Impacto do aumento da gasolina e do óleo diesel no IPCA de 2013 e nas previsões do GECE.

A partir da meia noite do último dia 30/11 estão em vigor os aumentos de 4% e 8%, respectivamente, sobre a gasolina e óleo diesel que a Petrobras aprovou para a venda dos combustíveis nas refinarias. O GECE fez o cálculo do impacto desses reajustes sobre o Índice Nacional de Preços ao Consumidor Amplo (IPCA), o índice que representa a meta de inflação no país. Supondo que o repasse seja integralmente repassado ao consumidor – algo que não é inexorável – o impacto máximo do aumento da gasolina é de 0,16 pontos percentuais sobre o IPCA de dezembro (para fins de simplificação), enquanto o impacto do óleo diesel é de apenas 0,01 pontos percentuais. Chega-se a esse número tomando a média dos pesos desses subitens (51040001, gasolina e 51040003, óleo diesel) em 2013 e multiplicando os mesmos pelo reajuste anunciado para cada um. A gasolina teve peso médio de 3,88% no IPCA desse ano, contribuindo em média com -3% na variação mensal do índice. O pico de contribuição ocorreu em fevereiro, quando foi responsável por 26,4% da elevação de 0,6% do IPCA naquele mês. A mudança nas nossas previsões para o IPCA desse ano é o que detalhamos em seguida.

A previsão do GECE para o IPCA em 2013 era de 5,65%, supondo que em novembro e dezembro o índice ficasse, respectivamente, em 0,54% e 0,68%. Com o reajuste, o valor do mês de dezembro vai para 0,84%, o que eleva o IPCA de 2013 para 5,82%. Nesse cenário consideramos o limite mínimo da previsão em 5,74% e o máximo em 5,91%,.

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.