Sobre o Reglab

Somos um centro de pesquisa privado especializado no setor de mídia e tecnologia, que auxilia empresas, associações e formuladores de políticas a tomarem decisões estratégicas baseadas em dados e evidências.

Saiba mais em www.reglab.com.br

Sobre a Série Policy Briefs

A Série Policy Briefs engloba estudos que avaliam tendências, políticas públicas existentes ou propostas legislativas, utilizando dados qualitativos e quantitativos para informar e orientar decisões.

Expediente

Diretor Executivo: Pedro Henrique Ramos

Diretora de Pesquisa: Marina Gonçalves Garrote

Autor(a)(es/as): João Ricardo Costa Filho e Thais Palanca

Diagramação Final: Larissa Camargo

Citação Sugerida: COSTA FILHO, J. R.; PALANCA, T. O impacto das instituições financeiras digitais na economia brasileira. Policy Briefs Reglab, n. 8. São Paulo: Reglab, 2026.

Sumário Executivo

Este estudo, produzido pelo Reglab, quantifica o impacto macroeconômico da expansão das Instituições Financeiras Digitais (IFDs) no Brasil entre 2016 e o primeiro trimestre de 2026. A mensuração é feita por meio de um modelo estrutural dinâmico de equilíbrio geral (DSGE), estimado com dados brasileiros e de exercícios contrafactuais que comparam a trajetória observada da economia com uma trajetória alternativa em que essa expansão não tivesse ocorrido.

O achado central é que, segundo o modelo, as IFDs foram responsáveis por um diferencial acumulado de pelo menos R$ 1,6 trilhão no PIB brasileiro (a preços de 2026) entre 2016 e 2026, equivalente ao PIB anual de países como o Chile ou a Colômbia. Sem essas instituições, o PIB do primeiro trimestre de 2026 seria cerca de 2,2% menor, em termos reais.

Os principais componentes desse diferencial:

• Consumo das famílias: R$ 982 bilhões de diferencial acumulado;

• Investimento agregado: cerca de 371 bilhões menor no cenário sem IFDs;

• Economia com juros no crédito livre: R$ 102 bilhões acumulados no período;

• Economia com tarifas bancárias: R$ 47 bilhões acumulados, beneficiando, inclusive, clientes que nunca migraram para uma IFD;

Os resultados indicam que marcos regulatórios pró-competição, como a redução de barreiras à entrada de novos players, à regulação proporcional, às portabilidades de crédito, dados e salários, o Pix e o sistema de Open Finance podem funcionar não só como incentivos de mercado mas também como instrumentos de política socioeconômica, com importantes efeitos macroeconômicos.

1. Introdução

Esse estilo de escrita é inspirado na metodologia de evidence translation (Ingold; Monaghan, 2016), e vem sendo aprimorado pelo Reglab ao longo de nossa trajetória. O objetivo é privilegiar o entendimento e a relevância prática dos achados, comprometendo o mínimo a credibilidade e tecnicidade do nosso trabalho.

1.1. Mercado financeiro, crescimento econômico e transformação digital

O sistema financeiro desempenha um papel importante no funcionamento da economia. Quando opera de forma eficiente, ele canaliza recursos de poupadores para famílias e empresas que necessitam de financiamento, viabilizando investimentos, consumo e expansão da atividade econômica. Para isso, é fundamental a existência de instituições capazes de avaliar riscos, selecionar projetos e reduzir custos de transação. Por essa razão, a literatura econômica frequentemente associa sistemas financeiros mais desenvolvidos a maiores níveis de crescimento econômico (King e Levine, 1993). A magnitude desse efeito varia não só conforme qualidade institucional, estrutura do sistema financeiro, nível de renda dos países e métodos empíricos utilizados (Levine, 1999; Iwasaki e Kočenda, 2023), como também essa relação pode ser não-linear (Arcand et al., 2015; Deidda e Fattouh, 2002), isto é, nem sempre um maior desenvolvimento do mercado financeiro resulta em aumento do crescimento econômico.

Quando os efeitos são positivos, isso ocorre por meio de mecanismos que reduzem fricções de informação e de transação, melhorando, assim, a alocação da poupança, o investimento e a inovação (Levine, 1999). Evidências empíricas indicam que tanto o crédito bancário quanto os mercados de capitais desempenham papel relevante; além disso, há estudos que apontam que esses segmentos são complementares, e não substitutos, embora o crédito frequentemente apresente a maior contribuição de longo prazo em estimativas com dados em painel (Durusu-Ciftci et al., 2017; Botev et al., 2019).

Embora a expansão das Instituições Financeiras Digitais (IFDs) tenha transformado estruturalmente o mercado de crédito brasileiro na última década, o impacto agregado sobre o PIB ainda é pouco explorado pela literatura empírica brasileira. Esta é uma lacuna que este estudo pretende reduzir.

Os serviços financeiros digitais viabilizados pelas IFDs podem ajudar a superar obstáculos frequentemente citados no acesso a serviços financeiros tradicionais, como custos, barreiras geográficas e assimetria de informações (Khera et. al., 2021). Três mecanismos principais explicam o potencial de reconfiguração da intermediação financeira:

• Eficiência operacional: ao eliminar gastos fixos com infraestrutura física e automatizar processos, as IFDs operam com uma estrutura de custos significativamente menor que a dos bancos incumbentes, o que se traduz em serviços oferecidos a preços mais baixos (Philippon, 2016) e com maior agilidade que o sistema tradicional (Fuster et al., 2019). Essa menor estrutura de custos torna economicamente viável a incorporação de segmentos populacionais anteriormente excluídos do sistema financeiro, cuja inclusão não era rentável sob o modelo de negócio dos bancos tradicionais.

• Ampliação do acesso: o uso de dados alternativos, como padrões de uso digital e histórico de transações, permite avaliar tomadores sem histórico formal de crédito, estendendo serviços financeiros a parcelas da população tradicionalmente excluídas do sistema (Berg et al., 2020; Jagtiani e Lemieux, 2018), inclusive em municípios historicamente desprovidos de agências bancárias físicas.

• Pressão competitiva: a entrada de IFDs em mercados com poucos concorrentes (como era o caso do Brasil) pode forçar os bancos tradicionais a reduzir margens, a comprimir spreads (diferença entre a taxa de empréstimo e de depósito) e investir em sua própria tecnologia e digitalização (Cornelli et al., 2023; Hodula, 2023). A consequente redução das taxas cobradas ao tomador final, associada à maior digitalização dos serviços, contribui para reduzir as barreiras de acesso ao sistema financeiro.

Esses mecanismos geram efeitos econômicos significativos. Khera et. al. (2021) documentam que maiores índices de inclusão financeira digital estão associados a maiores índices de crescimento em economias emergentes. Yang e Zhang (2022) argumentam que as IFDs são forças de mercado que contribuem para a inclusão financeira, ampliando o consumo das famílias na China e remodelando sua gestão financeira, com efeitos mais expressivos entre domicílios que tradicionalmente consumiam menos, estimulando a bancarização através dos incentivos e reduzindo desigualdades. Liu e Zhang (2020) encontram que o avanço da inclusão financeira digital contribui para o crescimento sustentável de pequenas e microempresas, especialmente em setores privados de alta tecnologia e mercados competitivos.

A magnitude dessa transformação é sistematicamente capturada pelas estatísticas oficiais internacionais. Segundo o Financial Access Survey do FMI (FMI, 2025), o número médio de transações digitais por adulto em economias emergentes e em desenvolvimento saltou de 55 em 2017 para 251 em 2024 – o Brasil, inclusive, é um dos cinco países que participaram do piloto de coleta de novos indicadores de fintech. Segmentos como buy now pay later movimentaram US$ 350 bilhões em 2024, e o financiamento fintech dirigido a micro e pequenas empresas na África Subsaariana passou de 13% para 88% do total do funding fintech entre 2020 e 2023.

IFDs também estão diretamente ligadas à inovação empresarial (Ding et. al, 2022) e à criação de empregos em firmas com restrições financeiras. Shi e Zhou (2025), analisando 3.277 empresas listadas chinesas entre 2011 e 2019 mostram que empresas com maiores restrições de financiamento contratam significativamente mais em cidades com maior desenvolvimento de IFDs, medido pelo Índice de Inclusão Financeira Digital da Universidade de Pequim (PKU-DFIIC), que combina amplitude de cobertura, profundidade de uso e nível de digitalização dos serviços por cidade. Um aumento de 1% no índice local de IFDs está associado a um crescimento adicional de 0,51% no emprego dessas empresas. O canal identificado é a intensificação da competição bancária: as IFDs pressionam bancos tradicionais a expandir crédito, o que alivia restrições de financiamento e permite investimento em trabalho, tecnologia e P&D. Ao aliviar restrições de financiamento e reduzir assimetrias de informação, as IFDs melhoram a produtividade total dos fatores, isto é, o quanto uma economia consegue produzir a mais com os mesmos recursos.

Figura 1: Como as IFDs reconfiguram a intermediação financeira.

RISCOS E RESSALVAS
Os benefícios das IFDs convivem com os riscos que a literatura recente vem mapeando. A evidência sobre esses riscos é heterogênea e depende do contexto institucional, do produto financeiro específico e do horizonte de análise. Discutimos aqui quatro dimensões relevantes, procurando registrar tanto os achados que apontam riscos quanto evidências na direção contrária.
Qualidade do crédito: a facilidade de acesso a crédito digital tem sido associada, em contextos como o mercado norte-americano, à maior propensão à inadimplência e ao superendividamento. Di Maggio e Yao (2021) documentam que tomadores de crédito de IFDs nos Estados Unidos apresentaram maior probabilidade de inadimplência do que os tomadores comparáveis dos bancos tradicionais. No segmento buy now pay later, deHaan (2024) mostram, com dados bancários de 10,6 milhões de consumidores, sinais consistentes com estresse financeiros subsequente ao uso do produto. A evidência brasileira, contudo, aponta em direção contrária: Martins et. al. (2025), com microdados de crédito do Banco Central do Brasil, encontram que a probabilidade de default em uma IFD é aproximadamente 20% inferior à observada em bancos tradicionais para o mesmo tomador. A discrepância entre a evidência internacional e a brasileira sugere que o risco de endividamento associado a IFDs não é intrínseco ao modelo digital, mas depende do desenho do produto, dos critérios de concessão de crédito e do ambiente regulatório.
Discriminação em modelos de crédito: modelos automatizados que usam machine learning para análise de crédito podem melhorar a avaliação de risco, mas também herdar vieses dos dados usados para treiná-los, reproduzindo desigualdades já existentes. Quando um grupo tem histórico bancário menor, o sistema pode classificá-lo como mais arriscado simplesmente por ter menos informação, e não porque essas pessoas realmente sejam mais propensas a não pagar. Bartlett et al. (2022) mostram que, no mercado imobiliário nos Estados Unidos, minorias raciais pagam taxas mais altas mesmo com perfil de risco parecido ao de não-minorias, embora essa diferença seja menor nas plataformas digitais. Achados semelhantes aparecem em Blattner e Nelson (2021) e Fuster et al. (2022).
Efeitos sobre a estabilidade financeira: a pressão competitiva das IFDs sobre os bancos incumbentes tende a beneficiar os consumidores. Argumentos teóricos clássicos, originalmente formulados por Keeley (1990) e Matutes e Vives (2000), e aplicados ao contexto digital por Vives (2019), apontam que a redução do valor de franquia (charter value) dos incumbentes poderia, em tese, incentivá-los a assumir mais risco para preservar rentabilidade. A evidência empírica sobre esse canal, contudo, é mista e não converge para um consenso: Cevik (2023) encontra, em painel de 198 países, associação entre expansão do crédito digital e piora em indicadores de estabilidade, especialmente em economias em desenvolvimento; já Daud et al. (2022), com dados de 63 países, encontram evidência de que as fintechs podem fortalecer a estabilidade do sistema financeiro.
Para o caso brasileiro especificamente, a evidência tende a relativizar essa preocupação. Xu (2026), o único estudo com identificação causal disponível para o Brasil, encontra efeito estatisticamente igual a zero da exposição à concorrência de fintechs sobre indicadores de assunção de risco dos bancos analisados. Além disso, o Financial Sector Assessment Program (FSAP) 2026 do FMI para o Brasil conclui que o setor financeiro permanece resiliente, com riscos sistêmicos contidos e bancos bem capitalizados, mesmo após anos de expansão acelerada das fintechs (International Monetary Fund, 2026).
Velocidade de corridas bancárias em ambientes digitais: pagamentos instantâneos e aplicativos bancários permitem retirar depósitos em segundos, o que altera a dinâmica clássica de corridas ao banco. O colapso do Silicon Valley Bank em 2023 é o exemplo mais estudado: Cipriani, Eisenbach e Kovner (2024) identificam que 22 bancos americanos sofreram corridas coordenadas via redes sociais naquele episódio, embora apenas dois tenham falido. Vale registrar, contudo, que a digitalização também produz efeitos opostos sobre a resiliência financeira agregada: Suri e Jack (2016) mostram, para o Quênia, que o acesso a mobile money aumentou causalmente a capacidade das famílias de absorver choques de renda, um mecanismo distinto e potencialmente compensatório em relação ao risco de corridas do lado dos passivos bancários.
Em conjunto, essa evidência sugere que a digitalização financeira não é uniformemente benéfica nem uniformemente arriscada. O impacto líquido depende de forma decisiva da qualidade do desenho regulatório, do produto financeiro considerado e do ambiente macroeconômico. Regras que preservem competição e promovam práticas de inovação, combinadas com monitoramento contínuo de endividamento, viés em decisões automatizadas e estabilidade sistêmica, são pré-condição para que os benefícios estimados neste estudo se sustentem no longo prazo.

