.183 1.292 1.299 1.374 1.558 1.766 1.901 1.927 2.095 2.465
jul 853 1.371 1.334 1.347 1.419 1.595 1.804 2.040 2.008 2.126
ago 936 1.295 1.236 1.295 1.413 1.635 1.855 2.009 2.038 2.131
set 869 1.214 1.202 1.280 1.347 1.553 1.754 1.859 1.755 2.010
out 979 1.379 1.306 1.362 1.451 1.640 1.880 1.703 1.922 2.213
nov 1.010 1.375 1.178 1.282 1.444 1.700 1.895 1.800 1.967 2.250
dez 1.260 1.749 1.600 1.757 1.970 2.184 2.497 2.328 2.663 3.027
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,144) Lag 4 (0,176) Lag 5 (0,324) Lag 6 (0,376) Lag 12 (0,733)
Máximo (0,144) Mínimo (0,733)
Melhor correlação (absoluta) (0,733) Lag da melhor correlação 12
600
1100
1600
2100
2600
3100
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
VOLUME DE TRANSAÇÕES (dados corrigidos)
(0,800)
(0,600)
(0,400)
(0,200)
-Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - transacoes
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 90
CONTAS ATIVAS (dados corrigidos) Periodicidade: Mensal
Fonte: Credicard
Unidade: # M
Comentário: Indicador ajustado por fator de correção
Atualizado em: 15 de junho de 2005
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan - - - - - 5.926 6.599 7.247 5.593 5.955 6.127
fev - - - - - 6.003 6.814 7.282 5.720 6.044 6.157
mar - - - - - 6.026 6.950 7.290 5.707 5.988 6.256
abr - - - - - 6.031 6.970 7.190 5.733 6.086 6.327
mai - - - - - 6.071 7.049 7.272 5.819 6.181 6.477
jun - - - - - 6.115 7.142 7.330 5.904 6.311 6.623
jul - - - - - 6.170 7.200 7.148 5.932 6.249
ago - - - - - 6.209 7.252 7.119 5.987 6.221
set - - - - - 6.241 7.244 7.137 5.679 6.229
out - - - - - 6.306 7.231 5.457 5.718 6.163
nov - - - - - 6.379 7.231 5.508 5.828 6.154
dez - - - - - 6.614 7.387 5.686 5.997 6.173
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 0,477 Lag 4 0,317 Lag 5 0,226 Lag 6 0,183 Lag 12 (0,027)
Máximo 0,477 Mínimo (0,027)
Melhor correlação (absoluta) 0,477 Lag da melhor correlação 3
5400
5900
6400
6900
7400
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
CONTAS ATIVAS (dados corrigidos)
(0,100)-
0,1000,2000,3000,4000,5000,600
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - ativas
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 91
VOLUME DE TRANSAÇÕES POR CONTAS ATIVAS (dados corrigidos) Periodicidade: Mensal
Fonte: Credicard
Unidade: R$ Comentário: Indicador ajustado por fator de correção
Atualizado em: 15 de junho de 2005
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan - - - - - 242 254 252 311 312 358
fev - - - - - 237 225 229 307 298 325
mar - - - - - 243 250 261 311 325 368
abr - - - - - 244 236 257 311 314 352
mai - - - - - 263 265 281 341 351 387
jun - - - - - 255 247 259 326 332 372
jul - - - - - 258 251 285 338 340
ago - - - - - 263 256 282 340 343
set - - - - - 249 242 260 309 323
out - - - - - 260 260 312 336 359
nov - - - - - 266 262 327 338 366
dez - - - - - 330 338 409 444 490
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,405) Lag 4 (0,325) Lag 5 (0,385) Lag 6 (0,408) Lag 12 (0,635)
Máximo (0,325) Mínimo (0,635)
Melhor correlação (absoluta) (0,635) Lag da melhor correlação 12
200
250
300
350
400
450
500
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
VOLUME DE TRANSAÇÕES POR CONTAS ATIVAS (dados corrigidos)
(0,700)(0,600)(0,500)(0,400)(0,300)(0,200)(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - vol trans ativas
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 92
SPREAD (dados corrigidos) Periodicidade: Mensal
Fonte: Credicard
Unidade: % Comentário: Indicador ajustado por fator de correção
Atualizado em: 15 de junho de 2005
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 5,93% 6,76% 5,73% 5,54% 5,22% 6,68% 5,91% 5,66% 5,82% 6,94% 5,90%
fev 5,84% 5,53% 5,44% 5,52% 5,73% 5,96% 6,14% 5,97% 6,00% 7,10% 6,08%
mar 6,10% 5,29% 4,97% 5,87% 4,92% 6,04% 6,23% 5,83% 6,32% 6,82% 5,76%
abr 5,86% 4,39% 4,61% 5,53% 5,29% 6,63% 5,83% 5,70% 6,23% 7,01% 6,08%
mai 8,40% 4,21% 4,65% 5,73% 5,53% 6,27% 5,49% 5,77% 6,13% 6,95% 4,90%
jun 8,10% 5,57% 4,43% 5,68% 6,06% 6,17% 5,77% 5,85% 6,28% 6,96%
jul 8,00% 4,56% 4,89% 5,64% 6,01% 6,08% 5,30% 5,61% 6,03% 6,88%
ago 7,97% 4,43% 4,91% 5,97% 6,24% 6,06% 5,53% 5,70% 6,35% 6,87%
set 8,05% 3,80% 5,00% 5,83% 6,05% 6,05% 5,75% 5,78% 6,52% 6,97%
out 6,69% 3,36% 4,96% 5,85% 6,66% 5,85% 5,44% 5,71% 6,55% 6,75%
nov 8,67% 4,94% 5,33% 6,53% 6,25% 6,24% 5,81% 6,37% 6,88% 6,38%
dez 8,31% 4,80% 5,68% 6,60% 6,24% 5,93% 5,48% 5,99% 6,83% 6,73%
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,451) Lag 4 (0,410) Lag 5 (0,344) Lag 6 (0,357) Lag 12 0,015
Máximo 0,015 Mínimo (0,451)
Melhor correlação (absoluta) (0,451) Lag da melhor correlação 3
3,00%
4,00%
5,00%
6,00%
7,00%
8,00%
9,00%
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
SPREAD (dados corrigidos)
(0,500)(0,400)(0,300)(0,200)(0,100)
-0,100
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - spread
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 93
DISTRIBUIÇÃO DA BASE DE CLIENTES POR PORTFOLIOS (dados corrigidos) Periodicidade: Mensal
Fonte: Credicard
Unidade: % Comentário: dados ajustados por fator de correção. Premium inclui Corporate e Diners
Atualizado em: 01 de maio de 2005
Emergente Local2000 2001 2002 2003 2004 2005 2000 2001 2002 2003 2004 2005
jan 13,83% 14,06% 12,30% 13,31% 15,18% 49,57% 48,25% 45,39% 48,46% 45,92%
fev 13,88% 14,14% 12,37% 13,25% 15,23% 49,89% 48,30% 45,54% 48,25% 45,98%
mar 13,84% 14,06% 12,43% 13,16% 15,22% 49,99% 48,37% 45,56% 48,04% 46,13%
abr 13,98% 13,99% 12,32% 12,97% 15,18% 50,34% 48,57% 45,69% 47,83% 46,36%
mai 14,05% 14,03% 12,54% 12,94% 15,42% 50,41% 48,66% 45,49% 47,54% 46,31%
jun 14,31% 14,05% 12,68% 12,84% 15,75% 50,12% 48,45% 45,33% 47,23% 46,27%
jul 14,47% 13,60% 12,53% 13,27% 49,72% 47,76% 45,31% 46,96%
ago 14,57% 13,60% 12,48% 13,47% 49,25% 47,77% 45,25% 46,87%
set 14,41% 13,63% 13,27% 13,80% 48,81% 47,78% 48,25% 46,43%
out 13,02% 14,25% 11,22% 13,23% 14,55% 48,33% 48,65% 45,09% 48,34% 46,01%
nov 13,21% 14,14% 11,67% 13,31% 14,95% 48,62% 48,46% 45,33% 48,52% 45,77%
dez 13,58% 14,05% 12,14% 13,32% 14,99% 48,97% 48,23% 45,44% 48,56% 45,88%
Internacional Premium2000 2001 2002 2003 2004 2005 2000 2001 2002 2003 2004 2005
jan 24,17% 24,43% 27,07% 25,16% 25,14% 12,44% 13,26% 15,25% 13,07% 13,75%
fev 23,97% 24,39% 27,02% 25,19% 25,04% 12,27% 13,17% 15,08% 13,32% 13,75%
mar 23,99% 24,42% 26,96% 25,34% 25,10% 12,18% 13,16% 15,04% 13,46% 13,56%
abr 23,65% 24,37% 27,02% 25,61% 24,89% 12,03% 13,06% 14,97% 13,59% 13,57%
mai 23,61% 24,40% 27,18% 25,84% 24,66% 11,93% 12,91% 14,79% 13,68% 13,61%
jun 23,57% 24,61% 27,26% 26,12% 24,51% 12,00% 12,89% 14,73% 13,80% 13,48%
jul 23,59% 25,37% 27,41% 25,90% 12,22% 13,27% 14,76% 13,87%
ago 23,72% 25,40% 27,44% 25,72% 12,47% 13,23% 14,84% 13,95%
set 24,17% 25,29% 25,15% 25,74% 12,61% 13,30% 13,33% 14,03%
out 25,35% 24,27% 27,85% 25,19% 25,48% 13,30% 12,83% 15,84% 13,23% 13,96%
nov 25,05% 24,30% 27,37% 25,16% 25,45% 13,12% 13,10% 15,63% 13,01% 13,82%
dez 24,73% 24,41% 27,14% 25,18% 25,36% 12,72% 13,31% 15,28% 12,94% 13,78%
Correlograma (do Portfolio Internacional) com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,564) Lag 4 (0,481) Lag 5 (0,447) Lag 6 (0,377) Lag 12 (0,112)
Máximo (0,112) Mínimo (0,564)
Melhor correlação (absoluta) (0,564) Lag da melhor correlação 3
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
Internacional
(0,600)
(0,500)(0,400)
(0,300)
(0,200)(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:36 Monografia Marcio Guedes.xls - distr base
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 94
FOLHA DE PAGAMENTOS - INDÚSTRIA - ÍNDICE (jan. 2003 = 100) - SP Periodicidade: Mensal
Fonte: Federação e Centro das Indústrias do Estado de São Paulo, Levantamento de Conjuntura (Fiesp)
Unidade: % (jan 2003 = 100)
Comentário: Total nominal da folha de pagamentos na indústria no Estado de São Paulo (SP).
