Pós-Copom: bom-senso venceu.

expinfOntem, o Comitê de Política Monetária decidiu, por unanimidade, elevar a taxa básica de juros, a Selic, em 50 pontos-base, de 10% para 10,5%. Na minha leitura pesou na decisão dos membros do comitê o IPCA divulgado na última semana, mostrando uma inflação bastante disseminada pelos 365 bens e serviços que compõem o índice, com a difusão beirando os 70%. A despeito dos problemas de comunicação da autoridade monetária, notadamente ao explicitar as defasagens envolvidas no processo e a indecisão sobre o cenário fiscal, observo que a Selic deve ir mesmo a 11% na próxima reunião, como havia projetado na Carta de Dezembro e no cenário normativo da Carta de Janeiro. O Banco Central, com essa decisão, mostrou que não abandonou, ainda, a ancoragem das expectativas - que só cederão quando a inflação efetiva mostrar algum alívio, como pode ser visto no gráfico ao lado. As pressões remanescentes sobre o índice, como a desvalorização do câmbio e o contínuo crescimento da massa salarial, são desafios para o movimento contracionista. A minha leitura, nesse ponto, é que o Banco faça mais um ajuste de 50 pontos-base em fevereiro e suste o processo, verificando a transmissão sobre os principais canais (expectativas, notadamente). A aguardar a ata na próxima semana para confirmar essa leitura. O bom-senso, leitor, venceu: ao  menos, por enquanto.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Construindo RAG para Análise do COPOM com SmolAgents

Este exercício demonstra, passo a passo, como aplicar o conceito de Retrieval-Augmented Generation (RAG) com agentes inteligentes na análise de documentos econômicos. Utilizando a biblioteca SmolAgents, desenvolvemos um agente capaz de interpretar e responder a perguntas sobre as atas do COPOM com base em buscas semânticas.

Como criar um Agente de IA?

Unindo conhecimentos sobre Tools, LLMs e Vector Stores, agora é hora de integrar diferentes conceitos e aprender a construir um Agente de IA completo. Neste post, nosso objetivo será criar um Agente capaz de responder perguntas sobre o cenário macroeconômico brasileiro, utilizando dados de expectativas de mercado do Boletim Focus do Banco Central do Brasil (BCB) e o framework LangChain no Python.

Como criar um Supervisor de Agentes com LangGraph

Este tutorial mostra como construir um supervisor multiagente usando LangGraph, integrando dois agentes especialistas: um focado em pesquisa na internet com Tavily e outro especializado em operações matemáticas. Para orquestrar esses agentes, utilizamos o modelo Gemini 2.0 da Google.

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.