1.3 As instituições financeiras digitais no Brasil

De acordo com o Banco Central do Brasil ([s.d.]), as IFDs são divididas em três tipos:

1. Instituições de Pagamento (IP), responsáveis pela emissão de cartões e maquininhas;

2. Sociedades de Crédito Direto (SCD), responsáveis por empréstimos e financiamentos online; e

3. Sociedades de Empréstimo entre Pessoas (SEP), que facilitam empréstimos interpessoais.

Cabe ressaltar que algumas das principais IFDs brasileiras operam atualmente sob licença de Banco Múltiplo (B2), e não como IFDs estritas, embora mantenham modelo de negócio original.

Quando este estudo se refere ao impacto das IFDs no sistema financeiro (Seção 2 em diante), a análise abrange tanto as IFDs estritas quanto os bancos digitais.

O Brasil possui um cenário especialmente interessante para o estudo do impacto macroeconômico das IFDs por ao menos três razões.

1. O sistema bancário brasileiro é historicamente concentrado, com poucos grandes bancos e spreads (isto é, a diferença da taxa de juros que o banco cobra ao emprestar dinheiro e a taxa que ele paga ao captar esse dinheiro) e custo do crédito entre os mais altos do mundo (Joaquim, Van Doornik e Ornelas, 2023);

2. O país conta, desde novembro de 2020, com o Pix (sistema público de pagamentos instantâneos operado pelo Banco Central do Brasil), que reduziu as barreiras à entrada de novas instituições financeiras ao setor (Duarte et al., 2022)

3. A adoção das IFDs pela população brasileira foi rápida e expressiva: a participação dessas instituições no ativo do sistema financeiro saltou de 0,6% em 2016 para 2,4% em 2026 (ou 6,1% em uma definição mais ampla), enquanto o Pix atingiu mais de 178 milhões de usuários únicos em menos de cinco anos (Banco Central do Brasil, 2025; Duarte et al., 2022). Isso produziu efeitos sobre a estrutura competitiva do setor, com queda nas margens líquidas, das taxas de juros e da rentabilidade dos bancos tradicionais (Xu, 2026), além da retração da rede de agências físicas (Mariani, Ornelas e Ricca, 2023).

Neste trabalho, estimamos o impacto das IFDs sobre a economia brasileira entre 2016 e 2026, usando um modelo macroeconômico que reproduz o funcionamento da economia do país. Avaliamos como as IFDs afetaram o PIB, o consumo, o investimento e o quanto famílias e empresas economizaram em tarifas e juros, separando o impacto em cinco canais por onde elas atuam: ofereceram mais crédito a famílias, deram às empresas uma alternativa aos bancos tradicionais, aumentaram a eficiência do sistema financeiro, pressionaram as instituições tradicionais a baixar suas margens e ampliaram a competição no setor. A Figura 2 ilustra os mecanismos pelos quais as IFDs impactam a economia.

Figura 2: Cinco canais de transmissão entre as IFDs e a macroeconomia.

Na Seção 5, complementamos a análise com um cálculo da contribuição das IFDs para o aumento do número de brasileiros com acesso a conta bancária, dimensão importante para o debate sobre o papel dessas instituições no Brasil.

1.4 Concentração bancária no Brasil

A entrada das IFDs reconfigurou a estrutura competitiva do sistema financeiro. Uma forma de dimensionar isso é pelo número de clientes e olhando não só para as IP, SCD e SEPs (definição estrita), mas também a partir de uma definição ampla, que inclui as Instituições de Pagamento de origem digital (excluindo aqui adquirentes controladas por bancos tradicionais) e bancos digitais que migraram para a licença bancária plena (uma lista completa das instituições se encontra no Anexo de Metodologia).

Figura 3: Ranking de Instituições financeiras por número de clientes (dados de 2025). Fonte: elaboração própria com base nos dados do BCB.

Outra forma de observar essas transformações consiste em verificar a mudança na participação de mercado das instituições financeiras. Com base no total de ativos (ou seja, a soma de tudo o que cada instituição financeira possui ou tem direito a receber, como dinheiro em caixa, títulos públicos e privados, empréstimos concedidos, imóveis, equipamentos e outros recursos).

Observa-se que em 2016, a participação era inferior a 0,6% em 2016. A divergência entre as métricas com base nas duas definições se acentuou a partir de 2018, quando os principais bancos digitais obtiveram autorização para operar como bancos múltiplos. No primeiro trimestre de 2026, a participação das IFDs no ativo total medida pela definição restrita atingiu 2,4%, ao passo que pela definição ampla, esse valor foi de 6,1% (usamos esta definição ampla em nosso modelo teórico).

Participação de mercado – Instituições Digitais – Ativo Total

Figura 4: Participação das IFDs no ativo total do sistema financeiro brasileiro (2000–2026). A área laranja representa a participação pela definição restrita, ao passo que a linha pontilhada considera a definição mais ampla. Fonte: elaboração própria com base nos dados do BCB IF.data (instituições financeiras digitais autorizadas pelo BCB).

Outras estatísticas corroboram com a hipótese de alteração na estrutura competitiva do sistema financeiro. A primeira é a medida padrão de concentração de mercado, o Índice Herfindahl-Hirschman (HHI), na qual são somados os valores da participação (ao quadrado) de cada conglomerado atuante no sistema financeiro brasileiro. Na Figura 5, ao considerarmos os ativos das instituições autorizadas pelo Banco Central do Brasil, dois momentos se destacam na trajetória do HHI desde o começo do ano 2000. Primeiro, o "salto" que ocorreu em 2008-2009, decorrente da fusão entre o Banco Itaú e o Unibanco. Depois, iniciou-se uma trajetória de queda a partir de 2017, junto ao movimento de expansão das IFDs. Em 2026, a concentração atingiu patamar próximo ao que vigorava antes da fusão mencionada.

HHI – Ativo Total

Figura 5: Índice de Herfindahl-Hirschman (HHI) do sistema financeiro brasileiro com base no ativo total (2000–2026) . Fonte: elaboração própria com base nos dados do BCB IF.data.

Será que esse movimento se verifica em outras esferas? Como se observa na Figura 5, as trajetórias de alta (2008-2009) e declínio (a partir de 2017) transcendem o ativo total, verificando-se igualmente na carteira de crédito (o total de empréstimos e financiamentos que a instituição concedeu a pessoas físicas e jurídicas e ainda não recebeu de volta); no passivo exigível (tudo o que a instituição deve a terceiros e terá de pagar, como os depósitos de clientes, dívidas emitidas no mercado, repasses governamentais e outras obrigações com prazo de vencimento); nas captações (subconjunto do passivo exigível formado especificamente pelos recursos que a instituição capta junto ao público e ao mercado para financiar suas operações de depósitos à vista, poupança e títulos de renda fixa como CDBs, LCIs, LCAs, entre outros); e no patrimônio líquido (o valor contábil que sobra para os acionistas após subtrair todas as dívidas do ativo total; representa o capital próprio da instituição).

HHI por variável financeira – 2000-2026

Figura 6: Índice de Hirschman-Herfindahl (HHI) do sistema financeiro brasileiro por variáveis financeiras (2000–2026) . Fonte: elaboração própria com base nos dados BCB IF.data.

A correlação entre a expansão das IFDs no Brasil e o comportamento das métricas de concentração corrobora as evidências internacionais sobre competição bancária e compressão de margens e taxas de juros (Hodula, 2023; Naceur et al, 2026; Bejar et al, 2022). Para o Brasil especificamente, além do trabalho já citado de Xu (2026), Ornelas e Pecora (2022) encontram que a competição bancária impulsionada pela entrada de plataformas digitais que conectam investidores com recursos diretamente a pequenas empresas que demandam estes recursos (as chamadas Peer-to-Peer ou P2P) gera ganhos de bem-estar social ao criar uma pressão para diminuição das taxas de juros.

Dada a literatura sobre os impactos das IFDs na economia e no sistema financeiro e em função da alteração que houve na estrutura competitiva no Brasil nos últimos dez anos, este estudo se propõe a responder a seguinte pergunta: qual foi o impacto macroeconômico das IFDs na economia brasileira entre 2016 e 2026?

Metodologia

2.1 Um modelo macroeconômico estrutural dinâmico

Para quantificar o impacto das IFDs, utilizamos um modelo DSGE (acrônimo em inglês para Dynamic Stochastic General Equilibrium; em tradução livre, Equilíbrio Geral Estocástico Dinâmico). Essa classe de modelos está entre as principais ferramentas analíticas dos bancos centrais, como, por exemplo, o Banco Central do Brasil, que utiliza o modelo SAMBA (Castro et al., 2011) para analisar política econômica e realizar simulações contrafactuais.

Um modelo DSGE é uma representação matemática da economia como um sistema interligado. Nele, convivem três grupos de agentes: famílias que trabalham, consomem, poupam e tomam empréstimos usando bens como imóveis como garantia; empresas que investem, contratam trabalhadores e produzem bens, financiando parte de seus investimentos com crédito bancário; e bancos que captam depósitos das famílias poupadoras, concedem empréstimos às famílias e empresas tomadoras, e cobram taxas de juros diferentes em cada ponta, gerando uma margem de intermediação. A política monetária, por sua vez, influencia as taxas de juros da economia e, por meio delas, as decisões de todos os demais agentes que tomam as suas decisões levando em conta os recursos de que dispõem e as restrições que enfrentam, não apenas no presente, mas também considerando as suas expectativas para o futuro.

O modelo que utilizamos foi baseado em Gerali et al. (2010), originalmente feito para a zona do euro. A partir dele, fizemos uma extensão e adaptamos para o Brasil. Assim como no trabalho original, consideramos que os bancos têm poder de mercado, ou seja, da mesma forma que uma empresa com poucos concorrentes consegue cobrar mais por seu produto, bancos em mercados concentrados conseguem cobrar juros mais altos nos empréstimos e pagar menos nos depósitos do que cobrariam em um mercado competitivo.

A vantagem central dessa abordagem é que, por especificar explicitamente como cada canal opera, ela permite realizar experimentos contrafactuais rigorosos, ou seja, podemos simular o que teria acontecido com a economia caso as IFDs não tivessem surgido.

Na ausência de um experimento natural ou de uma variação exógena que permita isolar o efeito das IFDs sobre a economia brasileira, modelos estruturais, como o utilizado neste trabalho, oferecem a alternativa metodológica mais robusta disponível para construir um cenário contrafactual, isto é, uma estimativa de como as principais variáveis macroeconômicas teriam evoluído na ausência da expansão das IFDs. Diferentemente de avaliações de política em nível microeconômico ou regional, nas quais é possível em diversas situações comparar grupos de tratamento e controle (municípios, empresas ou indivíduos expostos e não expostos à intervenção), a expansão das IFDs é um fenômeno de escala nacional e evolução gradual, sem um "Brasil de controle" que permita a comparação direta.