Atualizado em: 02 de junho de 2005 IPEADATA
Folha de pagamentos - indústria - índice (jan 2003 = 100) - SP
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 45,3 59,8 66,4 70,7 65,9 70,1 78,9 87,5 100,0 115,1 138,7
fev 44,7 58,7 65,0 68,5 62,6 70,7 77,7 86,3 98,0 114,2 135,4
mar 48,2 59,6 66,2 69,7 63,3 71,1 79,8 86,8 99,2 118,3 139,8
abr 49,8 59,9 66,7 69,9 63,4 70,9 80,3 87,2 100,2 117,2 144,1
mai 51,9 61,0 67,6 70,8 64,0 72,3 81,5 88,6 103,2 120,1
jun 52,1 61,1 67,9 70,4 63,8 72,7 80,6 87,0 103,2 121,1
jul 52,1 61,5 67,8 70,2 64,7 73,4 80,6 88,3 105,6 123,0
ago 52,5 61,7 68,1 69,2 64,8 74,1 81,7 87,8 104,8 123,1
set 49,7 61,4 66,7 67,4 64,6 73,2 81,1 87,7 104,1 124,8
out 51,6 62,0 67,1 67,4 65,2 74,6 81,5 90,2 106,5 126,1
nov 57,1 64,4 70,0 69,3 69,8 80,1 87,3 97,1 117,0 136,8
dez 64,6 71,7 78,9 77,1 78,4 87,6 95,1 105,1 124,7 152,5
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,548) Lag 4 (0,535) Lag 5 (0,574) Lag 6 (0,612) Lag 12 (0,738)
Máximo (0,535) Mínimo (0,738)
Melhor correlação (absoluta) (0,738) Lag da melhor correlação 12
40,0
50,0
60,0
70,0
80,0
90,0
100,0
110,0
120,0
130,0
140,0
150,0
160,0
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
FOLHA DE PAGAMENTOS - INDÚSTRIA - ÍNDICE (jan. 2003 = 100) - SP
(0,800)
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - folha pgto ind
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 95
Periodicidade: Mensal
Unidade: % (média 1985 = 100)
Atualizado em: 22 de junho de 2005 IPEADATA
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 67,4 69,9 71,0 71,7 71,7 64,2 60,2 56,0 51,4 53,5 51,4
fev 69,8 70,3 72,1 71,7 70,3 63,1 60,8 56,3 51,9 52,3 51,8
mar 69,3 70,0 73,2 71,0 69,1 63,3 60,4 55,2 50,5 52,4 52,1
abr 67,9 70,4 72,4 70,9 68,3 64,2 61,3 56,0 51,2 52,4 52,2
mai 70,0 68,5 71,5 71,7 67,9 65,4 61,6 55,7 51,6 53,4
jun 70,4 69,4 72,9 72,2 67,8 63,3 60,8 55,7 52,5 53,7
jul 71,7 69,4 73,6 71,7 68,3 62,9 59,6 54,8 52,0 52,7
ago 70,6 71,9 72,8 70,0 68,6 63,3 58,0 55,3 52,1 52,5
set 71,2 73,5 72,7 70,0 68,6 64,8 57,9 55,3 52,1 52,7
out 71,1 73,7 73,1 70,5 68,7 65,7 57,4 54,7 52,9 54,3
nov 69,8 73,5 73,4 72,3 66,9 63,7 56,7 52,0 53,6 53,3
dez 69,9 71,5 72,4 71,5 65,9 62,3 56,9 51,6 53,5 52,3
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 0,609 Lag 4 0,643 Lag 5 0,674 Lag 6 0,674 Lag 12 0,728
Máximo 0,728 Mínimo 0,609
Melhor correlação (absoluta) 0,728 Lag da melhor correlação 12
Rendimento médio - real - assalariados - trabalho principal - índice (média 1985 = 100) - RMSP
Fonte: Sistema Estadual de Análise de Dados e Departamento Intersindical de Estatística e Estudos Sócio-Econômicos, Pesquisa de Emprego e Desemprego (Seade e Dieese/PED)
RENDIMENTO MÉDIO DOS ASSALARIADOS NO TRABALHO PRINCIPAL NA RMSP - ÍNDICE (média 1985 = 100)
Comentário: Quadro: Rendimento médio real trimestral dos ocupados e dos assalariados no trabalho principal - Região Metropolitana de São Paulo. In: http://www.seade.gov.br . Obs.: Região Metropolitana de São Paulo (RMSP). Exclui os assalariados que não tiveram remuneração no mês.
50,0
55,0
60,0
65,0
70,0
75,0
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
RENDIMENTO MÉDIO DOS ASSALARIADOS NO TRABALHO PRINCIPAL NA RMSP - ÍNDICE
(média 1985 = 100)
0,5000,5500,6000,6500,7000,750
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - rend assalar
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 96
PESSOAL EMPREGADO NA INDÚSTRIA - ÍNDICE (média 1992 = 100) Periodicidade: Mensal
Fonte: Confederação Nacional da Indústria, Indicadores Industriais (CNI)
Unidade: % (média 1992 = 100)
Comentário: IPEADATA Atualizado em: 06 de junho de 2005 Pessoal empregado - indústria - índice (média 1992 = 100)
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 96,49 88,93 85,42 80,23 75,24 73,67 75,34 74,61 75,43 75,28 80,81
fev 96,79 88,39 85,06 79,81 74,40 73,66 75,63 74,64 75,61 75,74 81,03
mar 97,28 88,11 84,81 79,60 74,03 73,79 75,70 75,06 75,97 76,58 81,57
abr 97,40 87,89 84,78 79,70 73,99 74,30 75,94 75,58 76,41 77,31 82,39
mai 97,20 87,64 84,63 79,65 74,04 74,91 76,41 75,92 76,62 78,08
jun 96,21 87,46 84,52 79,47 74,15 75,21 76,39 76,00 76,53 78,65
jul 95,11 87,35 83,92 79,23 74,08 75,19 76,22 75,93 76,31 79,34
ago 93,01 86,94 83,50 78,75 74,08 75,35 75,75 75,91 76,15 80,07
set 91,98 87,06 83,23 78,56 74,19 75,45 75,64 75,96 76,12 80,74
out 91,18 86,90 82,82 77,97 74,28 75,45 75,35 76,08 76,22 81,10
nov 90,47 86,51 82,08 76,92 74,19 75,52 74,95 75,73 76,15 81,21
dez 89,49 85,68 80,99 75,87 73,78 75,05 74,58 75,35 75,20 80,47
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,527) Lag 4 (0,500) Lag 5 (0,451) Lag 6 (0,420) Lag 12 (0,127)
Máximo (0,127) Mínimo (0,527)
Melhor correlação (absoluta) (0,527) Lag da melhor correlação 3
70
75
80
85
90
95
100
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
PESSOAL EMPREGADO NA INDÚSTRIA - ÍNDICE (média 1992 = 100)
(0,600)(0,500)(0,400)(0,300)(0,200)(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - emprego ind
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 97
1586 - EMPREGO FORMAL (Dez/2004=100) - ÍNDICE GERAL Periodicidade: Mensal
Fonte: MTE Unidade: %
Comentário: site BaCenSéries selecionadas
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 89,1 87,5 86,4 85,9 83,8 83,3 86,0 88,3 91,4 94,3 100,5
fev 89,4 87,3 86,4 85,8 83,5 83,7 86,3 88,6 91,8 94,9 100,8
mar 89,4 87,2 86,6 85,8 83,2 83,9 86,5 89,0 91,8 95,3 101,2
abr 89,7 87,4 86,9 86,1 83,4 84,3 87,0 89,7 92,5 96,0 102,3
mai 90,0 87,8 87,3 86,4 83,8 85,0 87,6 90,4 93,0 97,2 103,1
jun 90,0 88,0 87,6 86,5 84,0 85,5 88,1 90,9 93,5 98,0
jul 89,8 88,0 87,5 86,4 84,1 86,0 88,3 91,2 93,7 98,9
ago 89,3 87,9 87,5 86,5 84,1 86,3 88,5 91,5 94,0 99,8
set 89,0 88,0 87,6 86,4 84,2 86,6 88,8 92,2 94,7 100,6
out 88,9 87,9 87,6 86,2 84,2 86,7 89,1 92,3 95,0 101,1
nov 88,6 87,6 87,4 85,7 84,2 86,7 89,1 92,3 95,1 101,4
dez 87,7 86,6 86,3 84,0 83,2 85,8 88,1 91,3 93,9 100,0
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,751) Lag 4 (0,733) Lag 5 (0,705) Lag 6 (0,690) Lag 12 (0,636)
Máximo (0,636) Mínimo (0,751)
Melhor correlação (absoluta) (0,751) Lag da melhor correlação 3
80,00
85,00
90,00
95,00
100,00
105,00
jan/
95
abr/
95
jul/9
5
out/9
5
jan/
96
abr/
96
jul/9
6
out/9
6
jan/
97
abr/
97
jul/9
7
out/9
7
jan/
98
abr/
98
jul/9
8
out/9
8
jan/
99
abr/
99
jul/9
9
out/9
9
jan/
00
abr/
00
jul/0
0
out/0
0
jan/
01
abr/
01
jul/0
1
out/0
1
jan/
02
abr/
02
jul/0
2
out/0
2
jan/
03
abr/
03
jul/0
3
out/0
3
jan/
04
abr/
04
jul/0
4
out/0
4
jan/
05
abr/
05
1586 - EMPREGO FORMAL (Dez/2004=100) - ÍNDICE GERAL
(0,800)
(0,750)
(0,700)
(0,650)
(0,600)
(0,550)
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - empr form ger
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 98
1603 - EMPREGO FORMAL (Dez/2004=100) - COMÉRCIO Periodicidade: Mensal
Fonte: MTE Unidade: %
Comentário: site BaCenSéries selecionadas
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 76,7 76,1 75,8 76,5 75,8 76,2 79,2 83,2 88,5 92,8 100,2
fev 76,9 75,9 75,7 76,3 75,4 76,2 79,3 83,4 88,8 93,2 100,4
mar 77,0 75,7 75,9 76,1 74,9 76,4 79,3 83,7 88,7 93,4 100,6
abr 77,2 75,8 76,2 76,3 74,8 76,8 79,8 84,0 89,0 93,9 101,2
mai 77,4 76,0 76,6 76,5 75,1 77,1 80,1 84,4 89,3 94,6 101,8
jun 77,4 76,3 77,1 76,6 75,4 77,4 80,4 84,9 89,7 95,1
jul 77,2 76,3 77,1 76,5 75,4 77,7 80,7 85,3 89,9 95,7
ago 76,9 76,2 77,2 76,7 75,5 78,0 81,0 85,8 90,3 96,6
set 76,7 76,3 77,3 76,6 75,5 78,4 81,6 86,7 91,0 97,4
out 76,7 76,3 77,5 76,7 75,8 78,8 82,2 87,4 91,6 98,3
nov 76,8 76,6 77,6 76,8 76,4 79,5 83,2 88,5 92,8 99,8
dez 76,4 76,1 77,0 75,9 76,2 79,4 83,2 88,6 92,8 100,0
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,703) Lag 4 (0,682) Lag 5 (0,672) Lag 6 (0,678) Lag 12 (0,696)
Máximo (0,672) Mínimo (0,703)
Melhor correlação (absoluta) (0,703) Lag da melhor correlação 3
70,00
75,00
80,00
85,00
90,00
95,00
100,00
105,00
jan/
95
mai
/95
set/9
5
jan/
96
mai
/96
set/9
6
jan/
97
mai
/97
set/9
7
jan/
98
mai
/98
set/9
8
jan/
99
mai
/99
set/9
9
jan/
00
mai
/00
set/0
0
jan/
01
mai
/01
set/0
1
jan/
02
mai
/02
set/0
2
jan/
03
mai
/03
set/0
3
jan/
04
mai
/04
set/0
4
jan/
05
mai
/05
1603 - EMPREGO FORMAL (Dez/2004=100) - COMÉRCIO
(0,710)(0,700)(0,690)(0,680)(0,670)(0,660)(0,650)
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - empr form com
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 99
Periodicidade: Mensal
Fonte: Banco Central do Brasil, Boletim, Seção Moeda e Crédito (BCB Boletim/Moeda) Unidade: R$(milhões)
Comentário: Quadro: Fatores condicionantes da base monetária.
