Expectativas de consumidores e de especialistas para a inflação

A inflação é uma variável econômica que merece toda a sorte de adjetivos. A despeito de termos diversos índices que medem o aumento persistente e generalizado de preços ao longo do tempo, a inflação em si é algo muito pessoal, digamos assim. Para ilustrar, tomemos o índice de preços ao consumidor amplo (o IPCA), principal índice do país. O IPCA acompanha atualmente uma cesta de 377 bens e serviços, que, por óbvio, nem todo mundo consome todos os meses. Você, portanto, ao consumir apenas um subconjunto desses bens e serviços, terá a sua inflação particular, que pode ser menor ou maior do que a inflação oficial do país.

No mundinho dos economistas, esse tipo de diferença nem sempre é levada em consideração no momento de avaliar a trajetória da inflação ao longo do tempo. Quase sempre, o acompanhamento e previsão da inflação restringe-se aos agentes do mercado financeiro, que, por óbvio, não representa o conjunto da sociedade.

Talvez, pensando nisso, há alguns anos, a Fundação Getúlio Vargas criou um índice de expectativas de inflação dos consumidores. O índice procura justamente criar uma medida diferente daquela medida pela Bloomberg e pelo Focus, que estão mais ligadas ao mercado financeiro.

Resolvi, então, dar uma olhada nesses dados. Para a amostra considerada, estamos usando dados de janeiro de 2007 até junho de 2021, totalizando 174 observações. O gráfico abaixo compara essas expectativas de inflação dos consumidores, da FGV, e do Focus, com a inflação observada. O ajuste feito considera o que os agentes (consumidores e especialistas do Focus) achavam 12 meses antes o que ocorreria com a inflação no mês corrente.

Duas coisas chamam atenção, de imediato. Primeiro, a correlação entre as expectativas dos especialistas e as dos consumidores é bastante elevada. Segundo, a expectativa média dos consumidores é maior do que a expectativa dos especialistas ouvidos pelo boletim Focus.

Erro de previsão

Outro ponto interessante sobre os dados é verificar o erro de previsão de consumidores e especialistas. Os consumidores costumam esperar uma inflação maior do que ela efetivamente ocorre, implicando assim em um erro médio de -1,31 pontos percentuais - considerando \pi_t - E_{t-12} \pi_t. Já os especialistas ouvidos pelo boletim Focus subestimam a inflação, implicando assim que em um erro médio de 0,56 pontos percentuais.

Causalidade: expectativa de especialistas influencia expectativa dos consumidores

Um último ponto que avaliei foi se a correlação entre as séries de expectativas implica em causalidade. De fato, pelo procedimento de Toda-Yamamoto, pode-se verificar que as expectativas dos especialistas ouvidos pelo Focus têm precedência temporal sobre as expectativas dos consumidores.

Em assim sendo, os resultados encontrados parecem corroborar a ideia de que a população de forma geral tem uma visão um pouco mais pessimista da inflação do que os especialistas envolvidos no processo de previsão quantitativa dessa variável. Ademais, a precedência temporal encontrada sugere que a população é influenciada pela previsão desses especialistas acerca do que pode ocorrer com a inflação efetiva. Por fim, como visto, as expectativas tanto de um quanto de outro grupo parecem ser mais "estáveis" do que a inflação efetiva, sempre sujeita aos diversos choques da economia.

_______________________

(*) Para maiores detalhes sobre o uso desse tipo de modelo para fins de previsão, conheça nossos Cursos de Previsão Macroeconométrica e Modelos Preditivos aplicados à Macroeconomia.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando dados regionais do CAGED no Python

Os dados regionais do CAGED permitem analisar o mercado de trabalho de forma detalhada, em termos de setores, educação, rendimento e características pessoais dos trabalhadores brasileiros. Neste exercício mostramos como acessar estas informações online via Python.

Coletando dados de Setores Censitários do Censo 2022 no Python

Dados sobre a demografia e o território são primordiais para definir e implementar políticas públicas, áreas de atuação comercial e/ou estratégias de marketing. Sendo assim, saber usar os dados do Censo 2022 pode trazer vantagens competitivas. Neste exercício mostramos como obter os dados da Malha de Setores Censitários no formato vetorial (GeoJson) usando o Python.

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.