Cabe registrar que os resultados aqui apresentados referem-se à margem intensiva da atuação das IFDs: os ganhos para famílias e empresas que já participavam do sistema financeiro no momento em que essas instituições entraram no mercado. Uma dimensão complementar, a margem extensiva, ou seja, aquela que considera a inclusão de pessoas antes desbancarizadas ao sistema financeiro, é discutida separadamente na Seção 5, na qual oferecemos uma aproximação dos seus efeitos, ainda que com dados frágeis e cientes de que uma análise mais profunda demandaria dados adicionais para quantificação estrutural rigorosa.

2.2 Os cinco canais das IFDs

O ponto de partida é o modelo DSGE com setor bancário em competição monopolística, ou seja, um mercado em que há vários bancos concorrendo entre si, mas cada um detém algum poder para fixar suas próprias taxas, porque os clientes enfrentam custos ao trocar de banco e percebem as instituições como diferentes entre si. Isso permite que os bancos cobrem juros acima do seu custo efetivo de captação sem perder toda a sua carteira imediatamente. O modelo foi recalibrado com parâmetros brasileiros ajustando os valores que descrevem a economia, como a participação do capital na produção, o endividamento de famílias e empresas e, sobretudo, os spreads bancários, historicamente muito mais elevados no Brasil do que na Europa e estimado com dados trimestrais de 2012 a 2026, o que significa que seus parâmetros foram ajustados estatisticamente para que as trajetórias simuladas se aproximem ao máximo do que de fato ocorreu na economia brasileira nesse período.

O modelo foi estendido para capturar cinco canais específicos das IFDs:

• Canal 1 — Crédito pessoal não-colateralizado: famílias ganham acesso a uma segunda fonte de crédito baseada em renda, não em colateral, representando o cartão de crédito e o crédito pessoal digital.

• Canal 2 — Alternativa de crédito para empresas: as empresas passam a escolher entre crédito proveniente de instituições tradicionais e crédito das IFDs, migrando quando as IFDs oferecem condições mais vantajosas.

• Canal 3 — Ganhos de eficiência produtiva: a digitalização de pagamentos e de serviços financeiros reduz custos operacionais das empresas.

• Canal 4 — Pressão competitiva sobre margens (crédito empresarial): a margem do banco sobre o crédito empresarial torna-se endógena, ou seja, cai à medida que as IFDs ganham participação de mercado.

• Canal 5 — Pressão competitiva sobre margens (crédito pessoal): a margem do banco sobre o crédito às famílias também se torna endógena e cai à medida que as IFDs ganham participação no mercado de crédito pessoal. O mecanismo é o mesmo do Canal 4, ou seja, bancos tradicionais, pressionados pela concorrência das IFDs, reduzem gradualmente o markup cobrado nos empréstimos a pessoas físicas para não perder clientes.

Com base no modelo e nos canais elencados, podemos estimar o impacto sobre o PIB, sobre o consumo e o investimento agregado a partir de um exercício contrafactual: o que teria acontecido com a economia brasileira se as IFDs não tivessem aumentado a sua participação desde 2016?

A metodologia completa desse estudo está detalhada no Anexo.

3. Resultados

3.1. Impacto sobre o PIB, consumo e investimento e a economia com juros e taxas

Os impactos estimados das IFDs em números (2016-2026)

Indicador	Impacto acumulado estimado 2016/2026	Como ler esse número
Produto Interno Bruto	R$ 1,6 trilhão	Sem a expansão das IFDs, a economia brasileira teria produzido menos riqueza entre 2016 e 2026
Consumo das famílias	R$ 982 bilhões	Parte relevante do ganho aparece no consumo, indicando maior capacidade de gasto das famílias
Investimento agregado	R$ 371 bilhões	O investimento foi o indicador com maior diferença proporcional no início de 2026
Economia com Juros e Taxas	R$ 149 bilhões	Famílias e empresas pagaram menos em custos financeiros: R$ 47 bilhões em tarifas e R$ 102 bilhões em juros

Tabela 1 Impacto quantificado pelo modelo calibrado com dados brasileiros para o período entre 2016 e 2026.

O exercício contrafactual indica que a presença das IFDs está associada a um diferencial acumulado de aproximadamente R$1,6 trilhão no PIB, calculado como a soma das diferenças entre a trajetória observada e a trajetória simulada pelo modelo sem a presença dessas instituições digitais (Figura 7), trazidas a preços de 2026. Por exemplo, pode-se inferir pelo exercício que, com base no modelo, na ausência das IFDs, o PIB do primeiro trimestre de 2026 seria aproximadamente 2,2% menor, em termos reais (ou seja, sem considerar a variação dos preços), que o valor efetivamente registrado pelo IBGE.

PIB total (índice 2016-Q1 = 100)

Figura 7: PIB total (índice 2016-Q1 = 100): trajetória observada versus contrafactual estrutural sem IFDs (modelo DSGE estimado, 2012–2026). A linha pontilhada vertical marca a entrada das IFDs. A área sombreada é a contribuição estimada das IFDs ao PIB. Fonte: IBGE (dados observados); modelo DSGE (contrafactual).

Pode-se notar dois pontos importantes na Figura 7: primeiro, os ganhos vão se amplificando ao longo do tempo, o que está alinhado com a evidência de participação crescente das IFDs no sistema financeiro brasileiro desde 2017. Segundo, em um momento de crise aguda como a decorrente da pandemia, a queda natural das operações financeiras (seja por instituições tradicionais ou digitais) gera menos espaço para a contribuição do setor. Esses resultados não foram impostos no modelo, mas estimados à partir dos dados agregados.

Parte substancial dessa diferença entre o PIB observado e o PIB no cenário contrafactual é atribuível ao consumo agregado. Em exercício análogo ao feito com o PIB, quando consideramos o consumo agregado, o diferencial acumulado em relação ao cenário sem IFDs foi de R$ 982 bilhões a preços de 2026. Na comparação do nível observado no primeiro trimestre de 2026 com a simulação contrafactual, por exemplo, o consumo agregado seria 2,04% menor, em termos reais, sem a presença das IFDs (Figura 8).

Consumo agregado (índice 2016-Q1 = 100)

Figura 8: Consumo agregado (índice 2016-Q1 = 100): trajetória observada versus contrafactual estrutural sem IFDs (modelo DSGE estimado, 2012–2026). A linha pontilhada vertical marca a entrada das IFDs. A área sombreada é a contribuição estimada das IFDs ao consumo. Fonte: IBGE (dados observados); modelo DSGE (contrafactual).

Outro componente importante é o investimento agregado. Assim como fizemos com o PIB e o consumo, o exercício contrafactual com o modelo também atribui às IFDs um diferencial positivo sobre o investimento agregado: o valor observado no primeiro trimestre de 2026 seria 3,55% menor, em termos reais, no cenário sem IFDs. Assim como observamos nos exercícios para o PIB e para o consumo, a contribuição para aumento dos investimentos é maior depois que a economia se recupera economicamente dos efeitos da pandemia, conforme pode ser observado na Figura 9.

Investimento agregado (índice 2016-Q1 = 100)

Figura 9: Investimento agregado (índice 2016-Q1 = 100): trajetória observada versus contrafactual estrutural sem IFDs (modelo DSGE estimado, 2012–2026). A linha pontilhada vertical marca a entrada das IFDs. A área sombreada é a contribuição estimada das IFDs ao investimento. Fonte: IBGE (dados observados); modelo DSGE (contrafactual).

Ainda que não seja uma evidência obtida por métodos de inferência causal (uma oportunidade para pesquisas futuras), como se faz, por exemplo, quando há um experimento e se pode observar o que aconteceu com um grupo de controle (sem a intervenção) e um grupo de tratamento (com a intervenção), os resultados do exercício quantitativo corroboram com a hipótese de que as IFDs contribuem positivamente para a economia brasileira com base nos dados do PIB, do consumo e do investimento.

É Importante notar que há uma diferença entre a contribuição acumulada no PIB (R$ 1,6 trilhão) e a soma dos impactos no consumo (R$ 967 bilhões) e no investimento (R$ 371 bilhões), que juntos totalizam R1,34 trilhão. Isso reflete a contribuição do canal externo da economia, na versão do modelo com uma economia aberta, a compressão de spreads provocada pelas IFDs reduz o diferencial de juros doméstico em relação ao exterior, o que está associado a uma leve depreciação do câmbio real e, por consequência, a uma melhora das exportações líquidas. Como a condução da política fiscal está fora do escopo do trabalho, os gastos do governo não contribuem para a diferença.

Além do impacto sobre o produto, o consumo e o investimento agregado, as instituições financeiras digitais, seja pelos efeitos competitivos que acabam por diminuir as taxas de juros do mercado como um todo, seja por oferecerem serviços com tarifas reduzidas ou nulas, geram outros benefícios diretos e mensuráveis para as famílias. Por exemplo, a ausência de anuidades em cartão de crédito deixa mais renda disponível para as famílias, o que por sua vez libera espaço para o consumo. O modelo nos ajuda a fazer uma aproximação das economias associadas a esses dois canais (economia de tarifas e economia de juros), ainda que pesquisas futuras possam quantificar esses efeitos mais precisamente.

No caso do canal das tarifas bancárias, a pressão competitiva das IFDs reduziu os markups dos bancos tradicionais, que passaram a cobrar menos em tarifas. O valor dessa redução é estimado multiplicando-se a queda proporcional dos markups (obtida do modelo) pela receita total de tarifas dos bancos tradicionais em cada trimestre, extraída das demonstrações de resultado reportadas ao Banco Central via IF.data. Somado a isso, clientes que migraram para IFDs (cujas tarifas são próximas de zero) deixaram de pagar as tarifas que pagariam em um banco convencional; esse ganho é calculado como a diferença de tarifa por unidade de crédito entre os dois tipos de instituição, multiplicada pela carteira de crédito das IFDs. Acumulados entre 2016-Q1 e 2026-Q1 e corrigidos pelo IPCA, os dois componentes somam R$ 47 bilhões a preços de 2026.

Já no canal dos juros, o modelo, estimou, para cada trimestre, qual seria a taxa de juros no crédito livre (tanto para pessoas físicas quanto para pessoas jurídicas) na ausência das IFDs. A diferença entre essa taxa de juros contrafactual e a taxa de juros observada, aplicada ao saldo efetivo do crédito livre (com base nos dados do Banco Central), fornece a estimativa da economia de juros em cada período. Os valores foram ajustados pela inflação e totalizam R$ 102 bilhões no mesmo intervalo.

Canais da Economia de Tarifas e Juros

Canal	Valor acumulado (preços 2026-Q1)
Canal 1 -Tarifas (total)	R$ 47 bilhões
Canal 2 – Economia com juros pagos	R$ 102 bilhões
Total	R$ 149 bilhões

Tabela 2: Economia de tarifas e juros. Nota: O Canal 1B é “pequeno”porque as IFDs classificadas como SCD (Sociedade de Crédito Direto) atuam predominantemente no crédito empresarial de alto valor unitário, com relação tarifas/carteira similar à dos bancos tradicionais.

4. Análise e Comentários

Esta seção analisa os resultados da pesquisa, relacionando-os com literatura acadêmica e opiniões especializadas, por meio das lentes do autor e autora deste trabalho.

4.1. Competição financeira também é política econômica

Os resultados deste estudo sugerem que a entrada das Instituições Financeiras Digitais no Brasil deve ser entendida não apenas como uma transformação setorial do sistema financeiro, mas como uma mudança com efeitos macroeconômicos relevantes. O exercício contrafactual indica que, sem a expansão dessas instituições, o PIB brasileiro seria cerca de 2,2% menor no primeiro trimestre de 2026, e que a contribuição acumulada das IFDs ao PIB entre 2016 e 2026 foi estimada em aproximadamente R$ 1,6 trilhão, a preços de 2026. O mesmo padrão aparece no consumo das famílias, com impacto acumulado estimado em R$ 982 bilhões, e no investimento agregado, que seria 3,55% menor no primeiro trimestre de 2026 no cenário sem IFDs.