Atualizado em: 24 de junho de 2005 IPEADATA
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan (2.088) (2.742) (1.453) (2.719) (2.865) (5.638) (5.214) (5.281) (6.292) (5.300) (6.288)
fev 1.370 (54) (250) (129) 146 (1.131) 733 (285) 24 (53) (1.253)
mar (1.475) 106 (181) (1.035) (628) (336) (1.421) 445 (3.754) (1.529) (1.099)
abr 336 (49) (263) 869 (1.100) 547 323 (1.370) (862) 679 (120)
mai (553) 323 293 49 (310) (809) (209) 1.752 (231) 864 (141)
jun 734 689 (204) 126 376 757 905 969 (18) 621
jul 122 (389) 9 499 712 329 (64) 780 433 1.583
ago 237 639 308 250 (457) (63) 319 1.717 581 (165)
set 551 537 (314) 244 239 1.305 807 1.423 (657) 1.763
out 64 (133) 576 907 727 (532) (203) 1.369 984 944
nov 979 1.335 961 562 619 1.275 1.457 1.883 2.552 1.382
dez 3.446 3.156 3.581 4.293 8.213 7.092 7.602 8.859 8.672 9.783
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,046) Lag 4 0,073 Lag 5 0,063 Lag 6 0,032 Lag 12 (0,234)
Máximo 0,073 Mínimo (0,234)
Melhor correlação (absoluta) (0,234) Lag da melhor correlação 12
Fatores condicionantes da base monetária - variação da base monetária - papel-moeda emitido
FATORES CONDICIONANTES DA BASE MONETÁRIA: VARIAÇÃO DA BASE MONETÁRIA - PAPEL-MOEDA EMITIDO
(7.000)
(6.000)
(5.000)
(4.000)
(3.000)
(2.000)
(1.000)
-
1.000
2.000
3.000
4.000
5.000
6.000
7.000
8.000
9.000
10.000
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
FATORES CONDICIONANTES DA BASE MONETÁRIA: VARIAÇÃO DA BASE MONETÁRIA - PAPEL-MOEDA EMITIDO
(0,300)
(0,200)
(0,100)
-
0,100
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - var base monet
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 100
M1 - PAPEL-MOEDA EM PODER DO PÚBLICO - FIM PERÍODO Periodicidade: Mensal
Fonte: Banco Central do Brasil, Boletim, Seção Moeda e Crédito (BCB Boletim/Moeda)
Unidade: R$(milhões)
Atualizado em: 22 de junho de 2005 IPEADATA
M1 - papel-moeda em poder do público - fim período
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 6.533 9.459 13.965 15.573 19.127 20.701 23.686 27.285 37.004 38.345 45.390
fev 7.859 9.403 13.740 15.242 18.847 19.826 23.430 26.783 36.241 37.691 43.950
mar 6.809 9.788 12.829 14.360 17.998 19.736 23.305 27.235 33.215 36.202 42.883
abr 6.943 9.518 13.086 15.118 17.312 20.007 23.020 26.056 32.515 36.928 43.064
mai 6.252 9.992 13.362 15.269 16.604 19.256 23.097 27.044 32.575 37.333
jun 7.253 10.539 13.075 15.087 17.178 20.143 24.002 28.327 32.003 37.919
jul 7.053 10.080 13.117 15.750 17.925 19.995 23.628 28.936 32.508 39.560
ago 7.364 10.905 13.625 15.619 17.367 20.119 24.158 30.833 33.308 39.137
set 8.018 10.964 13.263 16.149 17.541 21.630 24.704 31.519 32.549 40.466
out 7.843 10.936 13.920 17.017 18.367 20.751 24.223 33.131 33.385 41.580
nov 8.813 12.404 14.737 17.202 18.658 21.923 25.877 34.764 35.292 42.199
dez 12.367 15.317 18.079 21.185 25.951 28.641 32.628 42.351 43.064 52.019
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,571) Lag 4 (0,554) Lag 5 (0,581) Lag 6 (0,604) Lag 12 (0,770)
Máximo (0,554) Mínimo (0,770)
Melhor correlação (absoluta) (0,770) Lag da melhor correlação 12
Comentário: Quadro: Base monetária e meios de pagamento (M1). Obs.: Refere-se à parcela dos meios de pagamento, segundo o conceito restrito de moeda (M1), que engloba os depósitos à vista efetivamente movimentáveis por cheques, prontamente disponíveis para pagamento de bens e serviços e aceitos como moeda.
5
15
25
35
45
55
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
M1
(R$
Bi)
M1 - PAPEL-MOEDA EM PODER DO PÚBLICO - FIM PERÍODO
(1,000)
(0,800)
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - M1
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 101
ÍNDICE DE AÇÕES: IBOVESPA - FECHAMENTO Periodicidade: Mensal
Fonte: Associação Nacional das Instituições do Mercado Aberto, Sinopse (Andima)
Unidade: variação % a.m.
Comentário: Variação mensal do Índice da Bolsa de Valores de São Paulo (Ibovespa).
Atualizado em: 01 de junho de 2005 IPEADATA
Índice de ações - Ibovespa - fechamento
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan (10,77) 19,83 13,14 (4,67) 20,45 (4,11) 15,82 (6,30) (2,90) (1,73) (7,04)
fev (15,81) (3,76) 10,85 8,74 9,04 7,76 (10,08) 10,31 (6,04) (0,44) 15,55
mar (8,92) (0,06) 2,44 13,02 20,04 0,91 (9,14) (5,55) 9,66 1,78 (5,43)
abr 28,02 4,22 10,37 (2,25) 6,11 (12,81) 3,32 (1,28) 11,38 (11,45) (6,64)
mai (2,44) 10,92 13,64 (15,68) (2,30) (3,74) (1,79) (1,71) 6,89 (0,32) 1,46
jun (3,15) 5,52 10,78 (1,71) 4,84 11,84 (0,61) (13,39) (3,35) 8,21
jul 7,61 1,31 2,43 10,63 (10,19) (1,63) (5,53) (12,36) 4,62 5,62
ago 11,17 2,22 (17,58) (39,55) 1,18 5,42 (6,65) 6,35 11,81 2,09
set 8,34 2,99 11,20 1,87 5,13 (8,17) (17,17) (16,95) 5,51 1,94
out (11,60) 1,34 (23,83) 6,89 5,35 (6,66) 6,85 17,92 12,32 (0,83)
nov 6,06 2,03 4,54 22,48 17,76 (10,63) 13,79 3,35 12,24 9,01
dez (1,82) 5,61 8,54 (21,40) 24,05 14,84 5,00 7,23 10,17 4,24
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,071) Lag 4 0,041 Lag 5 (0,025) Lag 6 0,027 Lag 12 (0,260)
Máximo 0,041 Mínimo (0,260)
Melhor correlação (absoluta) (0,260) Lag da melhor correlação 12
(40,00)
(30,00)
(20,00)
(10,00)
-
10,00
20,00
30,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
ÍNDICE DE AÇÕES: IBOVESPA - FECHAMENTO
(0,300)(0,250)(0,200)(0,150)(0,100)(0,050)
-0,0500,100
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - ibovespa
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 102
TAXA DE JUROS: CDI / OVERNIGHT Periodicidade: Mensal
Fonte: Banco Central do Brasil, Boletim, Seção Mercado financeiro e de capitais (BCB Boletim/M.Finan.)
Unidade: (% a.m.)
Comentário: Quadro: Taxas de juros. Obs.: Certificado de Depósito Interbancário (CDI). Refere-se à média do mês.
Atualizado em: 22 de junho de 2005 IPEADATA
Taxa de juros - CDI Over
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 3,4750 2,5594 1,7405 2,6663 2,1742 1,4413 1,2586 1,5319 1,9654 1,2606 1,3828
fev 3,2375 2,3058 1,6603 2,1073 2,3492 1,4405 1,0096 1,2475 1,8275 1,0796 1,2159
mar 4,4082 2,1976 1,6247 2,1803 3,2852 1,4389 1,2500 1,3699 1,7731 1,3744 1,5220
abr 4,2199 2,0335 1,6551 1,6948 2,2755 1,2838 1,1803 1,4830 1,8660 1,1747 1,4080
mai 4,2704 2,0047 1,5787 1,6277 1,9595 1,4881 1,3344 1,4037 1,9594 1,2249
jun 4,0498 1,9400 1,5924 1,5969 1,6348 1,3852 1,2729 1,3097 1,8508 1,2236
jul 4,0096 1,9128 1,6055 1,6940 1,6226 1,3015 1,5009 1,5338 2,0756 1,2818
ago 3,8066 1,9503 1,5804 1,4736 1,5464 1,3951 1,6012 1,4453 1,7646 1,2861
set 3,2529 1,8837 1,5802 2,4926 1,4677 1,2170 1,3229 1,3808 1,6691 1,2441
out 3,0560 1,8556 1,6830 2,9253 1,3745 1,2795 1,5340 1,6414 1,6332 1,2081
nov 2,8380 1,7939 2,9832 2,5756 1,3725 1,2156 1,3933 1,5335 1,3381 1,2488
dez 2,7255 1,7897 2,9139 2,3780 1,5823 1,1938 1,3936 1,7341 1,3657 1,4799
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,193) Lag 4 (0,231) Lag 5 (0,320) Lag 6 (0,268) Lag 12 (0,435)
Máximo (0,193) Mínimo (0,435)
Melhor correlação (absoluta) (0,435) Lag da melhor correlação 12
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
CD
I (%
a.m
.)
TAXA DE JUROS: CDI / OVERNIGHT
(0,500)
(0,400)
(0,300)
(0,200)
(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - cdi
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 103
DEPÓSITOS DE POUPANÇA: VELOCIDADE DE CIRCULAÇÃO - RELAÇÃO RESGATES / SALDOS Periodicidade: Mensal
Fonte: Banco Central do Brasil, Boletim, Seção Mercado financeiro e de capitais (BCB Boletim/M.Finan.)
