A convergência da inflação foi para o R

[et_pb_section admin_label="section"][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"]

A inflação medida pelo IPCA chegou a 4,08% a.a. no acumulado em 12 meses terminados em abril. É o menor patamar desde 2007. Com efeito, parece consolidada a convergência da inflação para a meta. Para ilustrar essa convergência, produzimos o gráfico abaixo, com o auxílio do R, utilizando o pacote rbcb.

library(ggplot2)
library(rbcb)
library(scales)

ipca12m = get_series(13522, start_date='2015-12-01')

ipca12m = as.data.frame(ipca12m)
colnames(ipca12m) = c('date', 'ipca')
ipca12m$date = as.Date(ipca12m$date, format='%d/%m/%Y')

ggplot(ipca12m, aes(x=date, y=ipca))+
 annotate("rect", fill = "gray", alpha = 0.5, 
 xmin = as.Date('2016-08-01'), 
 xmax = as.Date('2017-04-01'),
 ymin = -Inf, ymax = Inf)+
 geom_line(size=.8)+
 geom_hline(aes(yintercept=4.5), colour='red', size=.8)+
 scale_y_discrete(limits=4:11)+
 scale_x_date(breaks = date_breaks("2 months"),
 labels = date_format("%m/%Y"))+
 theme_bw()+xlab('')+ylab('% a.a.')+
 labs(title='Inflação medida pelo IPCA',
 subtitle='acumulada em 12 meses',
 caption='Fonte: analisemacro.com.br com dados do IBGE.')+
 geom_point(size=12, shape=21, colour="#1a476f", fill="white")+
 geom_text(aes(label=ipca), size=3, 
 hjust=0.5, vjust=0.5, colour="darkblue")+
 annotate('text', x=as.Date('2016-04-01'), y=4.8, 
 label='Meta de Inflação: 4,5%',
 colour='red', size=4)

E o resultado...

 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/05/plot01.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="2_3"][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 convergência se dá em um momento de provável queda da inércia e de expectativas ancoradas, principais determinantes da inflação, como mostra a tabela ao lado. Nela, rodamos a Curva de Phillips abaixo:

(1)   \begin{equation*} \pi_{t} = \beta_0 + \beta_1 \pi_{t-1} + \beta_2 E_t \pi_{t+1} + \beta_3 hiato_{t-1} + \varepsilon_t \end{equation*}

Onde \pi_t é a inflação medida pelo IPCA acumulada em 12 meses, E_t \pi_{t+1} é a expectativa para a inflação nos próximos 12 meses e hiato_{t-1} é o hiato do produto. Em outras palavras, a despeito do que se pode querer acreditar, o hiato do produto, a diferença entre o PIB efetivo e o PIB potencial, possui pouco impacto sobre a inflação brasileira, sendo a inércia medida pela primeira defasagem e as expectativas preponderantes para explicá-la.

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" url_new_window="off" button_text="Clique abaixo para conhecer nosso 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_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2016/11/macroeconometria.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" 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_3"][et_pb_code admin_label="Código"]<table style="text-align:center"><tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left"></td><td><em>Dependent variable:</em></td></tr> <tr><td></td><td colspan="1" style="border-bottom: 1px solid black"></td></tr> <tr><td style="text-align:left"></td><td>inflação</td></tr> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">lag(inflação, -1)</td><td>0.935<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.025)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">expectativa</td><td>0.105<sup>**</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.050)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">lag(hiato, -1)</td><td>0.034<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.013)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">Constant</td><td>-0.133</td></tr> <tr><td style="text-align:left"></td><td>(0.171)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">Observations</td><td>119</td></tr> <tr><td style="text-align:left">R<sup>2</sup></td><td>0.974</td></tr> <tr><td style="text-align:left">Adjusted R<sup>2</sup></td><td>0.973</td></tr> <tr><td style="text-align:left">Residual Std. Error</td><td>0.280 (df = 115)</td></tr> <tr><td style="text-align:left">F Statistic</td><td>1,429.549<sup>***</sup> (df = 3; 115)</td></tr> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left"><em>Note:</em></td><td style="text-align:right"><sup>*</sup>p<0.1; <sup>**</sup>p<0.05; <sup>***</sup>p<0.01</td></tr> </table>[/et_pb_code][/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.