A digitalização financeira não aparece apenas como substituição de agências por aplicativos, nem como simples conveniência para consumidores. O principal efeito identificado é mais estrutural: ao reduzir custos, ampliar alternativas de crédito e pressionar margens bancárias, as IFDs parecem ter influenciado o consumo das famílias, o investimento por parte das empresas e a forma como o sistema financeiro aloca recursos. Nesse sentido, políticas pró-competição no setor financeiro podem funcionar também como instrumentos de política econômica.

Essa leitura, porém, não autoriza uma conclusão automática de que toda expansão financeira digital sempre produzirá crescimento. A própria literatura sobre finanças e crescimento mostra que os efeitos positivos dependem da qualidade institucional, do desenho regulatório e da articulação entre sistema financeiro e economia real. O achado central, portanto, é mais preciso: em um país, como o Brasil, com sistema bancário historicamente concentrado e spreads elevados, a entrada de novos competidores digitais parece ter produzido ganhos econômicos quando combinada a um ambiente regulatório que permitiu contestação, inovação em modelos de negócio e redução de custos.

4.2. Pequena participação, grande pressão competitiva

Esse mecanismo ajuda a explicar por que parte relevante dos benefícios estimados aparece fora da relação direta entre cliente e instituição digital. Estimamos R$ 47 bilhões em economia de tarifas bancárias e R$ 102 bilhões em economia de juros, totalizando R$ 149 bilhões em benefícios diretos para famílias e empresas. Também identificamos um benefício de aproximadamente R$ 46 bilhões para clientes de instituições tradicionais. Em outras palavras, mesmo consumidores que nunca abriram conta em uma instituição digital podem ter sido beneficiados pela pressão competitiva que essas instituições exerceram sobre o mercado.

Ressalva-se, no entanto, a necessidade de cautela metodológica: a queda de concentração e de margens ocorreu em um período também marcado por Pix, digitalização dos bancos tradicionais, pandemia e mudanças macroeconômicas. Ainda assim, a convergência entre o modelo, os dados de concentração e a literatura sobre competição bancária reforça a hipótese de que as IFDs tiveram papel relevante nessa reconfiguração.

4.3. Implicações para políticas públicas

Os resultados indicam que a regulação deve promover a competição. Seus benefícios vão além da inclusão financeira e do bem-estar dos clientes, alcançando também a atividade econômica, com efeitos sobre o PIB e seus componentes. Ao mesmo tempo, a regulação deve monitorar e mitigar os riscos específicos associados ao sistema financeiro, sem presumir um trade-off entre competição e estabilidade que não encontra respaldo na evidência empírica disponível.

A agenda pública não deveria tratar inovação financeira apenas como um tema de modernização tecnológica, nem apenas como uma fonte de risco prudencial. Os resultados sugerem que as IFDs podem gerar efeitos positivos sobre PIB, consumo, investimento e ajudar a reduzir tarifas e juros. A literatura também especula sobre riscos como instabilidade financeira, superendividamento e viés em decisões automatizadas, mas trata-se de preocupações permanentes da agenda regulatória, não de evidência empírica estabelecida — ao contrário, as meta-análises que testam diretamente a relação entre competição e estabilidade não encontram o trade-off que essa hipótese pressupõe (Zigraiova e Havranek (2015); Bandaranayake et al. (2020)).

Para formuladores de políticas públicas e reguladores, quatro direções parecem especialmente relevantes:

• Preservar a contestabilidade do mercado financeiro. Regras sobre Open Finance, portabilidade, interoperabilidade, barreiras à mobilidade e entrada de novos agentes devem ser avaliadas também pelo seu efeito sobre competição, custos financeiros e margens bancárias, dado que a ampliação da concorrência é um dos mecanismos estruturais consistentemente associados, na literatura empírica brasileira, à redução do custo do crédito ao tomador final.

• Capacidade regulatória adaptativa e revisão periódica. À medida que o sistema financeiro incorpora novos modelos de negócio, pagamentos instantâneos e arranjos digitais complexos, o arcabouço regulatório precisa ter mecanismos formais de revisão periódica, que permitam calibrar exigências prudenciais à luz de evidência empírica acumulada sobre riscos efetivos. Ferramentas como consultas públicas estruturadas, avaliação de impacto regulatório ex ante e ex post, e sandboxes regulatórios (ambientes controlados nos quais o regulador autoriza o teste temporário de produtos financeiros inovadores em escala limitada, obtendo evidência empírica sobre riscos efetivos) são especialmente úteis nesse esforço de adaptação.

• Da inclusão financeira à saúde financeira. A abertura de conta é um indicador incompleto e, mesmo indicadores robustos de inclusão (movimentação, permanência, uso de crédito, poupança), não captam plenamente o bem-estar financeiro do cidadão. Políticas públicas deveriam incorporar, de maneira complementar, indicadores de saúde financeira: capacidade de absorver choques de renda, uso saudável do crédito, formação de reservas, resiliência ao estresse. Essa distinção conceitual, hoje consolidada no debate internacional (CFPB nos Estados Unidos, Financial Health Network, e as métricas de bem-estar financeiro incorporadas ao próprio Relatório de Cidadania Financeira 2025 do BCB), permite uma leitura mais completa do impacto dos serviços financeiros sobre o cotidiano dos usuários.

• Acompanhar riscos com métricas recorrentes, contextualizadas por seus determinantes macroeconômicos. O Banco Central já realiza monitoramento sistemático da inadimplência, do superendividamento, da estabilidade operacional e da concentração de infraestrutura — capacidade institucional que deve ser preservada e adaptada ao crescimento do crédito digital. A interpretação desses indicadores, porém, exige contextualização: no Brasil, a inadimplência de pessoas físicas apresenta correlação em torno de 0,77 com a taxa de juros do mercado interbancário defasada em seis meses (cálculo próprio com dados do BCB SGS, 2011-2025), refletindo a forte dependência da inadimplência do ciclo de política monetária. Fatores como o mercado de trabalho, choques de renda e choques de oferta sucessivos no período pós-2020 completam o quadro dos determinantes macroeconômicos. Nesse contexto, o crédito digital, que responde por parcela ainda minoritária do estoque total de crédito, deve ser monitorado como um dos componentes de uma paisagem mais ampla, e não como determinante isolado das dinâmicas agregadas.

A implicação regulatória, portanto, é promover a competição no sistema financeiro, ampliando os ganhos macroeconômicos aqui documentados, sobre PIB, consumo, investimento, juros e tarifas. Em paralelo, cabe monitorar e mitigar os riscos específicos que emergem quando crédito, pagamentos, dados e decisões automatizadas passam a operar em escala e velocidade maiores. Esses dois esforços são complementares, e não excludentes, como já indica a evidência empírica disponível, que não sustenta um trade-off sistemático entre competição e estabilidade. Em termos práticos, marcos pró-competição podem ser instrumentos de crescimento e inclusão, desde que acompanhados por transparência, supervisão proporcional e indicadores públicos de acompanhamento.

Vale, por fim, contextualizar essas considerações à luz do momento regulatório brasileiro recente. Entre setembro de 2025 e o início de 2026, uma sequência de normas ampliou as exigências prudenciais e operacionais aplicáveis a fintechs: aumento da Contribuição Social sobre o Lucro Líquido, capital mínimo majorado, novas restrições operacionais, fim das contas bolsões, entre outras. Estimativas do próprio Banco Central indicam que parcela relevante das Instituições de Pagamento existentes deverá ser desenquadrada até 2028. Cada medida tem justificativa prudencial autônoma, mas os resultados deste estudo sugerem que a agenda regulatória merece considerar explicitamente o custo econômico potencial de reduzir a contestabilidade competitiva do sistema. Meta-análises recentes não encontram evidência robusta de trade-off entre competição e estabilidade (Zigraiova e Havranek, 2015; Bandaranayake et al., 2020), Joaquim, van Doornik e Ornelas (2023) estimam que a convergência dos spreads brasileiros à média mundial poderia elevar o PIB em cerca de 5%, e Scalco, Tabak e Teixeira (2021) mostram que o endurecimento de medidas prudenciais no Brasil tende a aumentar markups bancários e reduzir competição. Regulação prudente e ambiente competitivo não são objetivos mutuamente excludentes: podem ser complementares, desde que o desenho das normas preserve espaço para entrada, inovação e disputa por clientes.

5. Conclusão

O que buscamos responder com esse estudo?

O objetivo central desta pesquisa foi quantificar o real impacto macroeconômico da ascensão das Instituições Financeiras Digitais (IFDs) no Brasil. Diante de uma década marcada por profundas transformações estruturais no setor bancário, restava compreender se a desintermediação física e a digitalização de serviços financeiros traduziam-se em ganhos agregados para a economia brasileira ou se configurava apenas como uma redistribuição de fatias de mercado entre novos e velhos players do setor bancário.

Para responder a isso, isolando ruídos conjunturais, estimamos um modelo estrutural dinâmico de equilíbrio geral (DSGE) alimentado com dados históricos brasileiros, projetando um cenário contrafactual para o período de 2016 a 2026.

E o que encontramos?

Os resultados do modelo corroboram a hipótese de que a expansão das IFDs está associada a uma melhoria na eficiência da economia brasileira, gerando impactos positivos em três frentes determinantes:

• Estímulo macroeconômico agregado: o exercício contrafactual indica que a presença das IFDs esteve associada a incrementos no PIB, no consumo das famílias e no investimento agregado. O período de maior crescimento dessas instituições coincidiu com o pós-pandemia, momento em que a economia brasileira apresentou desempenho consistentemente positivo, um padrão para o qual as IFDs podem representar um dos vetores estruturais explicativos.

• Redução de custos transacionais: esses ganhos macroeconômicos derivam da contração nos custos de intermediação financeira. A partir do mesmo modelo, estimamos uma economia significativa de cidadãos e empresas com o desembolso de tarifas bancárias e taxas de juros. Nesse sentido, os resultados sugerem que a expansão das IFDs se soma aos vetores que atuam sobre o custo do crédito no Brasil, uma dimensão historicamente central da agenda de política econômica no país.

• O principal motor dos ganhos foi o aumento da concorrência. O principal mecanismo de transmissão identificado não foi a mera migração de clientes das agências para o digital. A pressão exercida pelas IFDs forçou os bancos incumbentes a reduzir suas margens e tarifas, beneficiando inclusive a parcela da população que jamais abriu conta em uma instituição digital.

Cumpre destacar que estes resultados capturam uma dimensão específica: os ganhos de eficiência, crédito e spreads de agentes já bancarizados. O impacto da inclusão financeira da população anteriormente desbancarizada constitui uma dimensão benéfica complementar, que corre em paralelo ao modelo estimado.

E por que isso importa?

Estes achados mudam o patamar do debate sobre a digitalização financeira no Brasil, deslocando-o de uma visão puramente tecnológica para uma evidência de política econômica.

O estudo oferece uma base analítica para tomadores de decisão, indicando que agendas de estímulo à competitividade, como a regulação de Sociedades de Crédito Direto (SCDs) e de Empréstimo entre Pessoas (SEPs), o avanço do Open Finance e a portabilidade de dados, não são apenas medidas pró-inovação, mas sim geradores de bem-estar social e crescimento econômico. Inversamente, barreiras artificiais ao crescimento das IFDs cobram um preço real e alto da atividade econômica.

Para o setor financeiro, os resultados sugerem que a transformação digital consolidou uma nova configuração competitiva no sistema financeiro brasileiro. Preservar os ganhos aqui documentados no longo prazo depende de combinar a promoção dessa competição com monitoramento prudencial contínuo dos riscos específicos da digitalização.

6. Direcionamentos para Futuros Estudos

Os resultados deste trabalho abrem diversas possibilidades para pesquisas futuras.

Do ponto de vista quantitativo, uma agenda promissora consiste em desenvolver modelos capazes de integrar, em um mesmo arcabouço, os efeitos intensivos e extensivos das IFDs. Extensões com participação endógena no sistema financeiro poderiam capturar simultaneamente a expansão da bancarização e seus efeitos sobre consumo, poupança e investimento. Da mesma forma, modelos com heterogeneidade de agentes em outras dimensões permitiriam investigar como os ganhos associados às IFDs se distribuem entre diferentes grupos de renda, faixas etárias e perfis de acesso ao crédito.