Unidade: -
Comentário: Quadro: Velocidade de circulação dos principais ativos financeiros.
Atualizado em: 22 de junho de 2005 IPEADATA
Depósitos de Poupança - velocidade de circulação - relação resgates / saldos
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 0,3172 0,2689 0,2779 0,1939 0,2269 0,3688 0,3180 0,3537 0,3326 0,3446 0,3505
fev 0,2441 0,2318 0,1634 0,1961 0,2337 0,3402 0,2683 0,3049 0,3143 0,3185 0,3285
mar 0,3230 0,2381 0,1693 0,2091 0,2999 0,3402 0,3062 0,3173 0,3101 0,3717 0,3695
abr 0,2537 0,2472 0,1937 0,1949 0,2794 0,3075 0,3037 0,3447 0,3223 0,3417 0,3440
mai 0,2772 0,2642 0,1903 0,1885 0,2966 0,3399 0,3152 0,3332 0,3358 0,3574
jun 0,2657 0,2619 0,1976 0,2133 0,3034 0,3270 0,3062 0,3055 0,3308 0,3492
jul 0,2515 0,2856 0,2081 0,2278 0,2670 0,3266 0,3305 0,3345 0,3492 0,3565
ago 0,2956 0,2695 0,1925 0,2201 0,3127 0,3508 0,3292 0,3142 0,3228 0,3595
set 0,2601 0,2653 0,2036 0,2445 0,3047 0,3179 0,2955 0,3118 0,3420 0,3333
out 0,2575 0,2811 0,2042 0,2260 0,3330 0,3247 0,3350 0,3336 0,3478 0,3454
nov 0,2383 0,2714 0,1880 0,2170 0,3245 0,3750 0,3236 0,3182 0,3248 0,3677
dez 0,2769 0,3052 0,2327 0,2584 0,3843 0,3392 0,3702 0,3861 0,4116 0,4264
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,152) Lag 4 (0,102) Lag 5 (0,214) Lag 6 (0,188) Lag 12 (0,393)
Máximo (0,102) Mínimo (0,393)
Melhor correlação (absoluta) (0,393) Lag da melhor correlação 12
0,1000
0,2000
0,3000
0,4000
0,5000
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
DEPÓSITOS DE POUPANÇA: VELOCIDADE DE CIRCULAÇÃO - RELAÇÃO RESGATES / SALDOS
(0,500)
(0,400)
(0,300)(0,200)
(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - circ poup
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 104
POUPANÇA: RENDIMENTO NOMINAL - 1º DIA ÚTIL Periodicidade: Mensal
Fonte: Associação Nacional das Instituições do Mercado Aberto, Sinopse (Andima)
Unidade: (% a.m.)
Comentário: Refere-se ao rendimento do primeiro dia útil do mês.
Atualizado em: 01 de junho de 2005 IPEADATA
Poupança - rendimento nominal - 1º dia útil
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 2,61 1,76 1,25 1,65 1,02 0,72 0,64 0,76 0,99 0,63 0,69
fev 2,36 1,47 1,16 0,95 1,33 0,73 0,54 0,62 0,91 0,55 0,60
mar 2,81 1,32 1,13 1,40 1,67 0,73 0,67 0,68 0,83 0,68 0,76
abr 3,98 1,16 1,12 0,97 1,11 0,63 0,66 0,74 0,92 0,59 0,70
mai 3,76 1,09 1,14 0,96 1,08 0,71 0,68 0,71 0,97 0,66 0,75
jun 3,40 1,11 1,16 0,99 0,81 0,72 0,65 0,66 0,92 0,68
jul 3,51 1,09 1,16 1,05 0,79 0,66 0,75 0,77 1,05 0,70
ago 3,12 1,13 1,13 0,88 0,80 0,70 0,85 0,75 0,91 0,70
set 2,45 1,17 1,15 0,95 0,77 0,60 0,66 0,73 0,84 0,67
out 2,16 1,25 1,16 1,39 0,73 0,63 0,79 0,78 0,82 0,61
nov 1,95 1,32 2,04 1,12 0,70 0,62 0,69 0,77 0,68 0,62
dez 1,85 1,38 1,82 1,25 0,80 0,60 0,70 0,86 0,69 0,74
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,204) Lag 4 (0,267) Lag 5 (0,356) Lag 6 (0,278) Lag 12 (0,440)
Máximo (0,204) Mínimo (0,440)
Melhor correlação (absoluta) (0,440) Lag da melhor correlação 12
-
1,00
2,00
3,00
4,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
POUPANÇA: RENDIMENTO NOMINAL - 1º DIA ÚTIL
(0,500)
(0,400)
(0,300)
(0,200)
(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - rend poup
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 105
TAXA DE CÂMBIO COMERCIAL PARA COMPRA: REAL (R$) / DÓLAR AMERICANO (US$) - MÉDIA Periodicidade: Mensal
Fonte: Banco Central do Brasil, Boletim, Seção Balanço de Pagamentos (BCB Boletim/BP)
Unidade: R$
Atualizado em: 22 de junho de 2005 IPEADATA
Taxa de câmbio - R$ / US$ - comercial - compra - média
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 0,8451 0,9735 1,0421 1,1191 1,5011 1,8029 1,9537 2,3771 3,4376 2,8510 2,6922
fev 0,8388 0,9801 1,0485 1,1263 1,9129 1,7745 2,0011 2,4188 3,5900 2,9295 2,5970
mar 0,8874 0,9853 1,0559 1,1329 1,8960 1,7412 2,0883 2,3458 3,4461 2,9047 2,7039
abr 0,9055 0,9894 1,0601 1,1404 1,6933 1,7674 2,1917 2,3196 3,1179 2,9052 2,5784
mai 0,8954 0,9945 1,0675 1,1473 1,6827 1,8271 2,2964 2,4796 2,9549 3,0996 2,4530
jun 0,9120 1,0005 1,0738 1,1538 1,7646 1,8075 2,3750 2,7132 2,8824 3,1283
jul 0,9268 1,0061 1,0799 1,1607 1,7995 1,7970 2,4652 2,9338 2,8790 3,0360
ago 0,9400 1,0126 1,0871 1,1709 1,8800 1,8084 2,5098 3,1093 3,0017 3,0021
set 0,9508 1,0185 1,0928 1,1801 1,8973 1,8384 2,6709 3,3412 2,9220 2,8903
out 0,9587 1,0243 1,0993 1,1876 1,9687 1,8788 2,7394 3,8051 2,8607 2,8521
nov 0,9624 1,0296 1,1065 1,1929 1,9291 1,9472 2,5423 3,5756 2,9130 2,7852
dez 0,9673 1,0365 1,1128 1,2046 1,8420 1,9625 2,3619 3,6251 2,9245 2,7174
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,668) Lag 4 (0,606) Lag 5 (0,556) Lag 6 (0,524) Lag 12 (0,615)
Máximo (0,524) Mínimo (0,668)
Melhor correlação (absoluta) (0,668) Lag da melhor correlação 3
Comentário: Quadro: Taxas de câmbio do real. Obs.: Cotações para contabilidade. Os valores dos dois últimos meses são obtidos na Gazeta Mercantil.
0,00
1,00
2,00
3,00
4,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
Tax
a de
câm
bio
(R$
/ US
$)
TAXA DE CÂMBIO COMERCIAL PARA COMPRA: REAL (R$) / DÓLAR AMERICANO (US$) - MÉDIA
(0,800)
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - cambio
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 106
INFLAÇÃO: IPCA Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Sistema Nacional de Índices de Preços ao Consumidor (IBGE/SNIPC)
Unidade: (% a.m.)
Atualizado em: 10 de junho de 2005 IPEADATA
Inflação - IPCA
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 1,70 1,34 1,18 0,71 0,70 0,62 0,57 0,52 2,25 0,76 0,58
fev 1,02 1,03 0,50 0,46 1,05 0,13 0,46 0,36 1,57 0,61 0,59
mar 1,55 0,35 0,51 0,34 1,10 0,22 0,38 0,60 1,23 0,47 0,61
abr 2,43 1,26 0,88 0,24 0,56 0,42 0,58 0,80 0,97 0,37 0,87
mai 2,67 1,22 0,41 0,50 0,30 0,01 0,41 0,21 0,61 0,51 0,49
jun 2,26 1,19 0,54 0,02 0,19 0,23 0,52 0,42 (0,15) 0,71
jul 2,36 1,11 0,22 (0,12) 1,09 1,61 1,33 1,19 0,20 0,91
ago 0,99 0,44 (0,02) (0,51) 0,56 1,31 0,70 0,65 0,34 0,69
set 0,99 0,15 0,06 (0,22) 0,31 0,23 0,28 0,72 0,78 0,33
out 1,41 0,30 0,23 0,02 1,19 0,14 0,83 1,31 0,29 0,44
nov 1,47 0,32 0,17 (0,12) 0,95 0,32 0,71 3,02 0,34 0,69
dez 1,56 0,47 0,43 0,33 0,60 0,59 0,65 2,10 0,52 0,86
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,048) Lag 4 (0,031) Lag 5 (0,118) Lag 6 (0,085) Lag 12 (0,253)
Máximo (0,031) Mínimo (0,253)
Melhor correlação (absoluta) (0,253) Lag da melhor correlação 12
Comentário: Índice Nacional de Preços ao Consumidor Amplo (IPCA). Obs.: Valor de agosto de 1991 não disponível na série original. Valores de agosto e setembro de 1991 imputados pelo IPEA (média geométrica dos valores de agosto e setembro).
(1,00)
-
1,00
2,00
3,00
4,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
INFLAÇÃO: IPCA
(0,300)(0,250)(0,200)(0,150)(0,100)(0,050)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - ipca
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 107
INFLAÇÃO: INPC Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Sistema Nacional de Índices de Preços ao Consumidor (IBGE/SNIPC)
Unidade: (% a.m.)
