A estória por trás do PIB de 2012

Se me pedissem para contar uma estória sobre os motivos pelos quais o PIB brasileiro do ano passado veio tão baixo eu teria que andar alguns passos para trás. Eu dividiria o enredo em antes e depois da crise de 2008/09. No pré-crise, o Brasil era um país que tinha uma política monetária com boa credibilidade perante os agentes internacionais e uma política fiscal guiada por superávits primários e estoque líquido de endividamento em queda. Com base nisso, soube se beneficiar da melhor conjuntura internacional desde o pós-guerra, obtendo assim um crescimento razoável do PIB, inflação efetiva convergindo para o centro da meta e mesmo superávits em conta corrente. Já no pós-crise...

As coisas desandaram, leitor. Os efeitos da crise foram prontamente combatidos pela política econômica anticíclica. Além disso, utilizaram-se os bancos públicos – naquilo que ficou conhecido como instrumentos parafiscais. O resultado mais visível – em termos políticos, claro – foi o crescimento de 7,5% em 2010 e a manutenção da taxa de desemprego em patamares baixos. O governo, entretanto, não parou por ai: quem nunca comeu melado...

A presidente Dilma Rousseff assumiu em janeiro de 2011 e amplificou a inflexão. O Banco Central, guardião do regime de metas de inflação, passou a se subordinar aos desatinos da comandante em chefe. A política fiscal de anticíclica passou a ser pró-cíclica, exibindo correlação positiva com o consumo privado. Ademais, os créditos do Tesouro junto ao BNDES passaram de R$ 26 bilhões em setembro de 2008 para mais de R$ 370 bilhões em dezembro de 2012. A ideia de continuar a incentivar o consumo, entretanto, mostrou-se inócua...

Isto porque, leitor, uma coisa é fazer uma política econômica anticíclica quando há um choque externo. Em números, no quarto trimestre de 2008 – auge da crise – o Consumo das Famílias caiu quase 2% em relação ao trimestre anterior. A indústria caiu quase 8% e a FBCF despencou 10%. Com as políticas anticíclicas implementadas ao longo dos trimestres posteriores, o Consumo das Famílias fechou 2010 com crescimento acumulado de 6,9%, a Indústria de 10% e a FBCF de 21,3%. Com esses dados em punho – e o resultado em termos de redução do desemprego – o governo concluiu erroneamente: é o consumo estúpido! E continuou com os incentivos...

Ao longo de 2011 e 2012, entretanto, as taxas de crescimento acumuladas em quatro trimestres foram declinando quase que monotonicamente para esses três componentes. O consumo das famílias encerrou o último trimestre do ano passado crescendo 3,1% (menos da metade do resultado de 2010), a Indústria caiu 0,8% e a FBCF reduziu-se em 4%. O motivo do declínio do consumo: 43% da renda acumulada em 12 meses pelas famílias estavam, em dezembro de 2012, comprometidas com dívidas e 22% da renda mensal estavam comprometidas com o serviço (juros mais amortizações) dessas dívidas.

O resultado do PIB de 2012, 0,9% frente o ano anterior, é, portanto, apenas o final de um triste enredo. Ele foi causado pela má interpretação da teoria econômica, pela continuação dos incentivos ao consumo em detrimento da atenção aos condicionantes da oferta. O governo (ainda) precisa perceber esse equívoco e tratar de gerar um ambiente de negócios estável para que os investimentos – notadamente em infraestrutura – se materializem, aumentando assim a produtividade da economia brasileira.

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.