Outra direção relevante envolve a incorporação explícita de novos instrumentos e infraestruturas digitais. A modelagem dos efeitos do Pix, do Open Finance e de mecanismos de portabilidade de dados sobre concorrência, eficiência alocativa e transmissão da política monetária permanece relativamente inexplorada. Também merece atenção a interação entre IFDs e estabilidade financeira, incluindo questões relacionadas à concentração de mercado, riscos operacionais, dependência tecnológica e potenciais canais de propagação de choques.

No campo empírico, o acesso a microdados administrativos poderia viabilizar estratégias de identificação causal mais precisas sobre os efeitos das IFDs em diferentes dimensões, como inclusão financeira, mobilidade bancária, custos de crédito, inadimplência e formação de patrimônio. Estudos regionais também poderiam investigar se os benefícios observados se distribuíram de forma homogênea pelo território nacional ou se contribuíram para reduzir desigualdades geográficas no acesso aos serviços financeiros.

Por fim, abordagens qualitativas podem complementar as evidências quantitativas ao explorar aspectos institucionais e comportamentais da transformação digital das finanças. Estudos de caso sobre trajetórias regulatórias, entrevistas com formuladores de políticas públicas e análises da experiência dos usuários podem contribuir para compreender como confiança, letramento financeiro, usabilidade e percepção de segurança influenciam a adoção de novos serviços financeiros. A combinação entre métodos quantitativos e qualitativos tende a oferecer uma visão mais abrangente sobre os impactos econômicos e sociais das IFDs, enriquecendo o debate acadêmico e subsidiando o aperfeiçoamento do arcabouço regulatório brasileiro.

Referências

AGUIAR, M.; GOPINATH, G. Emerging Market Business Cycles: The Cycle Is the Trend. Journal of Political Economy, v. 115, n. 1, 2007.

ARCAND, J. L.; BERKES, E.; PANIZZA, U. Too much finance? Journal of Economic Growth, v. 20, n. 2, p. 105-148, 2015.

BANCO CENTRAL DO BRASIL. Estatísticas do Pix. Brasília: BCB, 2025. Disponível em: https://www.bcb.gov.br/estabilidadefinanceira/estatisticaspix. Acesso em: 26 jun. 2026.

BANCO CENTRAL DO BRASIL. O que são fintechs de crédito? Brasília: BCB, [s.d.]. Disponível em: https://www.bcb.gov.br/meubc/faqs/p/o-que-sao-fintechs-de-credito. Acesso em: 26 jun. 2026.

BANCO CENTRAL DO BRASIL. Relatório de Cidadania Financeira 2021. Brasília: BCB, 2021. Disponível em: https://www.bcb.gov.br/content/cidadaniafinanceira/documentos_cidadania/rif/relatorio_de_cidadania_financeira_2021.pdf. Acesso em: 26 jun. 2026.

BANDARANAYAKE, S.; DAS, K. K.; REED, R. W. Another Look at 'Bank Competition and Financial Stability: Much Ado about Nothing'? Journal of Economic Surveys, v. 34, n. 2, p. 344-371, 2020. DOI: 10.1111/joes.12352.

BARTLETT, R.; MORSE, A.; STANTON, R.; WALLACE, N. Consumer-Lending Discrimination in the FinTech Era. Journal of Financial Economics, v. 143, n. 1, p. 30–56, 2022.

BEJAR, P.; ISHI, K.; KOMATSUZAKI, T.; SHIBATA, I.; SIN, J.; TAMBUNLERTCHAI, S. Can fintech foster competition in the banking system in Latin America and the Caribbean? Latin American Journal of Central Banking, v. 3, n. 2, art. 100061, 2022.

BERG, T.; BURG, V.; GOMBOVIĆ, A.; PURI, M. On the Rise of FinTechs: Credit Scoring Using Digital Footprints. Review of Financial Studies, v. 33, n. 7, p. 2845–2897, 2020.

BLATTNER, L.; NELSON, S. How Costly Is Noise? Data and Disparities in Consumer Credit. [S. l.]: arXiv, 2021. Working Paper. DOI: 10.48550/arXiv.2105.07554.

BOOT, A.; HOFFMANN, P.; LAEVEN, L.; RATNOVSKI, L. Fintech: What's Old, What's New? Journal of Financial Stability, v. 53, art. 100836, 2021.

BOTEV, J.; ÉGERT, B.; JAWADI, F. The nonlinear relationship between economic growth and financial development: Evidence from developing, emerging and advanced economies. International Economics, 2019. DOI: 10.1016/j.inteco.2019.06.004.

CAIXA ECONÔMICA FEDERAL. Relatório Integrado 2020. Brasília: Caixa, 2021. 284 p. Disponível em: https://www.caixa.gov.br/sobre-a-caixa/relacoes-com-investidores/Paginas/default.aspx. Acesso em: 20 jun. 2026.

CASTRO, M.; GOUVÊA, S.; MINELLA, A.; SANTOS, R.; SOUZA-SOBRINHO, N. SAMBA: Stochastic Analytical Model with a Bayesian Approach. Brasília: Banco Central do Brasil, 2011. (Working Paper, 239).

CEVIK, S. The Dark Side of the Moon? Fintech and Financial Stability. Washington, DC: International Monetary Fund, 2023. (IMF Working Paper, WP/2023/253).

CIPRIANI, M.; EISENBACH, T. M.; KOVNER, A. Tracing Bank Runs in Real Time. New York: Federal Reserve Bank of New York, 2024. (Staff Reports, n. 1104).

CORNELLI, G.; FROST, J.; GAMBACORTA, L.; RAU, R.; WARDROP, R.; ZIEGLER, T. Fintech and Big Tech Credit: Drivers of the Growth of Digital Lending. Journal of Banking & Finance, v. 148, art. 106742, 2023.

CORNELLI, G.; FROST, J.; GAMBACORTA, L.; JAGTIANI, J. The impact of fintech lending on credit access for U.S. small businesses. Basel: Bank for International Settlements, 2022. (BIS Working Papers, n. 1041).

CRUZ, J. D. L. Financial Development and Economic Growth: New Evidence. Economica, v. 43, p. 47-64, 2020. DOI: 10.18800/economia.202001.003.

DAUD, S. N. M.; AHMAD, A. H.; KHALID, A.; AZMAN-SAINI, W. N. W. FinTech and Financial Stability: Threat or Opportunity? Finance Research Letters, v. 47, art. 102667, 2022.

DEHAAN, E.; KIM, J.; LOURIE, B.; ZHU, C. Buy Now Pay (Pain?) Later. Management Science, v. 70, n. 8, p. 5586–5598, 2024.

DEIDDA, L.; FATTOUH, B. Non-linearity between finance and growth. Economics Letters, v. 74, n. 3, p. 339-345, 2002.

DEMIRGÜÇ-KUNT, A.; KLAPPER, L.; SINGER, D.; ANSAR, S. The Global Findex Database 2021: Financial Inclusion, Digital Payments, and Resilience in the Age of COVID-19. Washington, DC: World Bank, 2022.

DI MAGGIO, M.; YAO, V. Fintech Borrowers: Lax Screening or Cream-Skimming? Review of Financial Studies, v. 34, n. 10, p. 4565–4618, 2021.

DING, N.; GU, L.; PENG, Y. Fintech, Financial Constraints and Innovation: Evidence from China. Journal of Corporate Finance, v. 73, art. 102194, 2022.

DUARTE, A.; FROST, J.; GAMBACORTA, L.; KOO WILKENS, P.; SHIN, H. S. Central Banks, the Monetary System and Public Payment Infrastructures: Lessons from Brazil's Pix. Basel: Bank for International Settlements, 2022. (BIS Bulletin, n. 52).

DURUSU-CIFTCI, D.; ISPIR, M.; YETKINER, H. Financial development and economic growth: Some theory and more evidence. Journal of Policy Modeling, v. 39, p. 290-306, 2017. DOI: 10.1016/j.jpolmod.2016.08.001.

FUSTER, A.; GOLDSMITH-PINKHAM, P.; RAMADORAI, T.; WALTHER, A. Predictably Unequal? The Effects of Machine Learning on Credit Markets. Journal of Finance, v. 77, n. 1, p. 5–47, 2022.

FUSTER, A.; PLOSSER, M.; SCHNABL, P.; VICKERY, J. The Role of Technology in Mortgage Lending. Review of Financial Studies, v. 32, n. 5, p. 1854–1899, 2019.

GERALI, A.; NERI, S.; SESSA, L.; SIGNORETTI, F. Credit and Banking in a DSGE Model of the Euro Area. Journal of Money, Credit and Banking, v. 42, n. 6, 2010.

HODULA, M. Does fintech credit substitute for traditional credit? Evidence from 78 countries. Finance Research Letters, v. 46, art. 102469, 2022.

HODULA, M. Interest rates as a finance battleground? The rise of Fintech and big tech credit providers and bank interest margin. Finance Research Letters, v. 53, art. 103685, 2023.

IBRAHIM, M.; ALAGIDEDE, P. Effect of financial development on economic growth in sub-Saharan Africa. Journal of Policy Modeling, 2018. DOI: 10.1016/j.jpolmod.2018.08.001.

IBRAHIM, M.; ALAGIDEDE, P. Nonlinearities in financial development–economic growth nexus: Evidence from sub-Saharan Africa. Research in International Business and Finance, 2017. DOI: 10.1016/j.ribaf.2017.11.001.

INGOLD, J.; MONAGHAN, M.. Evidence translation: an exploration of policy makers⠹ use of evidence. Policy & Politics, v. 44, n. 2, p. 171-190, abr. 2016.

INTERNATIONAL MONETARY FUND. Financial Access Survey 2025: Fintech, a Catalyst for Financial Services Access, Innovation and Growth. Washington, DC: IMF, 2025. Disponível em: https://www.imf.org/en/news/articles/2025/10/29/pr-25351-imf-releases-the-2025-financial-access-survey-results. Acesso em: 29 jul. 2026.
IWASAKI, I.; KOČENDA, E. Quest for the general effect size of finance on growth: a large meta-analysis of worldwide studies. Empirical Economics, v. 66, p. 2659-2722, 2023. DOI: 10.1007/s00181-023-02528-1.

INTERNATIONAL MONETARY FUND. Washington, DC: IMF, 2026. IMF Executive Board Concludes 2026 Article IV Consultation with Brazil. Disponível em: https://www.imf.org/en/news/articles/2026/07/23/pr26257-brazil-imf-executive-board-concludes-2026-article-iv-consultation. Acesso em: 6 ago. 2026.

JAGTIANI, J.; LEMIEUX, C. Do Fintech Lenders Penetrate Areas That Are Underserved by Traditional Banks? Journal of Economics and Business, v. 100, p. 43–54, 2018.

JOAQUIM, G.; VAN DOORNIK, B.; ORNELAS, J. R. H. Bank Competition, Cost of Credit and Economic Activity: Evidence from Brazil. Basel: Bank for International Settlements, 2023. (BIS Working Papers, n. 1134).

KEELEY, M. C. Deposit Insurance, Risk, and Market Power in Banking. American Economic Review, v. 80, n. 5, p. 1183-1200, 1990.

KHATIB, A. M. G. A. Beyond linearity: a critical review of the finance–growth nexus. Cogent Economics & Finance, v. 13, 2025. DOI: 10.1080/23322039.2025.2514690.

KHATIB, A. M. G. A. The complexity of financial development and economic growth nexus in Syria: A nonlinear modelling approach with artificial neural networks and NARDL model. Heliyon, v. 9, 2023. DOI: 10.1016/j.heliyon.2023.e20265.

KHATIB, A. M. G. A.; ALSHAIB, B. M.; KANAAN, A. The Interaction Between Financial Development and Economic Growth: A Novel Application of Transfer Entropy and Nonlinear Approach in Algeria. SAGE Open, v. 13, 2023. DOI: 10.1177/21582440231217871.