Atualizado em: 10 de junho de 2005 IPEADATA
Inflação - INPC
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 1,44 1,46 0,81 0,85 0,65 0,61 0,77 1,07 2,47 0,83 0,57
fev 1,01 0,71 0,45 0,54 1,29 0,05 0,49 0,31 1,46 0,39 0,44
mar 1,62 0,29 0,68 0,49 1,28 0,13 0,48 0,62 1,37 0,57 0,73
abr 2,49 0,93 0,60 0,45 0,47 0,09 0,84 0,68 1,38 0,41 0,91
mai 2,10 1,28 0,11 0,72 0,05 (0,05) 0,57 0,09 0,99 0,40 0,70
jun 2,18 1,33 0,35 0,15 0,07 0,30 0,60 0,61 (0,06) 0,50
jul 2,46 1,20 0,18 (0,28) 0,74 1,39 1,11 1,15 0,04 0,73
ago 1,02 0,50 (0,03) (0,49) 0,55 1,21 0,79 0,86 0,18 0,50
set 1,17 0,02 0,10 (0,31) 0,39 0,43 0,44 0,83 0,82 0,17
out 1,40 0,38 0,29 0,11 0,96 0,16 0,94 1,57 0,39 0,17
nov 1,51 0,34 0,15 (0,18) 0,94 0,29 1,29 3,39 0,37 0,44
dez 1,65 0,33 0,57 0,42 0,74 0,55 0,74 2,70 0,54 0,86
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,003) Lag 4 0,044 Lag 5 0,006 Lag 6 0,005 Lag 12 (0,334)
Máximo 0,044 Mínimo (0,334)
Melhor correlação (absoluta) (0,334) Lag da melhor correlação 12
Comentário: Índice Nacional de Preços ao Consumidor (INPC). Obs.: Até jul. 1999, a estrutura do índice de preços era composta de 7 grupos: 1. Alimentação e bebidas; 2. Habitação; 3. Artigos de residência; 4. Vestuário; 5. Transportes e comunicação; 6. Saúde e cuidados pessoais; 7. Despesas pessoais. A partir de ago. 1999, passou a ser composta de 9 grupos: 1. Alimentação e bebidas; 2. Habitação; 3. Artigos de residência; 4. Vestuário; 5. Transportes; 6. Saúde e cuidados pessoais; 7. Despesas pessoais; 8. Educação, leitura e papelaria; 9. Comunicação.
(1,00)
-
1,00
2,00
3,00
4,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
INFLAÇÃO: INPC
(0,400)
(0,300)
(0,200)
(0,100)
-
0,100
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - inpc
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 108
INFLAÇÃO: IPC - FIPE Periodicidade: Mensal
Fonte: Fundação Instituto de Pesquisas Econômicas (FIPE)
Unidade: (% a.m.)
Atualizado em: 06 de junho de 2005 IPEADATA
Inflação - IPC - FIPE
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 0,80 1,82 1,23 0,24 0,50 0,57 0,38 0,57 2,19 0,65 0,56
fev 1,32 0,40 0,01 (0,16) 1,41 (0,23) 0,11 0,26 1,61 0,19 0,36
mar 1,92 0,23 0,21 (0,23) 0,56 0,23 0,51 0,07 0,67 0,12 0,79
abr 2,64 1,62 0,64 0,62 0,47 0,09 0,61 0,06 0,57 0,29 0,83
mai 1,97 1,34 0,55 0,52 (0,37) 0,03 0,17 0,06 0,31 0,57 0,35
jun 2,66 1,41 1,42 0,19 (0,08) 0,18 0,85 0,31 (0,16) 0,92
jul 3,72 1,31 0,11 (0,77) 1,09 1,40 1,21 0,67 (0,08) 0,59
ago 1,43 0,34 (0,76) (1,00) 0,74 1,55 1,15 1,01 0,63 0,99
set 0,74 0,07 0,01 (0,66) 0,91 0,27 0,32 0,76 0,84 0,21
out 1,48 0,58 0,22 0,02 1,13 0,01 0,74 1,28 0,63 0,62
nov 1,17 0,34 0,53 (0,44) 1,48 (0,05) 0,61 2,65 0,27 0,56
dez 1,21 0,17 0,57 (0,12) 0,49 0,26 0,25 1,83 0,42 0,67
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,099) Lag 4 (0,115) Lag 5 (0,100) Lag 6 (0,034) Lag 12 (0,272)
Máximo (0,034) Mínimo (0,272)
Melhor correlação (absoluta) (0,272) Lag da melhor correlação 12
Comentário: Fonte: Para jan. 1939 - jun. 1994: Rizzieri, Juarez Alexandre B. e Heron C. E. do Carmo. Retrospectiva histórica e metodológica do IPC-FIPE. São Paulo: Fundação Instituto de Pesquisas Econômicas, 1995. Obs.: O Índice de Preços ao Consumidor do Município de São Paulo (IPC-FIPE) é o mais tradicional indicador da evolução do custo de vida das famílias paulistanas e um dos mais antigos do Brasil. Começou a ser calculado em jan. 1939 pela Divisão de Estatística e Documentação da Prefeitura do Município de São Paulo. Em 1968, a responsabilidade do cálculo foi transferida para o Instituto de Pesquisas Econômicas (IPE) da USP; e em 1973, com a criação da FIPE, para esta instituição.
(2,00)
(1,00)
-
1,00
2,00
3,00
4,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
INFLAÇÃO: IPC - FIPE
(0,300)(0,250)(0,200)(0,150)(0,100)(0,050)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - ipc-fipe
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 109
INFLAÇÃO: IGP-DI Periodicidade: Mensal
Fonte: Fundação Getúlio Vargas, Conjuntura Econômica (FGV/Conj. Econômica)
Unidade: (% a.m.)
Atualizado em: 08 de junho de 2005 IPEADATA
Inflação - IGP-DI
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 1,36 1,79 1,58 0,88 1,15 1,02 0,49 0,19 2,17 0,80 0,33
fev 1,15 0,76 0,42 0,02 4,44 0,19 0,34 0,18 1,59 1,08 0,40
mar 1,81 0,22 1,16 0,23 1,98 0,18 0,80 0,11 1,66 0,93 0,99
abr 2,30 0,70 0,59 (0,13) 0,03 0,13 1,13 0,70 0,41 1,15 0,51
mai 0,40 1,68 0,30 0,23 (0,34) 0,67 0,44 1,11 (0,67) 1,46 (0,25)
jun 2,62 1,22 0,70 0,28 1,02 0,93 1,46 1,74 (0,70) 1,29
jul 2,24 1,09 0,09 (0,38) 1,59 2,26 1,62 2,05 (0,20) 1,14
ago 1,29 - (0,04) (0,17) 1,45 1,82 0,90 2,36 0,62 1,31
set (1,08) 0,13 0,59 (0,02) 1,47 0,69 0,38 2,64 1,05 0,48
out 0,23 0,22 0,34 (0,03) 1,89 0,37 1,45 4,21 0,44 0,53
nov 1,33 0,28 0,83 (0,18) 2,53 0,39 0,76 5,84 0,48 0,82
dez 0,27 0,88 0,69 0,98 1,23 0,76 0,18 2,70 0,60 0,52
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,322) Lag 4 (0,234) Lag 5 (0,148) Lag 6 (0,070) Lag 12 (0,090)
Máximo (0,070) Mínimo (0,322)
Melhor correlação (absoluta) (0,322) Lag da melhor correlação 3
Comentário: Índice Geral de Preços - Disponibilidade Interna (IGP-DI). Obs.: Compreende o período entre o primeiro e o último dia do mês de referência. Reflete a evolução dos preços captada pelo Índice de Preços por Atacado (IPA), Índice de Preços ao Consumidor (IPC-FGV) e Índice Nacional de Preços da Construção Civil (INCC).
(2,00)
(1,00)
-
1,00
2,00
3,00
4,00
5,00
6,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
INFLAÇÃO: IGP-DI
(0,350)(0,300)(0,250)(0,200)(0,150)(0,100)(0,050)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - igp-di
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 110
INFLAÇÃO: IGP-M Periodicidade: Mensal
Fonte: Fundação Getúlio Vargas, Conjuntura Econômica (FGV/Conj. Econômica)
Unidade: (% a.m.)
Atualizado em: 31 de maio de 2005 IPEADATA
Inflação - IGP-M
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 0,92 1,73 1,77 0,96 0,84 1,24 0,62 0,36 2,33 0,88 0,39
fev 1,39 0,97 0,43 0,18 3,61 0,35 0,23 0,06 2,28 0,69 0,30
mar 1,12 0,40 1,15 0,19 2,83 0,15 0,56 0,09 1,53 1,13 0,85
abr 2,10 0,32 0,68 0,13 0,71 0,23 1,00 0,56 0,92 1,21 0,86
mai 0,58 1,55 0,21 0,14 (0,29) 0,31 0,86 0,83 (0,26) 1,31 (0,22)
jun 2,46 1,02 0,74 0,38 0,36 0,85 0,98 1,54 (1,00) 1,38
jul 1,82 1,35 0,09 (0,17) 1,55 1,57 1,48 1,95 (0,42) 1,31
ago 2,20 0,28 0,09 (0,16) 1,56 2,39 1,38 2,32 0,38 1,22
set (0,71) 0,10 0,48 (0,08) 1,45 1,16 0,31 2,40 1,18 0,69
out 0,52 0,19 0,37 0,08 1,70 0,38 1,18 3,87 0,38 0,39
nov 1,20 0,20 0,64 (0,32) 2,39 0,29 1,10 5,19 0,49 0,82
dez 0,71 0,73 0,84 0,45 1,81 0,63 0,22 3,75 0,61 0,74
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,302) Lag 4 (0,230) Lag 5 (0,144) Lag 6 (0,026) Lag 12 (0,130)
Máximo (0,026) Mínimo (0,302)
Melhor correlação (absoluta) (0,302) Lag da melhor correlação 3
Comentário: Índice Geral de Preços - Mercado (IGP-M). Obs.: Compreende o período entre os dias 20 do mês de referência e 21 do mês anterior. Registra o ritmo evolutivo de preços como medida síntese da inflação nacional. É composto pela média ponderada do Índice de Preços por Atacado (IPA) (60%), Índice de Preços ao Consumidor (IPC-FGV) (30%) e Índice Nacional de Preços da Construção Civil (INCC) (10%).
(2,00)
(1,00)
-
1,00
2,00
3,00
4,00
5,00
6,00
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
INFLAÇÃO: IGP-M
(0,350)(0,300)(0,250)(0,200)(0,150)(0,100)(0,050)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - igp-m
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 111
PRODUÇÃO DE CIMENTO Periodicidade: Mensal
Fonte: Sindicato Nacional da Indústria do Cimento (SNIC)
Unidade: Toneladas (mil)
Comentário: Quadro: Produção de cimento por estados, regiões e Brasil. In: http://www.snic.com.br .
