Entendendo a desinflação da economia brasileira - Parte I

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

A inflação medida pelo IPCA de março, divulgada na última sexta-feira, mostrou avanço de 0,25%. No acumulado em 12 meses, a inflação fechou em 4,57%. Esse valor é -0,19 p.p. em relação ao de fevereiro e de -4,82 p.p. em relação a março do ano passado. Ademais, a difusão da inflação foi calculada em 55,76% , ante 69,44% no mesmo mês do ano anterior. A tabela ao lado traz um resumo do comportamento da inflação cheia e dos núcleos de inflação.

A média da variação mensal dos cinco núcleos de inflação construídos pelo Banco Central evoluiu -0,18 p.p. na comparação interanual. Em março de 2016, ela foi de 0,44%, enquanto em 2017 foi de 0,27%. No acumulado em 12 meses, por outro lado, a média saiu de 8,03% para 5%, mostrando uma desaceleração do processo inflacionário.

O gráfico abaixo mostra o comportamento da inflação desde janeiro de 2006, quando a meta passou a ser de 4,5% A área hachurada, por seu turno, destaca o arrefecimento da inflação no período recente. Desde agosto do ano passado, por suposto, o processo de desinflação tem sido intensificado.

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_code admin_label="Código"]<!-- html table generated in R 3.2.3 by xtable 1.8-2 package --> <!-- Mon Apr 10 19:24:01 2017 --> <table border=1> <caption align="top"> IPCA vs. Núcleos de Inflação (%) </caption> <tr> <th> </th> <th> Mensal Mar/17 </th> <th> Mensal Mar/16 </th> <th> Anual Mar/17 </th> <th> Anual Mar/16 </th> </tr> <tr> <td> IPCA </td> <td align="center"> 0,25 </td> <td align="center"> 0,43 </td> <td align="center"> 4,57 </td> <td align="center"> 9,39 </td> </tr> <tr> <td> Médias Aparadas com Suaviz. </td> <td align="center"> 0,28 </td> <td align="center"> 0,61 </td> <td align="center"> 5,61 </td> <td align="center"> 8,77 </td> </tr> <tr> <td> Médias Aparadas sem Suaviz. </td> <td align="center"> 0,24 </td> <td align="center"> 0,48 </td> <td align="center"> 4,54 </td> <td align="center"> 7,64 </td> </tr> <tr> <td> Exclusão Monit. e Adm. </td> <td align="center"> 0,14 </td> <td align="center"> 0,42 </td> <td align="center"> 4,60 </td> <td align="center"> 7,24 </td> </tr> <tr> <td> Exclusão 2 </td> <td align="center"> 0,42 </td> <td align="center"> 0,23 </td> <td align="center"> 5,51 </td> <td align="center"> 7,95 </td> </tr> <tr> <td> Dupla Ponderação </td> <td align="center"> 0,25 </td> <td align="center"> 0,48 </td> <td align="center"> 5,73 </td> <td align="center"> 8,53 </td> </tr> </table>[/et_pb_code][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/04/plot1-2.png" show_in_lightbox="on" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Cabe, nesse ponto, a ressalva de que a inflação brasileira não apenas tem sido persistente e crescente, como também difundida nos últimos anos. O comportamento do índice de difusão abaixo deixa isso bastante claro. Na margem, ademais, a difusão também tem caído, o que mostra um processo de desinflação consolidado.

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/04/plot21.png" show_in_lightbox="on" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

A tabela ao lado, por suposto, abre a inflação medida pelo IPCA pelos seus nove grupos. Observe que a inflação acumulada em 12 meses no grupos Alimentos e Bebidas saiu de 13,25% em março de 2016 para 4,04% em março de 2017, refletindo basicamente o choque positivo nesse grupo, como analisamos em post anterior. A inflação no grupo Habitação também sofreu forte desaceleração, saindo de 8,43% para 4,47% na mesma base de comparação, enquanto a inflação no grupo Artigos para Residência saiu de 6,67% para 1%. Os grupos Saúde e Cuidados Pessoais e Comunicação, pelo contrário, ainda mostram resistência. O gráfico abaixo abre a contribuição dos nove grupos para a inflação acumulada em 12 meses.

 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/04/plot3.png" show_in_lightbox="on" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][/et_pb_column][et_pb_column type="1_2"][et_pb_code admin_label="Código"]<!-- html table generated in R 3.2.3 by xtable 1.8-2 package --> <!-- Mon Apr 10 19:34:37 2017 --> <table border=1> <caption align="top"> Grupos do IPCA (%) </caption> <tr> <th> </th> <th> Mensal Mar/17 </th> <th> Mensal Mar/16 </th> <th> Anual Mar/17 </th> <th> Anual Mar/16 </th> </tr> <tr> <td> IPCA </td> <td align="center"> 0,25 </td> <td align="center"> 0,43 </td> <td align="center"> 4,57 </td> <td align="center"> 9,39 </td> </tr> <tr> <td> Alimentação </td> <td align="center"> 0,34 </td> <td align="center"> 1,24 </td> <td align="center"> 4,04 </td> <td align="center"> 13,25 </td> </tr> <tr> <td> Habitação </td> <td align="center"> 1,18 </td> <td align="center"> -0,64 </td> <td align="center"> 4,47 </td> <td align="center"> 8,43 </td> </tr> <tr> <td> Artigos de Residência </td> <td align="center"> -0,29 </td> <td align="center"> 0,70 </td> <td align="center"> 1,00 </td> <td align="center"> 6,67 </td> </tr> <tr> <td> Vestuário </td> <td align="center"> -0,12 </td> <td align="center"> 0,69 </td> <td align="center"> 2,20 </td> <td align="center"> 5,94 </td> </tr> <tr> <td> Transportes </td> <td align="center"> -0,86 </td> <td align="center"> 0,16 </td> <td align="center"> 1,77 </td> <td align="center"> 8,08 </td> </tr> <tr> <td> Comunicação </td> <td align="center"> -0,63 </td> <td align="center"> -1,65 </td> <td align="center"> 2,74 </td> <td align="center"> 2,35 </td> </tr> <tr> <td> Saúde e Cuidados Pessoais </td> <td align="center"> 0,69 </td> <td align="center"> 0,78 </td> <td align="center"> 10,34 </td> <td align="center"> 10,21 </td> </tr> <tr> <td> Despesas pessoais </td> <td align="center"> 0,52 </td> <td align="center"> 0,60 </td> <td align="center"> 6,65 </td> <td align="center"> 9,15 </td> </tr> <tr> <td> Educação </td> <td align="center"> 0,95 </td> <td align="center"> 0,63 </td> <td align="center"> 8,30 </td> <td align="center"> 9,14 </td> </tr> </table>[/et_pb_code][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

No próximo post, analisamos os subgrupos da inflação medida pelo IPCA. Enquanto isso, veja os cursos da Análise Macro com inscrições abertas abaixo. No Clube do Código, ademais, você tem acesso a todos os códigos desse exercício.

 

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="1_3"][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/clube-do-codigo/" url_new_window="off" button_text="Conheça o Clube do Código" button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"] [/et_pb_button][/et_pb_column][et_pb_column type="1_3"][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/teoria-macroeconomica/" url_new_window="off" button_text="Curso de Teoria Macroeconômica" button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"] [/et_pb_button][/et_pb_column][et_pb_column type="1_3"][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" url_new_window="off" button_text="Curso de Macroeconometria usando o R " button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"] [/et_pb_button][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.