KHERA, P.; NG, S. Y.; OGAWA, S.; SAHAY, R. Is Digital Financial Inclusion Unlocking Growth? Washington, DC: International Monetary Fund, 2021. (IMF Working Paper, 21/167).

KING, R. G.; LEVINE, R. Finance and growth: Schumpeter might be right. The Quarterly Journal of Economics, v. 108, n. 3, p. 717-737, 1993.

KRINICHANSKII, K. V. The relationship between financial development and economic growth: The issue of nonlinearity. Finance and Credit, 2022. DOI: 10.24891/fc.28.6.1212.

LEVINE, R. E. Financial development and economic growth: views and agenda. Washington, D.C.: World Bank Group, 1999. (Policy, Research working paper, n. WPS 1678). Disponível em: http://documents.worldbank.org/curated/en/194291468766487705. Acesso em: 1 jul. 2026.

LIU, Y.; ZHANG, Y. Digital Financial Inclusion and Sustainable Growth of Small and Micro Enterprises — Evidence Based on China's New Third Board Market Listed Companies. Sustainability, v. 12, n. 9, art. 3733, 2020.

MARIANI, L. A.; ORNELAS, J. R. H.; RICCA, B. Banks' Physical Footprint and Financial Technology Adoption. Brasília: Banco Central do Brasil, 2023. (Working Paper Series, 576).

MARTINS, T. C.; RICCA, B.; TABURET, A. Competing for Loan Informal Seniority: theory and evidence. Brasília: Banco Central do Brasil, out. 2025. (Working Paper Series, 632). Disponível em: https://www.bcb.gov.br/content/publicacoes/WorkingPaperSeries/WP632.pdf. Acesso em: 30 jul. 2026.
MATUTES, C.; VIVES, X. Imperfect Competition, Risk Taking, and Regulation in Banking. European Economic Review, v. 44, n. 1, p. 1-34, 2000.

NACEUR, S.B.; CANDELON, B.; ELEKDAG, S.; Emrullahu, D. (2026). Is FinTech Eating the Bank's Lunch?. Journal of International Financial Management & Accounting, 37: 225-246. https://doi.org/10.1111/jifm.12242

ORNELAS, J. R. H.; PECORA, A. R. Does Fintech Lending Lower Financing Costs? Evidence From An Emerging Market. Brasília: Banco Central do Brasil, 2022. (Working Paper Series, 571).

PHILIPPON, T. The Fintech Opportunity. Cambridge, MA: National Bureau of Economic Research, 2016. (NBER Working Paper, 22476).

SAMPAIO, M. C.; ORNELAS, J. R. H. Payment Technology Complementarities and their Consequences in the Banking Sector: Evidence from Brazil's Pix. Brasília: Banco Central do Brasil, 2024. (Working Paper Series, 600).

SCALCO, P. R.; TABAK, B. M.; TEIXEIRA, A. M. Prudential measures and their adverse effects on bank competition: The case of Brazil. Economic Modelling, v. 100, art. 105495, 2021. DOI: 10.1016/j.econmod.2021.105495.
SHI, X.; ZHOU, Y. The effects of FinTech development on corporate employment. International Review of Economics and Finance, v. 101, art. 104172, 2025.
SURI, T.; JACK, W. The long-run poverty and gender impacts of mobile money. Science, v. 354, n. 6317, p. 1288-1292, 2016.
VIVES, X. Digital Disruption in Banking. Annual Review of Financial Economics, v. 11, p. 243–272, 2019.

XU, R. Fintech Competition and Banks' Shrinking Margins in Brazil. Washington, DC: International Monetary Fund, 2026. (IMF Working Paper, WP/2026/007).

YANG, L.; ZHANG, Y. FinTech adoption and financial inclusion: Evidence from household consumption in China. Journal of Banking & Finance, v. 145, 2022.

ZEIDAN, R. Why is bank credit in Brazil the most expensive in the world? Revista Brasileira de Finanças, v. 18, n. 4, 2020. Disponível em: https://periodicos.fgv.br/rbfin/article/view/81507. Acesso em: 29 jul. 2026.

ZIGRAIOVA, D.; HAVRANEK, T. Bank competition and financial stability: Much ado about nothing? Journal of Economic Surveys, v. 30, n. 5, p. 944-981, 2016.

Anexo de Metodologia Reglab

[FORMATO] REGLAB

Título	O Impacto das Instituições Financeiras Digitais na Economia Brasileira
Pergunta de Pesquisa	Qual o impacto causal das IFDs sobre o PIB, o consumo, as taxas de crédito e o bem-estar direto das famílias e empresas no Brasil entre 2016 e 2026?
Resumo de Metodologia	A modelagem macroeconômica foi desenvolvida a partir do modelo DSGE de Gerali et al. (2010), estendido para capturar os impactos da produtividade na tendência de crescimento (Aguiar e Gopinath, 2007). A arquitetura técnica do modelo processa simultaneamente 128 variáveis endógenas sob o impacto de 19 choques exógenos estruturais. A estimação do modelo utilizou dados reais da economia brasileira em frequência trimestral, cobrindo o intervalo de 2012-Q2 a 2026-Q1. Foram utilizadas cinco variáveis observáveis: as taxas de variação do PIB per capita, do consumo, do investimento, da taxa Selic e do spread bancário em operações com recursos livres. Os dados são provenientes do IBGE SIDRA (tabela 6613/1846), da PNAD Conítnua e do Sistema Gerenciador de Séries do Banco Central (SGS 4189/20783/24370/433). Na estimação, utilizou-se o Metropolis-Hastings via simulação MCMC (Makov Chain Monte Carlo), estruturado em duas cadeias de 10.000 iterações e fator de escala de 0,30, utilizando em paralelo o algoritmo do suavizador de Kalman para o refino e consistência histórica dos dados capturados.
Coleta de Dados	Desk research de dados secundários, conforme: Séries macroeconômicas para estimação do DSGE (5 observáveis trimestrais. 2012 Q2 a 2026 Q1): PIB a preços de mercado, Despesa de consumo das famílias e Formação bruta de capital fixo – IBGE SIDRA, tabelas 6613 e 1846; População em Idade de Trabalhar – PNAD Contínua; Taxa Selic – BCB, Sistema Gerenciador de Séries Temporais (SGS), série 4189; Spread bancário de crédito livre – BCB, SGS, séries 20783; Deflator IPCA (base 2026-Q1 = 100) – BCB, SGS, série 433; Saldos de crédito para mensuração de benefícios diretos: Estoque de crédito livre Pessoa Física – BCB, SGS, série 20570; Estoque de crédito livre Pessoa Jurídica – BCB, SGS, série 20543; Dados de balanço das instituições financeiras: IF.data (BCB), 105 trimestres (2000-2026) por Conglomerado Bancário
Análise de Dados	Estrutura do modelo O modelo é uma economia fechada com sete tipos de agentes: (i) famílias pacientes (poupadores); (ii) famílias impacientes, que tomam crédito hipotecário e, com as IFDs, além de crédito pessoal não-colateralizado; (iii) empreendedores, que tomam crédito empresarial; (iv) produtores de capital; (v) varejistas, que oferecem os produtos e serviços finais consumidos pelas famílias e (vi) bancos; (vii) um banco central que conduz a política monetária por meio de uma regra de Taylor. Markups bancários endógenos A inovação metodológica central é tornar os markups bancários endógenos à participação de mercado das IFDs. O markup efetivo converge para o alvo por um processo AR(1), impactando as taxas de crédito. A calibração do parâmetro de participação das IFDs no modelo (14,5% do estoque de crédito livre PF+PJ) considera, além das instituições classificadas pelo BCB como N1-N4 (IPs, SCDs, SEPs), também os bancos digitais, que hoje operam sob licença de Banco Múltiplo (B2) mas mantêm modelo de negócio originalmente fintech. Essa inclusão é justificada pela continuidade do canal econômico de competição capturado pelo modelo, uma vez que o relevante é se a instituição compete por meios digitais com os bancos incumbentes, não sua classificação regulatória atual.. Decomposição dos canais de benefício direto Canal 1A (efeito competitivo sobre tarifas): econ_1A(t) = tarifa_trad(t) × [gap_mk_PF(t) × share_PF(t) + gap_mk_PJ(t) × share_PJ(t)] onde: gap_mk_PF = exp(mk_bh_cf) / exp(mk_bh_with) – 1 [excesso de markup no contrafactual] Canal 2 (economia com juros): *rate_gap_PF(t) = [exp(r_bh_cf(t)) – exp(r_bh_with(t))] × 400 [p.p. a.a.] econ_juros(t) = (rate_gap_PF/400) × saldo_PF(t) + (rate_gap_PJ/400) × saldo_PJ(t) Fonte de saldos: BCB SGS 20570 (PF, crédito livre) e 20543 (PJ, crédito livre). Deflator: IPCA base 2026-Q1 = 100 (BCB SGS 433). * Estimação bayesiana O modelo foi estimado pelo método de Metropolis-Hastings (MCMC), utilizando cinco séries de dados trimestrais observáveis da economia brasileira: variação do PIB per capita, do consumo, do investimento, da taxa Selic e do spread bancário. A estimação cobre 56 trimestres, de 2012-Q2 a 2026-Q1. O exercício contrafactual A quantificação do impacto das IFDs é feita por um exercício contrafactual que responde: como teria sido a trajetória do PIB se as IFDs não tivessem entrado no sistema financeiro? O método funciona em quatro etapas: Extração dos choques históricos: o filtro de Kalman recupera a sequência completa de todos os choques econômicos estimados que atingiram a economia de 2012 a 2026. Simulação 'com IFDs': o modelo é simulado com esses choques e com todos os cinco canais das IFDs ativos, reproduzindo a trajetória histórica observada do PIB. Simulação 'sem IFDs': o mesmo modelo é simulado com os mesmos choques, mas com os canais de competição das IFDs desligados. Gap: a diferença entre as duas trajetórias. Esse gap é a contribuição estimada das IFDs às variáveis macroeconômicas. Mensuração dos benefícios diretos Além do PIB, do consumo e do investimento agregado, calculamos outros dois canais de benefício direto usando dados de balanço de todas as instituições do sistema financeiro (BCB IF.data, 105 trimestres, 2000–2026): (i) a redução nas tarifas bancárias devida à pressão competitiva das IFDs; e (ii) a economia de juros pagos sobre o saldo de crédito livre de pessoas físicas e pessoas jurídicas. Todos os valores são corrigidos pelo IPCA e expressos em preços de 2026-Q1.
Procedimentos deRedução de Vieses	Para a redução de vieses, foram utilizadas referências de análise empírica amplamente consolidadas na literatura. Além disso, a abordagem metodológica foi discutida e avaliada internamente em duas oportunidades para que sugestões e críticas pudessem ser incorporadas ao trabalho antes que a análise fosse realizada. Outros procedimentos adotados incluem: Dupla validação em etapas críticas: dois autores revisaram o texto de forma independente. Em casos de discordância, uma terceira pessoa foi chamada para arbitrar e alcançar consenso. Registro e transparência metodológica: mantivemos registros detalhados de todas as versões dos arquivos e pesquisas, preservando o histórico e permitindo a revisão mais sistemática.
Outras LimitaçõesMetodológicas	O modelo é uma economia fechada (sem setor externo). Uma versão com economia aberta produz resultados similares (+1,87% de PIB no primeiro trimestre de 2026, por exemplo), mas a versão fechada é a referência por maior estabilidade numérica. O modelo não captura heterogeneidade regional nem efeitos distributivos entre faixas de renda. A contribuição do Canal 1B é baixa no agregado; uma análise por produto (cartão de crédito vs. crédito empresarial) poderia revelar outros tipos de efeitos no segmento de varejo. Diversos dados utilizados neste estudo foram obtidos por meio de APIs abertas e extração automática de dados de instituições (e.g. IBGE, BCB). Sobre a interpretação dos resultados: Os efeitos estimados neste estudo capturam exclusivamente a margem intensiva da atuação das IFDs, isto é, os ganhos gerados para famílias e empresas que já estavam inseridas no sistema financeiro no momento da entrada dessas instituições. O modelo não incorpora, por construção, os efeitos macroeconômicos decorrentes da margem extensiva, ou seja, a entrada no sistema de pessoas anteriormente desbancarizadas. Como o consumo, o investimento e a tomada de crédito por parte desses potenciais novos entrantes também contribuem para a atividade econômica agregada, os resultados aqui reportados devem ser interpretados como uma estimativa conservadora do impacto total das IFDs sobre a economia brasileira, em outras palavras, um limite inferior ao efeito verdadeiro, cuja quantificação estrutural completa exigiria a incorporação da margem extensiva ao modelo, agenda que permanece aberta para pesquisas futuras.
Uso de Software	Dynare 6.1 através do MATLAB R2024b e Julia 1.12.4 para implementação, estimação bayesiana (Metropolis-Hastings) e simulação do modelo DSGE de Gerali et al. (2010) estendido, bem como para a execução do exercício contrafactual e dos cálculos do benefício direto. R 4.4 (pacotes rcbc, WDI, tidyverse, ggplot2) para coleta, tratamento e harmonização das séries do Banco Central do Brasil (SGS eIF.data). Claude Code para auditoria de referências e organização da base de citações. ChatGPT: brainstorming, elaboração de rascunhos, edição, refinamento da estrutura e geração de conceitos visuais**.** Consensus: levantamento da literatura acadêmica e mapeamento inicial de artigos científicos. Google Workspace: armazenamento de documentos, elaboração de rascunhos, colaboração e gerenciamento de versões.
Diretrizes Éticas	Esta pesquisa foi financiada pela Zetta. Para garantir a integridade deste trabalho, os autores desenvolveram, conduziram e analisaram o estudo de forma independente, sem qualquer contribuição ou interferência da empresa, que também não influenciou ou interferiu na interpretação dos resultados. Os autores mantêm total independência profissional e responsabilidade pelo conteúdo e conclusões deste trabalho. Respeito à privacidade e confidencialidade: Os dados utilizados são de domínio público e foram obtidos de fontes acessíveis (IBGE, Sistema Gerenciador de Séries Temporais do Banco Central do Brasil, Banco Mundial), sem violar a privacidade ou a confidencialidade de qualquer indivíduo ou instituição, com metodologia replicável via repositório. Uso responsável de dados públicos: Embora os dados analisados sejam públicos, seu uso foi feito de maneira responsável e ética, com o objetivo exclusivo de pesquisa acadêmica. Não-discriminação e respeito à diversidade: A pesquisa foi conduzida de maneira a respeitar a diversidade e a evitar qualquer forma de discriminação .