Atualizado em: 13 de junho de 2005 IPEADATA
Produção - cimento
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 2.140,5 2.469,8 2.719,3 3.151,5 3.187,7 2.993,8 3.093,1 2.867,4 2.674,8 2.663,3 2.808,5
fev 1.926,0 2.371,8 2.699,6 2.766,7 2.941,9 3.124,0 2.958,9 2.777,9 2.661,3 2.411,0 2.545,1
mar 2.279,1 2.720,4 3.087,3 3.294,5 3.413,9 3.178,9 3.326,1 3.175,9 2.821,6 2.867,1 2.931,6
abr 2.139,5 2.592,3 2.921,2 3.147,3 3.183,1 3.238,6 3.010,0 3.156,7 2.595,3 2.622,0 2.864,8
mai 2.318,0 2.975,5 3.160,3 3.326,1 3.452,3 3.297,7 3.363,9 3.165,5 2.928,0 2.885,5
jun 2.366,2 2.916,6 2.920,7 3.159,5 3.186,5 3.282,1 3.051,6 3.002,4 2.697,9 2.858,2
jul 2.442,8 3.095,0 3.344,0 3.456,4 3.360,8 3.453,1 3.320,5 3.191,0 3.031,6 3.069,2
ago 2.454,0 3.161,0 3.504,1 3.552,1 3.514,8 3.478,8 3.609,8 3.411,2 2.974,6 3.116,3
set 2.527,1 3.043,9 3.527,2 3.508,7 3.496,4 3.328,4 3.334,2 3.293,0 2.879,6 3.053,8
out 2.530,7 3.094,8 3.510,2 3.521,3 3.640,9 3.384,2 3.320,2 3.529,0 3.073,6 3.003,8
nov 2.489,0 3.120,6 3.388,5 3.465,6 3.376,3 3.391,2 3.350,9 3.410,9 2.981,8 2.872,5
dez 2.621,2 3.023,8 3.324,6 3.439,7 3.452,8 3.407,8 3.187,7 3.046,6 2.690,0 2.990,6
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 0,151 Lag 4 0,228 Lag 5 0,340 Lag 6 0,546 Lag 12 0,404
Máximo 0,546 Mínimo 0,151
Melhor correlação (absoluta) 0,546 Lag da melhor correlação 6
1.800
2.000
2.200
2.400
2.600
2.800
3.000
3.200
3.400
3.600
3.800
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
PRODUÇÃO DE CIMENTO
-0,1000,2000,3000,4000,5000,600
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - cimento
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 112
PRODUÇÃO INDUSTRIAL DE ALIMENTOS: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100) Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Pesquisa Industrial Mensal - Produção Física - nova metodologia (IBGE/PIM-PF)
Unidade: % (média 2002 = 100)
Atualizado em: 07 de junho de 2005 IPEADATA
Produção industrial - alimentos - quantum - índice (média 2002 = 100)
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 73,42 85,15 79,91 78,14 75,99 77,11 90,21 85,15 86,71 85,61 90,14
fev 64,98 72,05 67,76 70,92 68,96 76,74 75,30 78,53 78,89 80,30 81,26
mar 78,91 77,45 76,44 78,41 82,53 82,67 85,97 83,59 83,34 91,05 90,93
abr 68,93 76,51 80,82 78,81 80,72 78,21 79,31 88,83 85,07 87,05 92,25
mai 80,29 88,86 86,09 86,52 97,49 89,26 93,45 97,79 98,41 99,16
jun 84,45 88,83 90,18 96,54 99,99 96,96 99,52 102,87 99,58 105,98
jul 91,73 102,60 102,15 108,20 105,17 101,91 110,55 115,79 111,34 113,60
ago 96,83 104,43 105,03 106,82 114,15 107,15 114,47 118,31 114,39 119,40
set 93,29 97,54 108,38 104,68 110,49 99,63 106,25 112,52 116,63 121,58
out 100,88 103,87 110,26 104,10 110,23 107,59 115,67 121,97 118,23 116,67
nov 97,99 93,56 93,33 100,88 100,55 100,74 106,83 103,68 101,11 112,05
dez 88,77 84,52 85,69 86,21 88,61 93,37 87,72 90,91 89,10 99,13
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,511) Lag 4 (0,369) Lag 5 (0,233) Lag 6 (0,016) Lag 12 (0,184)
Máximo (0,016) Mínimo (0,511)
Melhor correlação (absoluta) (0,511) Lag da melhor correlação 3
Comentário: A partir de abril de 2004, tem início a divulgação da nova série de índices mensais da produção industrial, elaborados com base na Pesquisa Industrial Mensal de Produção Física (PIM-PF) reformulada.
60
70
80
90
100
110
120
130
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
PRODUÇÃO INDUSTRIAL DE ALIMENTOS: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100)
(0,600)(0,500)(0,400)(0,300)(0,200)(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - prod ind alim
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 113
PRODUÇÃO INDUSTRIAL DE BENS DE CONSUMO: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100) Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Pesquisa Industrial Mensal - Produção Física (IBGE/PIM-PF)
Unidade: % (média 2002 = 100)
Atualizado em: 07 de junho de 2005 IPEADATA
Produção industrial - bens de consumo - quantum - índice (média 2002 = 100)
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 88,39 89,88 94,26 83,23 79,05 81,11 89,95 91,04 90,51 92,85 100,53
fev 83,39 83,33 84,37 80,69 74,06 87,47 84,96 86,64 88,20 86,57 93,72
mar 98,70 92,33 94,15 95,15 92,06 91,63 97,62 95,39 89,60 103,72 107,99
abr 86,60 90,63 100,52 91,29 88,15 85,80 91,04 99,37 90,47 96,50 106,69
mai 94,29 102,34 100,17 98,44 93,49 96,68 101,91 97,55 94,48 100,09
jun 95,14 96,27 103,57 99,23 94,87 97,64 95,82 91,57 89,68 100,26
jul 96,70 112,66 109,01 106,11 99,54 101,49 101,35 101,92 96,49 104,79
ago 106,73 114,13 109,97 105,22 104,65 109,30 108,31 105,78 98,49 110,43
set 100,43 109,74 116,20 106,35 105,15 101,56 101,27 104,49 106,22 114,33
out 105,34 116,76 121,19 105,71 105,20 111,03 108,76 118,24 114,25 116,13
nov 105,95 112,28 106,87 102,83 103,45 108,40 110,13 111,66 109,63 119,12
dez 91,38 93,77 87,85 87,09 88,81 96,02 90,55 96,31 99,96 108,86
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,452) Lag 4 (0,186) Lag 5 0,040 Lag 6 0,277 Lag 12 (0,013)
Máximo 0,277 Mínimo (0,452)
Melhor correlação (absoluta) (0,452) Lag da melhor correlação 3
Comentário: A partir de abril de 2004, tem início a divulgação da nova série de índices mensais da produção industrial, elaborados com base na Pesquisa Industrial Mensal de Produção Física (PIM-PF) reformulada.
70
80
90
100
110
120
130
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
PRODUÇÃO INDUSTRIAL DE BENS DE CONSUMO: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100)
(0,600)
(0,400)
(0,200)-
0,200
0,400
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - prod ind bens cons
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 114
Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Pesquisa Industrial Mensal - Produção Física (IBGE/PIM-PF)
Unidade: % (média 2002 = 100)
Atualizado em: 07 de junho de 2005 IPEADATA
Produção industrial - bens de consumo duráveis - quantum - índice (média 2002 = 100)
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 76,68 83,41 104,28 71,51 66,53 73,03 88,52 85,07 92,39 106,12 109,65
fev 84,29 85,93 95,57 74,42 59,12 88,50 91,89 83,25 94,64 97,90 117,66
mar 102,80 100,79 109,09 96,90 80,48 89,27 109,48 100,89 88,68 127,77 144,27
abr 89,91 100,07 120,69 96,14 76,82 88,83 99,78 111,57 98,86 121,52 143,13
mai 108,04 110,92 114,06 103,77 79,07 99,92 113,09 101,61 99,27 122,56
jun 96,46 93,96 113,41 95,30 77,62 95,34 92,98 88,74 89,99 122,22
jul 87,08 115,11 109,07 88,46 78,08 95,80 89,39 99,32 97,38 123,10
ago 108,12 118,79 112,02 92,73 90,72 109,05 92,93 96,90 98,00 133,43
set 94,83 115,60 125,11 97,22 93,57 96,80 86,85 103,95 116,91 137,53
out 101,49 124,76 128,17 86,76 89,57 107,59 98,92 120,81 129,02 140,63
nov 105,11 123,03 106,12 83,51 92,91 110,77 102,96 117,32 127,32 152,02
dez 81,40 91,27 70,21 65,11 69,66 97,70 78,91 90,51 103,08 120,62
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,582) Lag 4 (0,376) Lag 5 (0,177) Lag 6 (0,046) Lag 12 0,118
Máximo 0,118 Mínimo (0,582)
Melhor correlação (absoluta) (0,582) Lag da melhor correlação 3
PRODUÇÃO INDUSTRIAL DE BENS DE CONSUMO DURÁVEIS: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100)
Comentário: A partir de abril de 2004, tem início a divulgação da nova série de índices mensais da produção industrial, elaborados com base na Pesquisa Industrial Mensal de Produção Física (PIM-PF) reformulada.
50
60
70
80
90
100
110
120
130
140
150
160
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
PRODUÇÃO INDUSTRIAL DE BENS DE CONSUMO DURÁVEIS: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100)
(0,800)
(0,600)
(0,400)(0,200)
-
0,200
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - prod ind bens cons dur
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 115
Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Pesquisa Industrial Mensal - Produção Física (IBGE/PIM-PF)
Unidade: % (média 2002 = 100)
Atualizado em: 07 de junho de 2005 IPEADATA
Produção industrial - bens de consumo não duráveis - quantum - índice (média 2002 = 100)
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 91,29 91,31 91,04 86,17 82,23 83,03 89,95 92,30 90,11 90,03 98,60
fev 82,77 82,23 80,85 82,09 77,94 86,80 82,64 87,36 86,83 84,16 88,64
mar 97,12 89,55 89,54 94,25 94,91 91,88 93,87 94,22 89,80 98,61 100,29
abr 85,29 87,57 94,41 89,53 90,95 84,56 88,18 96,78 88,69 91,18 98,95
mai 90,01 99,49 95,82 96,51 97,13 95,34 98,32 96,68 93,46 95,31
jun 94,36 96,49 100,34 99,90 99,31 97,85 96,19 92,17 89,61 95,59
jul 98,98 111,47 108,50 110,61 105,14 102,64 104,27 102,47 96,30 100,90
ago 105,87 112,31 108,91 108,27 108,11 108,90 112,16 107,67 98,60 105,55
set 101,56 107,60 113,18 108,45 107,94 102,45 104,88 104,60 103,95 109,40
out 105,96 113,99 118,69 110,57 109,13 111,50 111,05 117,69 111,11 110,93
nov 105,73 108,76 106,61 107,81 105,96 107,25 111,66 110,46 105,87 112,13
dez 93,78 94,06 92,43 92,88 93,80 95,14 93,43 97,54 99,30 106,37
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,346) Lag 4 (0,106) Lag 5 0,085 Lag 6 0,318 Lag 12 (0,075)
Máximo 0,318 Mínimo (0,346)
Melhor correlação (absoluta) (0,346) Lag da melhor correlação 3
PRODUÇÃO INDUSTRIAL DE BENS DE CONSUMO NÃO-DURÁVEIS: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100)
Comentário: A partir de abril de 2004, tem início a divulgação da nova série de índices mensais da produção industrial, elaborados com base na Pesquisa Industrial Mensal de Produção Física (PIM-PF) reformulada.
