A inflação que nos espera em 2015

Findada a eleição presidencial, seja quem for o eleito, a partir de 2015 um ajuste já está na conta da futura política macroeconômica: o de preços. O comportamento do conjunto de preços considerados administrados tem sido afetado pela intervenção direta dos governos. Nos últimos 39 meses, a inflação acumulada de preços monitorados foi de 12,6%, enquanto a de preços livres foi de 25%.[1] Evidencia-se, desse modo, uma inflação “represada”, que em algum momento será repassada para o consumidor. E isso exigirá ainda mais aumento de juros.

Pela metodologia estabelecida pelo Banco Central, são considerados monitorados os preços de 34 subitens. Desses, os que mais sofreram intervenção foram energia elétrica residencial, gasolina e ônibus urbano. Os dois primeiros por controle direto do governo federal, enquanto o último por influência das manifestações do ano passado. Esses três subitens têm peso de quase 10% no Índice Nacional de Preços ao Consumidor Amplo (IPCA).

Estima-se que se forem reajustados em 25%, 10% e 10%, respectivamente, terão impacto primário de cerca de 1,3 pontos percentuais sobre o IPCA. Considerada a projeção do Banco Central para o 1º trimestre do próximo ano, teremos uma inflação rodando na casa dos 7,3%, acaso tais preços sejam assim reajustados. A inflação estaria, desse modo, bem acima do limite superior de 6,5%.

Mas não é apenas isso. Como se sabe, energia elétrica, combustíveis e transporte são insumos para todas as cadeias produtivas. Em outras palavras, um reajuste nesses preços possui impacto sobre os demais bens e serviços da economia. Esse impacto, considerado de ordem secundária, depende de cada indústria/setor, de acordo com maior ou menor capacidade ociosa. Não à toa, o controle direto sobre esses preços representa um controle indireto sobre todos os demais preços da economia.

Essa incerteza em relação aos efeitos secundários do represamento de preços administrados é o que, basicamente, tem mantido as expectativas próximas a 6,5%. Na prática, portanto, a inflação de 2015 já está incorporada à inflação de hoje, por meio de expectativas deterioradas. É o que explica a dificuldade do Banco Central em conduzir a política monetária. A despeito de um aumento de 375 p.b. na taxa básica de juros, a inflação projetada para o primeiro trimestre de 2016 é de 5,4%, ainda rodando no limite superior do regime de metas.

Nesse contexto, o cenário inflacionário se tornou extremamente pernicioso. Em outros termos, os custos de desinflacionar a economia brasileira se elevaram em alguns graus. Em função da inflação represada dos preços administrados e da própria condução equivocada da política macroeconômica.

Isto porque, manter a política monetária e a fiscal em orientação expansionista nos últimos anos, paralelo a uma taxa de desemprego artificialmente baixa, gerou ainda mais pressão inflacionária. Os juros reais caíram da ordem de 7% em 2011 para menos de 2% em 2012, enquanto o superávit primário “limpo” de receitas extraordinárias tem sido de 1,6% nos últimos três anos. Tais níveis pressionam a demanda agregada, gerando descolamento sobre a oferta, com impacto direto sobre a inflação.

Em assim sendo, é equivocado acenar que aumento de juros não causa redução de inflação. Isto porque, tanto o nível de juros quanto o de inflação estavam (ou estão) distorcidos. Em particular, a inflação que nos espera após as eleições é muito mais elevada do que a que observamos hoje. Desse modo, a política monetária terá de ser ainda mais contracionista do que foi até aqui.



[1] Medida pelo Índice Nacional de Preços ao Consumidor Amplo (IPCA).

(*) Publicado em 18/04/14, no Estado de Minas.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

Criando Tabelas com o Python: mostrando o poder da linguagem sobre o Excel

Nos dias atuais, pessoas que trabalham com dados estão constantemente confrontados com um dilema: criar uma tabela não tão genial no Excel ou manter em um formato ainda pior, como um dataframe, mas mantendo a flexibilidade de obtenção dos dados. Podemos resolver esse grande problema, unindo a flexibilidade e beleza ao usar a biblioteca great_tables do Python.

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.