Classificação das Instituições Financeiras Digitais (2026-T1)
Fonte: BCB IF.data · Data de referência: março de 2026
Definição Restrita — TCB = n1 (237 instituições)

99PAY SOCIEDADE DE CRÉDITO DIRETO S.A.	C&A PAY SOCIEDADE DE CRÉDITO DIRETO S.A.	FACTA S.A. CFI – FINANCEIRO	MAGNUM SOCIEDADE DE CRÉDITO DIRETO S.A.	SANTINVEST S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTOS
A55 SOCIEDADE DE CRÉDITO DIRETO S.A.	CALCRED S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	FAMÍLIA PAULISTA COMPANHIA HIPOTECÁRIA	MERCADO PAGO IP – FINANCEIRO	SANTS SOCIEDADE DE CRÉDITO DIRETO S.A.
ACCREDITO – SOCIEDADE DE CRÉDITO DIRETO S.A.	CAPITAL CONSIG SOCIEDADE DE CRÉDITO DIRETO S.A.	FARMTECH SOCIEDADE DE CRÉDITO DIRETO S.A.	MICROCASH SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	SCB CRÉDITO SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.
AGÊNCIA DE FOMENTO DE GOIAS S/A	CARTOS SOCIEDADE DE CRÉDITO DIRETO S.A.	FATORI SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	MIDWAY S.A. – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	SEM PARAR SOCIEDADE DE CRÉDITO DIRETO S.A.
AGÊNCIA DE FOMENTO DO AMAPA S.A.	CARUANA S.A. – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	FFCRED SOCIEDADE DE CRÉDITO DIRETO S.A..	MONETARIE SOCIEDADE DE CRÉDITO DIRETO S.A.	SER FINANCE SOCIEDADE DE CRÉDITO DIRETO S.A.
AGÊNCIA DE FOMENTO DO ESTADO DE RORAIMA S/A	CASA DO CRÉDITO S.A. SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR	FIDEM SOCIEDADE DE CRÉDITO DIRETO S/A	MONEY PLUS	SETHI SOCIEDADE DE CRÉDITO DIRETO S.A.
AGÊNCIA DE FOMENTO DO ESTADO DO RIO DE JANEIRO S.A.	CDC SOCIEDADE DE CRÉDITO DIRETO S.A.	FIDO SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.	MOTTU SOCIEDADE DE CRÉDITO DIRETO S.A.	SHPP BRASIL IP – FINANCEIRO
AGÊNCIA DE FOMENTO DO RIO GRANDE DO NORTE S.A.	CELCOIN SOCIEDADE DE CRÉDITO DIRETO S.A.	FIDÚCIA SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LIMITADA.	MOVA SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.	SIMPALA S.A. CRÉDITO, FINANCIAMENTO E INVESTIMENTO
AGORACRED S/A SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	CENTROCRED S.A. CRÉDITO, FINANCIAMENTO E INVESTIMENTOS	FINAMAX S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	MULTICRED SOCIEDADE DE CRÉDITO DIRETO S.A.	SINOSSERRA FINANCEIRA S/A – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO
AGROLEND SOCIEDADE DE CREDITO, FINANCIAMENTO E INVESTIMENTO S.A.	CF GROUP SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.	FINANCRED – SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E A EMPRESA DE PEQUENO PORTE LTDA.	MULTIPLIKE FINANCEIRA S.A. SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	SOCIALCRED S/A – SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE
AGÊNCIA DE FOMENTO DE ALAGOAS S.A.	CHG-MERIDIAN DO BRASIL ARRENDAMENTO MERCANTIL S.A.	FINAZO SOCIEDADE DE CRÉDITO DIRETO S.A.	MÉRITO DTVM – FINANCEIRO	SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO EFÍ S.A.
AGÊNCIA DE FOMENTO DO ESTADO DE MATO GROSSO S/A – DESENVOLVE MT	CLOUDWALK FINANCEIRA S.A. CRÉDITO, FINANCIAMENTO E INVESTIMENTO	FINLEV SOCIEDADE DE CRÉDITO DIRETO S.A.	NAGRO SOCIEDADE DE CRÉDITO DIRETO S.A.	SOCINAL S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO
AGÊNCIA DE FOMENTO DO ESTADO DE PERNAMBUCO S.A.	COBANSA COMPANHIA HIPOTECÁRIA	FISERV SOCIEDADE DE CRÉDITO DIRETO S.A.	NATURA &CO PAY SOCIEDADE DE CRÉDITO DIRETO S.A.	SOCRED S.A. – SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE
AGÊNCIA DE FOMENTO DO ESTADO DE SANTA CATARINA S.A.-BADESC	COBUCCIO S/A – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTOS	FONTECRED – SOCIEDADE DE CRÉDITO DIRETO S/A	NEGRESCO S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTOS	SOLFÁCIL SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO S.A.
AGÊNCIA DE FOMENTO DO ESTADO DO AMAZONAS S.A. – AFEAM	CODEPE	G5 SOCIEDADE DE CRÉDITO DIRETO S.A.	NEON	SOMAPAY SOCIEDADE DE CRÉDITO DIRETO S.A.
AGÊNCIA DE FOMENTO DO ESTADO DO TOCANTINS S.A.	COMPREV – CRÉDITO, FINANCIAMENTO E INVESTIMENTO S.A.	GALLERIA – SOCIEDADE DE CRÉDITO DIRETO S/A	NEXOOS SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.	SQUID SOCIEDADE DE CRÉDITO DIRETO S.A.
AGÊNCIA DE FOMENTO DO PARANÁ S.A.	CONLIFE SOCIEDADE DE CRÉDITO DIRETO S/A	GAZINCRED S.A. SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	NG CASH SOCIEDADE DE CRÉDITO DIRETO S.A.	STARA FINANCEIRA S.A. – CRÉDITO FINANCIAMENTO E INVESTIMENTO
AGÊNCIA DE FOMENTO E DESENVOLVIMENTO DO ESTADO DO PIAUÍ S.A.	CONTA SIMPLES SOCIEDADE DE CRÉDITO DIRETO S.A.	GERU SOCIEDADE DE CRÉDITO DIRETO S.A.	NIXFIN SOCIEDADE DE CRÉDITO DIRETO S.A.	STARK SOCIEDADE DE CRÉDITO DIRETO S.A.
AL5 S.A. SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	CORA SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO S.A.	GIRO – SOCIEDADE DE CRÉDITO DIRETO S/A	NUBANK	STONE IP – FINANCEIRO
ALESTA SOCIEDADE DE CREDITO DIRETO S.A.	CORPORE SOCIEDADE DE CRÉDITO DIRETO S.A.	GLOBAL FINANÇAS SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	NUMBRS SOCIEDADE DE CRÉDITO DIRETO S.A.	SUDACRED SOCIEDADE DE CRÉDITO DIRETO S.A.
ALL IN CRED SOCIEDADE DE CREDITO DIRETO S.A.	CREDFC SOCIEDADE DE CRÉDITO DIRETO S.A.	GO SOCIEDADE DE CRÉDITO DIRETO S.A.	NVIO BRASIL SOCIEDADE DE CRÉDITO DIRETO S.A.	SUMUP SOCIEDADE DE CRÉDITO DIRETO S.A.
ARTTA SOCIEDADE DE CRÉDITO DIRETO S.A	CREDI-SHOP – SOCIEDADE DE CRÉDITO DIRETO S.A.	GOLCRED S/A – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	ONCRED – SOCIEDADE DE CRÉDITO DIRETO S.A.	SUPERLÓGICA SOCIEDADE DE CRÉDITO DIRETO S.A.
ASA SOCIEDADE DE CRÉDITO FINANCIAMENTO E INVESTIMENTO S.A.	CREDIARE S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	GRAZZIOTIN FINANCEIRA S/A – CRÉDITO, FINANCIAMENTO E INVESTIMENTOS	OPEA SOCIEDADE DE CRÉDITO DIRETO S.A.	TAMBASA SOCIEDADE DE CRÉDITO DIRETO S.A.
ASAAS SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO S.A.	CREDIFIT SOCIEDADE DE CRÉDITO DIRETO S.A.	GUARDIAN SOCIEDADE DE CRÉDITO DIRETO S.A.	OPPENS SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A	TENTOS S.A. CRÉDITO, FINANCIAMENTO E INVESTIMENTO
ASPENFIN-BR – SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E A EMPRESA DE PEQUENO PORTE LTDA.	CREDIMÓVEL SOCIEDADE DE CRÉDITO DIRETO S.A.	HARMOS S.A. – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	OXY CH – FINANCEIRO	TINO SOCIEDADE DE CRÉDITO DIRETO S.A.
ASSOCIACAO DE POUPANCA E EMPRESTIMO – POUPEX	CREDITÁ S/A CRÉDITO, FINANCIAMENTO E INVESTIMENTO	HBI SOCIEDADE DE CRÉDITO DIRETO S/A.	PAGOL SOCIEDADE DE CRÉDITO DIRETO S.A.	TODESCREDI S/A – CRÉDITO, FINANCIAMENTO E INVESTIMENTO
ATF SOCIEDADE DE CRÉDITO DIRETO S.A.	CREDPAR – SOCIEDADE DE CRÉDITO DIRETO S/A	HP FINANCIAL SERVICES ARRENDAMENTO MERCANTIL S.A.	PALMA SOCIEDADE DE CRÉDITO DIRETO S.A.	TORRA SOCIEDADE DE CRÉDITO DIRETO S.A.
ATICCA – SOCIEDADE DE CRÉDITO DIRETO S.A.	CREDSYSTEM SOCIEDADE DE CRÉDITO DIRETO S.A.	HR DIGITAL – SOCIEDADE DE CRÉDITO DIRETO S/A	PARATI – CREDITO, FINANCIAMENTO E INVESTIMENTO S.A.	TRINUS
ATLANTA SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR LTDA	CREFAZ SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E A EMPRESA DE PEQUENO PORTE S.A.	HR SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	PB SOCIEDADE DE CREDITO DIRETO S.A.	TTSCD SOCIEDADE DE CRÉDITO DIRETO S.A.
BADESUL DESENVOLVIMENTO S.A – AGÊNCIA DE FOMENTO/RS	CSILATINA ARRENDAMENTO MERCANTIL S.A.	HS FINANCEIRA S/A CREDITO, FINANCIAMENTO E INVESTIMENTOS	PEFISA S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	UNAVANTI SOCIEDADE DE CRÉDITO DIRETO S/A
BAMAQ CAPITAL – SOCIEDADE DE CRÉDITO DIRETO S/A	DAPPER – SOCIEDADE DE CRÉDITO DIRETO S/A	HSCM – SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	PERCAPITAL SOCIEDADE DE CRÉDITO DIRETO S.A.	UP.P SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.
BANSUR JM SOCIEDADE DE CRÉDITO DIRETO S/A	DAUX SOCIEDADE DE CRÉDITO DIRETO S.A.	IFOOD PAGO SOCIEDADE DE CRÉDITO DIRETO S.A.	PERSONAL SOCIEDADE DE CRÉDITO DIRETO S.A.	URBANO S.A. – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO
BARU	DELCRED SOCIEDADE DE CRÉDITO DIRETO S.A.	INCO SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.	PINTOS S.A. CRÉDITO, FINANCIAMENTO E INVESTIMENTO	UY3 SOCIEDADE DE CRÉDITO DIRETO S/A
BECKER FINANCEIRA S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	DELTA GLOBAL SOCIEDADE DE CRÉDITO DIRETO S.A.	INTEGRAÇÃO DE CRÉDITO E COBRANÇA SOCIEDADE DE CRÉDITO DIRETO S.A.	PLANNER	VALOR S/A SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO
BEZZ SOCIEDADE DE CRÉDITO DIRETO S.A.	DESENBAHIA – AGÊNCIA DE FOMENTO DO ESTADO DA BAHIA S.A.	J17 – SOCIEDADE DE CRÉDITO DIRETO S/A	PLANTAE S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	VBS SOCIEDADE DE CRÉDITO DIRETO S.A.
BFC SOCIEDADE DE CRÉDITO DIRETO S.A.	DESENVOLVE SP – AGÊNCIA DE FOMENTO DO ESTADO DE SÃO PAULO S.A.	JBCRED S.A. SOCIEDADE DE CREDITO, FINANCIAMENTO E INVESTIMENTO	PORTO SEGURO	VIA CERTA FINANCIADORA S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTOS
BIGCASH SOCIEDADE DE CREDITO DIRETO S.A.	DGBK CREDIT S.A. – SOCIEDADE DE CRÉDITO DIRETO.	KANASTRA FINANCEIRA S.A, CREDITO, FINANCIAMENTO E INVESTIMENTO	PROFITTO – SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	VIVO PAY SOCIEDADE DE CRÉDITO DIRETO S.A.
BIT SOCIEDADE DE CRÉDITO DIRETO S.A.	DIREÇÃO S.A. – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO	KIKAI SOCIEDADE DE CRÉDITO DIRETO S.A.	PÓLOCRED SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.	VNK SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE LTDA.
BM4 SOCIEDADE DE CRÉDITO DIRETO S.A.	DIVI SOCIEDADE DE CREDITO DIRETO S.A.	KREDILIG S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	QI	VUON SOCIEDADE DE CRÉDITO DIRETO S.A.
BMS SOCIEDADE DE CRÉDITO DIRETO S.A.	DMCARD	LAMARA SOCIEDADE DE CRÉDITO DIRETO S.A.	QISTA S.A. – CRÉDITO, FINANCIAMENTO E INVESTIMENTO	VÓRTX
BMW	DUFRIO FINANCEIRA, CRÉDITO, FINANCIAMENTO E INVESTIMENTOS S.A.	LARCA CAPITAL – SOCIEDADE DE CRÉDITO DIRETO S.A.	QUEROCRED SOCIEDADE DE CRÉDITO DIRETO S.A.	Z-ON SOCIEDADE DE CRÉDITO DIRETO S.A.
BNK DIGITAL SOCIEDADE DE CRÉDITO DIRETO S.A.	E.SIGA SOCIEDADE DE CRÉDITO DIRETO S.A.	LAUNCH PAD SOCIEDADE DE CRÉDITO DIRETO S.A.	RAPIDIUM SOCIEDADE DE CRÉDITO AO MICROEMPREENDEDOR E À EMPRESA DE PEQUENO PORTE S.A.	ZEMA CRÉDITO, FINANCIAMENTO E INVESTIMENTO S/A
BNQI SOCIEDADE DE CREDITO DIRETO S.A.	EAGLE SOCIEDADE DE CRÉDITO DIRETO S.A.	LEASEPLAN ARRENDAMENTO MERCANTIL S.A.	REALIZE SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO S.A.	ZIPDIN SOLUÇÕES DIGITAIS SOCIEDADE DE CRÉDITO DIRETO S/A
BONUSPAGO SOCIEDADE DE CRÉDITO DIRETO S.A.	EASY MONEY SOCIEDADE DE CRÉDITO DIRETO S.A.	LECCA CRÉDITO, FINANCIAMENTO E INVESTIMENTO S/A	RED SOCIEDADE DE CRÉDITO DIRETO S.A.	ZM SOCIEDADE DE CRÉDITO DIRETO S.A.
BPCE EQUIPMENT SOLUTIONS BRASIL S.A. – ARRENDAMENTO MERCANTIL	EASYCREDITO SOCIEDADE DE CREDITO DIRETO S.A.	LEND SOCIEDADE DE CRÉDITO DIRETO S.A.	REVOLUT SOCIEDADE DE CRÉDITO DIRETO S.A.	ÓPERA SOCIEDADE DE CRÉDITO DIRETO S.A.
BRCARD SOCIEDADE DE CRÉDITO DIRETO S/A	ECONOMISA COMPANHIA HIPOTECÁRIA.	LISTO SOCIEDADE DE CREDITO DIRETO S.A.	RP FINANCEIRA S.A. – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO
BRCONDOS SOCIEDADE DE CRÉDITO DIRETO S.A.	EMCASH SERVIÇOS FINANCEIROS SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.	LOAN BRASIL SOCIEDADE DE CRÉDITO DIRETO S.A.	RPW S/A SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO
BULLLA IP – FINANCEIRO	EURO17 SOCIEDADE DE CRÉDITO DIRETO S.A.	MAGALUPAY – SOCIEDADE DE CRÉDITO, FINANCIAMENTO E INVESTIMENTO S.A.	RV2 SOCIEDADE DE EMPRÉSTIMO ENTRE PESSOAS S.A.