75
80
85
90
95
100
105
110
115
120
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
PRODUÇÃO INDUSTRIAL DE BENS DE CONSUMO NÃO-DURÁVEIS: ÍNDICE DE QUANTUM (MÉDIA 2002 = 100)
(0,400)
(0,200)
-
0,200
0,400
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - prod ind bens cons n-dur
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 116
UTILIZAÇÃO DA CAPACIDADE INSTALADA NA INDÚSTRIA Periodicidade: Mensal
Fonte: Confederação Nacional da Indústria, Indicadores Industriais (CNI)
Unidade: (%)
Comentário: Nível de utilização da capacidade instalada.
Atualizado em: 06 de junho de 2005 IPEADATA
Utilização da capacidade instalada -indústria
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 79,455 75,605 77,937 77,403 73,818 78,420 80,355 78,676 79,322 79,479 81,166
fev 78,611 76,421 76,733 77,371 74,952 80,269 80,427 79,074 79,196 79,642 81,275
mar 81,398 77,936 78,271 78,841 77,963 80,440 81,878 80,746 80,137 82,492 82,997
abr 78,135 77,106 78,979 78,270 77,790 79,836 81,058 81,495 79,743 81,663 81,921
mai 78,983 78,376 79,062 79,324 80,203 80,902 81,802 81,128 80,379 82,832
jun 77,739 77,525 78,926 78,983 78,668 80,448 80,315 80,070 78,983 83,207
jul 76,933 78,837 79,597 79,511 78,405 80,940 80,221 81,101 79,276 83,779
ago 77,641 79,139 79,241 79,491 78,973 81,844 80,393 81,651 79,582 84,107
set 76,529 79,371 80,260 79,295 79,098 81,212 79,925 81,365 80,642 84,071
out 77,867 79,923 80,232 78,820 79,776 81,959 80,383 82,488 81,267 84,393
nov 77,675 80,026 79,448 77,777 80,282 82,197 79,936 81,380 80,260 83,788
dez 75,597 77,964 75,657 73,662 78,642 79,949 76,918 78,573 78,712 81,610
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,448) Lag 4 (0,323) Lag 5 (0,136) Lag 6 0,101 Lag 12 0,625
Máximo 0,625 Mínimo (0,448)
Melhor correlação (absoluta) 0,625 Lag da melhor correlação 12
73
75
77
79
81
83
85
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
UTILIZAÇÃO DA CAPACIDADE INSTALADA NA INDÚSTRIA
(0,600)(0,400)(0,200)
-0,2000,4000,6000,800
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - utiliz cap inst ind
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 117
VENDAS NOMINAIS NO VAREJO - ÍNDICE (MÉDIA 2003 = 100) Periodicidade: Mensal
Fonte: Instituto Brasileiro de Geografia e Estatística, Pesquisa Mensal de Comércio (IBGE/PMC)
Unidade: % (média 2003 = 100)
Atualizado em: 14 de junho de 2005 IPEADATA
Vendas nominais - varejo - índice (jan 2003 = 100) - SP
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 69,89 75,68 79,36 90,79 100,16 113,14
fev 70,60 71,47 74,37 89,11 95,89 104,52
mar 73,83 80,82 85,85 93,78 104,36 120,20
abr 73,86 77,81 80,95 95,99 105,05 117,47
mai 76,76 80,85 86,79 100,02 111,13
jun 73,16 77,76 81,07 92,98 107,56
jul 77,46 79,01 85,51 97,56 113,76
ago 78,81 81,69 88,98 99,14 111,62
set 77,09 78,54 83,37 95,37 108,66
out 78,68 84,52 92,53 103,38 117,15
nov 80,22 83,68 94,67 103,78 116,19
dez 111,22 115,37 126,15 139,80 166,00
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,370) Lag 4 (0,304) Lag 5 (0,349) Lag 6 (0,360) Lag 12 (0,668)
Máximo (0,304) Mínimo (0,668)
Melhor correlação (absoluta) (0,668) Lag da melhor correlação 12
Comentário: Índice nominal de vendas no varejo. Síntese dos grupos de atividades selecionados, exceto o comércio de veículos, motocicletas, partes e peças.
60
80
100
120
140
160
180
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
VENDAS NOMINAIS NO VAREJO - ÍNDICE (MÉDIA 2003 = 100)
(0,800)
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - venda varejo
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 118
VENDAS NOMINAIS NA INDÚSTRIA NO ESTADO DE SÃO PAULO: ÍNDICE (JAN. 2003 = 100) Periodicidade: Mensal
Fonte: Federação e Centro das Indústrias do Estado de São Paulo, Levantamento de Conjuntura (Fiesp) Unidade: % (jan 2003 = 100)
Comentário: Estado de São Paulo (SP). Atualizado em: 02 de junho de 2005 IPEADATA
Vendas nominais - indústria - índice (jan 2003 = 100) - SP
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 26,65 28,36 33,79 35,23 35,36 47,99 63,27 71,80 100,00 117,21 152,43
fev 25,87 29,31 33,25 34,96 35,23 52,28 62,98 70,18 106,82 116,13 152,56
mar 32,59 31,64 36,61 41,61 44,56 55,76 75,89 76,07 109,34 144,00 177,58
abr 27,54 31,35 38,35 38,64 40,51 52,51 71,08 81,32 105,03 135,97 172,37
mai 30,84 33,89 37,36 40,33 42,72 59,37 79,66 80,89 109,05 144,48
jun 29,48 31,62 39,17 39,87 44,56 58,02 76,92 78,92 105,05 150,95
jul 28,24 34,96 41,01 40,62 44,76 60,09 78,98 87,90 110,78 153,02
ago 30,80 35,21 40,82 41,90 49,86 66,22 82,30 90,99 114,89 162,48
set 29,50 35,50 43,19 41,94 50,32 65,32 78,84 95,58 121,79 166,03
out 30,65 37,09 45,05 40,31 51,21 67,98 83,65 107,06 127,26 165,54
nov 30,59 35,98 38,72 38,31 53,14 67,59 80,75 103,25 121,27 171,83
dez 27,21 31,62 34,72 36,06 50,45 66,08 70,26 95,93 115,94 164,81
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,698) Lag 4 (0,664) Lag 5 (0,622) Lag 6 (0,566) Lag 12 (0,569)
Máximo (0,566) Mínimo (0,698)
Melhor correlação (absoluta) (0,698) Lag da melhor correlação 3
20
40
60
80
100
120
140
160
180
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
VENDAS NOMINAIS NA INDÚSTRIA NO ESTADO DE SÃO PAULO: ÍNDICE (JAN. 2003 = 100)
(0,800)
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - venda ind
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 119
CONSUMO DE ENERGIA ELÉTRICA NO SETOR RESIDÊNCIA (QUANTIDADE) Periodicidade: Mensal
Fonte: Eletrobrás
Unidade: GWh
Atualizado em: 29 de abril de 2005 IPEADATA
Consumo - energia elétrica - residência - qde.
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 5.220 5.850 6.522 7.157 7.194 7.224 7.357 5.771 6.785 6.774
fev 5.061 5.740 6.171 6.470 6.745 6.988 7.266 5.703 6.519 6.429
mar 5.325 5.836 6.016 6.633 6.842 7.043 7.423 5.818 6.619 6.600
abr 5.186 5.862 6.058 6.766 7.101 7.096 7.382 6.259 6.228 6.809
mai 5.230 5.685 6.046 6.593 5.587 6.912 6.948 6.215 6.353 6.487
jun 5.083 5.631 6.092 6.240 6.642 6.749 5.919 6.003 6.165 6.291
jul 5.185 5.570 5.964 6.335 6.609 6.726 5.076 5.820 6.057 6.293
ago 5.171 5.679 6.013 6.426 6.578 6.754 5.091 6.035 6.175 6.304
set 5.507 5.759 6.144 6.683 6.793 6.976 5.243 6.026 6.095 6.604
out 5.423 5.830 6.345 6.752 6.691 7.009 5.185 6.179 6.379 6.607
nov 5.629 5.826 6.408 6.646 6.715 7.103 5.391 6.449 6.383 6.631
dez 5.523 5.766 6.331 6.715 6.797 7.021 5.341 6.383 6.407 6.643
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 0,033 Lag 4 0,124 Lag 5 0,217 Lag 6 0,238 Lag 12 0,567
Máximo 0,567 Mínimo 0,033
Melhor correlação (absoluta) 0,567 Lag da melhor correlação 12
Comentário: Boletim SIESE - Quadro: Consumo comercial de energia elétrica - Brasil. A partir de novembro de 2003 os dados se referem ao de consumo do mercado de energia elétrica.
5.000
5.500
6.000
6.500
7.000
7.500
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
CONSUMO DE ENERGIA ELÉTRICA NO SETOR RESIDÊNCIA (QUANTIDADE)
-0,1000,2000,3000,4000,5000,600
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - en eletrica
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 120
CESTA BÁSICA NO MUNICÍPIO DE SÃO PAULO Periodicidade: Mensal
Fonte: Departamento Intersindical de Estatística e Estudos Sócio-Econômicos (Dieese)
Unidade: R$
Atualizado em: 08 de junho de 2005 IPEADATA
Cesta básica - município de São Paulo
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 86,81 92,57 92,18 100,01 104,86 112,22 123,36 129,21 162,79 171,03 172,87
fev 83,79 93,77 93,79 99,65 106,75 110,80 123,44 128,63 166,54 167,00 175,04
mar 88,66 91,65 101,12 101,97 106,28 115,13 124,76 129,89 174,59 166,96 175,87
abr 97,48 92,98 102,81 106,30 104,54 115,92 129,49 127,15 185,40 165,00 180,93
mai 92,61 96,18 97,71 112,14 105,05 111,78 129,78 129,26 175,95 168,68 188,63
jun 88,21 96,34 94,05 111,47 104,00 109,44 127,58 131,50 169,22 174,90
jul 87,55 97,99 91,70 105,08 103,03 111,43 125,68 134,64 162,15 173,95
ago 86,79 97,26 91,46 101,43 106,23 114,63 126,39 138,29 158,34 182,26
set 85,26 96,94 91,14 100,53 108,17 119,47 125,01 140,45 161,45 178,37
out 87,50 96,35 94,00 102,49 111,11 122,61 125,00 142,12 162,58 177,14
nov 89,04 94,56 94,81 101,76 111,91 121,61 127,28 154,74 163,54 171,06
dez 91,52 92,64 98,32 102,09 111,96 119,54 128,60 158,73 164,79 172,20
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,602) Lag 4 (0,589) Lag 5 (0,565) Lag 6 (0,574) Lag 12 (0,542)
Máximo (0,542) Mínimo (0,602)
Melhor correlação (absoluta) (0,602) Lag da melhor correlação 3
Comentário: Fonte: http://www.dieese.org.br - Quadro: Pesquisa nacional da cesta básica - custo e variação da cesta básica em dezesseis capitais - Brasil. Obs.: De março a dez. 1964, o DIEESE não divulgou o custo da cesta básica na cidade de São Paulo.
