Relatório AM #6 - Núcleos de inflação

Ao longo das últimas semanas, temos dado ênfase aqui no Relatório AM à discussão da inflação no cenário nacional. Na semana passada, a reunião do COPOM confirmou aquilo que esperávamos, com aumento da taxa básica de juros para 4.25% e nenhuma menção à normalização parcial. Isso é resultado da persistência da trajetória da inflação, de modo que seu nível atual não pode ser atribuído somente a choques. Para elucidar isso, vamos falar mais a fundo sobre como têm se comportados os núcleos da inflação nos últimos meses.

O monitoramento dos preços da economia através de núcleos de inflação é uma prática muito comum atualmente, pois facilita o isolamento dos fenômenos reais (os choques) e dá maior transparência para as decisões da política monetária, facilitando a convergência das expectativas no regime de metas de inflação. No Brasil, temos 7 núcleos: 4 de exclusão (IPCA-EX0, 1, 2 e 3), 2 de médias aparadas (MA e MS), e o núcleo de dupla ponderação (DP). Observando os resultados de cada núcleo separadamente, verificamos que o resultado geral da inflação não pode ser atribuído a setores específicos da economia, e não é resultado de choques em itens específicos de alta volatilidade:

Outra maneira de analisar o comportamento da inflação é através do índice de difusão. Esse valor é simplesmente o percentual de itens do IPCA que teve variação positiva nos seus preços no período. Como cada item possui o mesmo peso, valores altos do índice indicam que o aumento dos níveis de preços é realmente generalizado, configurando a inflação por definição, e sem a possibilidade de influência de choques exacerbados em itens específicos sobre o valor final. Abaixo, podemos ver que ao longo de 2020 o índice teve grande aumento, com a média móvel se mantendo em trajetória crescente até as últimas observações:

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Regimes da Política Monetária Brasileira com Markov Switching no Python

Este exercício analisa a política monetária brasileira utilizando modelos de Markov Switching Regression. O objetivo é identificar diferentes regimes de política monetária e como eles influenciam a taxa Selic, a meta de inflação e o hiato do produto. Usamos a linguagem de programação Python para o processo de coleta, tratamento, análise e modelagem dos dados.

Como criar janelas móveis de séries temporais usando o Python

Janelas Móveis/Deslizantes, ou Rolling Windows, são termos frequentes na análise de séries temporais. Mas o que são e como aplicá-las no Python? Neste tutorial, mostramos como essa ferramenta é essencial para a análise de dados utilizando como exemplo a correlação móvel de ações brasileiras.

Como incorporar choques em cenários de previsão?

Neste exercício mostramos como incorar choques no cenário de variáveis exógenas para fins de previsão. Usando como exemplo a previsão do IPCA, através de um modelo de machine learning, mostramos os cuidados a serem tomados e uma forma simples de definir o cenário com os choques. Ao final, apresentamos uma previsão com um suposto choque e uma previsão sem o choque para comparação.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.