Definição Ampla — adições à definição restrita
Instituições de Pagamento — TCB = n4 (178 instituições)

99PAY	DATANOMIK BRASIL	MAGALUPAY	PROTEGE CASH
A27S	DELEND	MAX	PROTOTYPE
ACESSO SOLUÇÕES DE PAGAMENTO	DLOCAL BRASIL	MERCADO BITCOIN	QUERO-QUERO VERDECARD
ACG	DM	MERCADO PAGO	REAG IP
ADYEN DO BRASIL	DOCK	MONERY	RECARGAPAY
AFINZ	EAGLE	MR S.A	RENDIMENTOPAY
APROMS NET	EBANXS	MT SA	REPASSES FINANCEIROS E SOLUCOES TECNOLOGICAS
APUSDIGITAL	EDENRED SOLUCOES DE MOBILIDADE E HU	MUEVY SA	REPOM HUSA
ASAAS GESTÃO FINANCEIRA	EDENRED SOLUCOES E AHA	MULVI	ROADCARD INTEGRADO DA LOGISTICA
ASTRO	EFEX	MW	S MAPS
AVANCARD PROVER	EFÍ	MÊNTORE	SAFETYPAY BRASIL
AWX BRASIL	EMPRESA BRASILEIRA DE BENEFICIOS E PAGAMENTOS	NAIP	SEM PARAR
B3	EWALLY	NEON PAGAMENTOS	SENFFNET
BANQI	F & F S. A.	NG CASH	SERVNET
BANRISUL SOLUÇÕES EM PAGAMENTOS	FACEBOOK DO BRASIL	NSTECH IP	SHPP BRASIL E SERVIÇOS DE PAGAMENTOS
BEES	FACILITA	NU PAGAMENTOS	SISPAY
BEETELLER	FINNET	NUPAY FOR BUSINESS	SMART SOLUTIONS GROUP
BELLUNO	FITS	NVIO BRASIL BITSO	SOLVER
BELVO	FLAGSHIP	OKTO	SRM BANK
BITZ	FLASH TECNOLOGIA E	OMIE	STARK BANK
BIZ	FORIS GFS BR	ONEKEY PAYMENTS SA	STONE
BK	FRIDAYS	P R DO BRASILS	STRADA PAY
BLU	GALAX PAY	PAGARE	STRIPE BRASIL SOLUCOES DE PAGAMENTO
BOLT CARDS	GOOGLE PAY BRASIL	PAGBRASIL TECNOLOGIA	SUMUP BRASIL
BRASIL CASH S.A	GOWD	PAGCERTO	SUPERBID PAY
BRINKS PAY	GREENPASS TECNOLOGIA E HUE	PAGHIPER	SWAP
BS2 PAYMENTS	HINOVA PAY	PAGME	SWILE
BSN PAGAMENTOS	IDEA MAKER	PAGPRIME	TBANKS SA
BULLLA	IFOOD PAGO	PAGSEGURO INTERNET	TRANSFEERA S.A
CACTVS S.A	INFINIA BRASIL	PAGSMILE	TRANSFERO
CALCARD	INICIADOR	PAGUEVELOZ	TRIO
CAPPTA	INOVANTI	PARTNERBANK	UNLIMIT BRASIL
CELCOIN	INTER PAG	PAY	UZZIPAY
CLARA	ISSUER	PAY BROKERS IP	V3
CLARO PAY	IUGU	PAY2ALL	VOX
CLOUDWALK E SERVIÇOS	IUPI	PAY4FUN	VUE
CONPAY E TECNOLOGIA S.A	KIWIFY	PAYFACE	WASU – WALLET SUPPORT
CONTA PRONTA	KLAVIS E GESTÃO DE DADOS	PAYMEE BRASIL	WE PAY OUT
CONTAAZUL	LB PAY	PAYPAL DO BRASIL	WISE BRASIL
COOPER BENEFÍCIOS	LEND	PICPAY	WOOVI
COOPER CARD	LINA S.A	PINBANK BRASIL	WORLDPAY DO BRASIL
CREDI-SHOP	LÍQUIDO	PINPAG	WX
CREDSYSTEM	LISTO	PLUGGY BRASIL	ZERO
CRYSTAL BMC	LP DO BRASIL	PLUXEE BRASIL
CUMBUCA	MAG	POMELO

Bancos digitais com licença bancária plena — TCB = b1

C6 BANK

INTER

PAGBANK-PAGSEGURO

PICPAY – FINANCEIRO

Nota: A definição restrita abrange todas as instituições classificadas pelo BCB como TCB = n1 (conglomerados não-bancários e instituições independentes não-bancárias). A definição ampla adiciona: (i) Instituições de Pagamento (TCB = n4) exceto adquirentes controladas por bancos tradicionais — Redecard (Itaú), Cielo (BB/Bradesco), Getnet (Santander) e Fiserv; e (ii) bancos digitais que obtiveram licença bancária plena (TCB = b1): INTER, C6 BANK, PAGBANK-PAGSEGURO e PICPAY – FINANCEIRO. Nomes dos n4 são exibidos sem o sufixo legal 'Instituição de Pagamento S.A./Ltda'.

Por simplificação, utilizamos uma definição de instituições financeiras para o cálculo de ativos totais e dos índices de concentração que inclui também agências de fomento. Dada a sua pequena participação de mercado, a exclusão delas não altera substancialmente os resultados. Além disso, como a sua atuação é análoga a de bancos de desenvolvimento regionais, o comportamento delas não está inserido nos exercícios quantitativos do estudo.

www.reglab.com.br