80
90
100
110
120
130
140
150
160
170
180
190
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
CESTA BÁSICA NO MUNICÍPIO DE SÃO PAULO
(0,620)(0,600)(0,580)(0,560)(0,540)(0,520)(0,500)
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - cesta basica
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 121
CHEQUES SEM FUNDO Periodicidade: Mensal
Fonte: Serasa
Unidade: (%)
Comentário: Segunda devolução em cada 1.000 cheques compensados.
Atualizado em: 31 de maio de 2005 IPEADATA
Cheques sem fundo
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 2,5 3,8 5,3 9,7 9,5 9,4 10,7 14,5 14,3 15,6 15,3
fev 2,6 3,7 6,0 9,3 9,5 9,8 11,6 13,6 14,3 16,0 15,8
mar 3,5 4,8 6,0 10,6 10,2 11,1 13,9 16,2 16,7 17,2 20,8
abr 3,2 3,4 7,2 10,8 9,4 10,3 12,2 14,5 16,2 15,9 19,0
mai 4,6 4,5 7,0 10,7 8,7 10,3 14,1 14,9 17,6 16,4
jun 5,2 3,6 6,8 8,3 9,1 9,4 12,6 13,7 15,3 14,6
jul 4,8 4,1 7,3 10,8 9,2 9,7 13,7 13,8 16,8 15,6
ago 4,0 4,1 8,4 8,2 9,0 9,8 14,1 12,7 15,5 14,6
set 4,2 3,9 6,9 8,6 8,4 9,3 13,7 12,0 14,7 15,2
out 3,5 4,2 9,3 9,0 9,4 10,9 14,3 12,8 15,9 17,0
nov 4,1 4,5 7,2 8,6 8,9 10,9 14,1 12,4 15,4 16,3
dez 3,9 3,8 7,4 7,6 8,9 10,2 13,6 11,9 13,9 15,8
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,381) Lag 4 (0,421) Lag 5 (0,517) Lag 6 (0,532) Lag 12 (0,534)
Máximo (0,381) Mínimo (0,534)
Melhor correlação (absoluta) (0,534) Lag da melhor correlação 12
-
3,0
6,0
9,0
12,0
15,0
18,0
21,0
1995
01
1995
04
1995
07
1995
10
1996
01
1996
04
1996
07
1996
10
1997
01
1997
04
1997
07
1997
10
1998
01
1998
04
1998
07
1998
10
1999
01
1999
04
1999
07
1999
10
2000
01
2000
04
2000
07
2000
10
2001
01
2001
04
2001
07
2001
10
2002
01
2002
04
2002
07
2002
10
2003
01
2003
04
2003
07
2003
10
2004
01
2004
04
2004
07
2004
10
2005
01
2005
04
CHEQUES SEM FUNDO
(0,600)(0,500)(0,400)(0,300)(0,200)(0,100)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - serasa
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 122
2050 - OPERAÇÕES DE CRÉDITO TOTAIS DO SISTEMA FINANCEIRO - A PESSOAS FÍSICAS Periodicidade: Mensal
Fonte: BCB-DEPEC Unidade: R$
Comentário: site BaCenSéries selecionadas
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 15.857 15.877 23.857 33.934 34.789 40.803 63.750 78.601 82.403 95.655 129.651
fev 15.327 16.488 24.997 34.605 34.479 42.557 65.361 78.923 82.941 97.564 133.007
mar 16.120 15.820 25.857 34.597 34.427 43.368 67.997 79.774 83.971 100.048 137.812
abr 16.295 15.865 26.832 35.098 34.050 43.907 76.040 82.324 85.114 102.465 141.881
mai 16.584 16.301 27.469 35.414 34.510 48.358 77.710 83.283 86.162 104.979 147.252
jun 16.333 16.074 28.870 34.848 35.734 49.781 72.696 83.129 87.080 107.213
jul 16.494 17.120 29.868 35.230 36.259 50.880 73.353 83.034 86.886 109.959
ago 16.040 17.792 32.443 35.626 37.290 53.173 74.374 83.081 87.773 113.447
set 16.026 19.102 33.794 35.431 37.936 54.527 75.054 83.506 90.183 116.432
out 16.028 19.829 34.499 34.918 39.217 56.503 76.447 84.435 91.468 119.256
nov 15.847 21.269 34.240 34.320 39.457 58.815 77.629 82.240 92.801 122.252
dez 15.449 22.427 33.724 34.594 39.751 61.039 77.689 81.943 94.431 125.691
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,659) Lag 4 (0,665) Lag 5 (0,666) Lag 6 (0,674) Lag 12 (0,694)
Máximo (0,659) Mínimo (0,694)
Melhor correlação (absoluta) (0,694) Lag da melhor correlação 12
15.000
30.000
45.000
60.000
75.000
90.000
105.000
120.000
135.000
150.000
jan/
95
jul/9
5
jan/
96
jul/9
6
jan/
97
jul/9
7
jan/
98
jul/9
8
jan/
99
jul/9
9
jan/
00
jul/0
0
jan/
01
jul/0
1
jan/
02
jul/0
2
jan/
03
jul/0
3
jan/
04
jul/0
4
jan/
05
mês
Ope
raçõ
es d
e cr
édito
Tot
ais
do S
iste
ma
Fin
ance
iro -
a
Pes
soa
Fís
ica
(R$
MM
)
2050 - OPERAÇÕES DE CRÉDITO TOTAIS DO SISTEMA FINANCEIRO - A PESSOAS FÍSICAS
(0,700)(0,690)(0,680)(0,670)(0,660)(0,650)(0,640)
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - cred tot pess fis
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 123
Periodicidade: Mensal
Fonte: BCB-DEPEC Unidade: R$
Comentário: site BaCen (www.bacen.gov.br) / séries temporaisSéries selecionadas
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 4.088 4.454 6.019 7.267 6.537 9.171 12.635 13.581 14.735 17.602 22.902
fev 4.076 5.111 6.269 7.578 6.385 9.707 13.005 13.982 15.025 18.192 23.513
mar 4.459 4.533 6.634 7.364 6.655 9.873 13.666 14.343 15.379 18.923 24.371
abr 4.609 4.617 6.933 7.353 6.596 10.222 19.140 14.688 15.570 19.503 25.066
mai 4.634 4.622 7.161 7.359 6.663 11.943 19.279 15.274 15.920 20.002 25.707
jun 4.614 4.577 7.311 7.353 7.636 12.258 11.353 15.144 16.072 20.535
jul 4.479 4.697 7.462 7.306 7.731 12.054 11.513 15.039 15.931 20.726
ago 4.441 4.841 7.472 7.473 7.777 12.846 11.871 14.729 16.245 21.356
set 4.393 5.060 7.630 7.351 8.061 13.158 12.247 14.934 16.717 21.579
out 4.476 5.261 7.767 7.291 8.276 13.495 12.614 15.245 17.076 21.181
nov 4.456 5.320 7.632 7.156 8.606 12.229 12.813 14.493 17.166 21.646
dez 4.186 5.506 7.397 6.972 8.777 12.409 13.466 14.690 17.238 21.642
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,565) Lag 4 (0,542) Lag 5 (0,486) Lag 6 (0,453) Lag 12 (0,356)
Máximo (0,356) Mínimo (0,565)
Melhor correlação (absoluta) (0,565) Lag da melhor correlação 3
1978 - OPERAÇÕES DE CRÉDITO DO SISTEMA FINANCEIRO PÚBLICO (RISCO NORMAL) - A PESSOAS FÍSICAS
4.000
7.000
10.000
13.000
16.000
19.000
22.000
25.000
jan/
95
abr/
95
jul/9
5
out/9
5
jan/
96
abr/
96
jul/9
6
out/9
6
jan/
97
abr/
97
jul/9
7
out/9
7
jan/
98
abr/
98
jul/9
8
out/9
8
jan/
99
abr/
99
jul/9
9
out/9
9
jan/
00
abr/
00
jul/0
0
out/0
0
jan/
01
abr/
01
jul/0
1
out/0
1
jan/
02
abr/
02
jul/0
2
out/0
2
jan/
03
abr/
03
jul/0
3
out/0
3
jan/
04
abr/
04
jul/0
4
out/0
4
jan/
05
abr/
05
1978 - OPERAÇÕES DE CRÉDITO DO SISTEMA FINANCEIRO PÚBLICO (RISCO NORMAL) -
A PESSOAS FÍSICAS
(0,600)
(0,400)
(0,200)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - cred risco norm pess fis
APÊNDICE D - HISTÓRICO E CORRELOGRAMA DAS VARIÁVEIS 124
ÍNDICE DE CONFIANÇA DO CONSUMIDOR (ICC) Periodicidade: Mensal
Fonte: Federação do Comércio do Estado de São Paulo, Pesquisa Conjuntural do Comércio Varejista da Região Metropolitana de São Paulo (Fecomércio SP)
Unidade: -
Comentário: Este indicador avalia o grau de confiança que a população tem na situação geral do país e nas condições presentes e futuras de sua familia. Obs.: O ICC é a média do Índice de condições econômicas atuais e do Índice de expectativas.
Atualizado em: 30 de maio de 2005 IPEADATA
Índice de Confiança do Consumidor (ICC)
http://www.ipeadata.gov.br
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
jan 103,74 112,38 102,11 114,60 127,29 145,66
fev 110,44 119,79 104,33 110,09 126,68 147,31
mar 86,92 109,77 119,39 105,52 105,09 115,79 146,37
abr 80,26 103,46 114,48 106,12 107,72 109,31 141,96
mai 81,03 98,19 108,68 105,18 111,97 124,84 134,07
jun 89,18 98,29 87,86 92,24 117,95 117,67
jul 101,11 103,50 97,59 104,03 112,12 118,68
ago 104,70 102,26 96,52 98,27 112,18 121,26
set 104,92 98,70 101,90 107,78 109,77 128,81
out 103,61 102,39 92,77 103,09 106,87 142,53
nov 100,67 106,02 92,94 109,22 111,30 145,64
dez 99,77 106,51 96,14 114,70 118,92 141,07
Correlograma com Variável Dependente (Propensão ao Financiamento)
Lag 3 (0,277) Lag 4 (0,267) Lag 5 (0,294) Lag 6 (0,277) Lag 12 (0,096)
Máximo (0,096) Mínimo (0,294)
Melhor correlação (absoluta) (0,294) Lag da melhor correlação 5
80
90
100
110
120
130
140
150
1999
03
1999
06
1999
09
1999
12
2000
03
2000
06
2000
09
2000
12
2001
03
2001
06
2001
09
2001
12
2002
03
2002
06
2002
09
2002
12
2003
03
2003
06
2003
09
2003
12
2004
03
2004
06
2004
09
2004
12
2005
03
ÍNDICE DE CONFIANÇA DO CONSUMIDOR (ICC)
(0,350)(0,300)(0,250)(0,200)(0,150)(0,100)(0,050)
-
Lag 3 Lag 4 Lag 5 Lag 6 Lag 12
Cor
rela
ção
24/8/05 - 18:22 Monografia Marcio Guedes.xls - confianca
