Previsão da inflação para o restante do ano

previsao2Amanhã o IBGE divulga a inflação de abril, medida pelo Índice Nacional de Preços ao Consumidor Amplo (IPCA). O índice deve mostrar ainda números superlativos no subgrupo alimentação no domícilio, dado o que foi antecipado no IPCA-15. Entretanto, pelos índices no atacado da Fundação Getúlio Vargas, o choque de alimentos foi menor mês passado, o que antecipa algum alívio no IPCA a partir de maio. Ainda que a pressão vinda dos alimentos se dissipe em algum momento, a expectativa para a inflação esse ano se mantém em patamar elevado. O último dado da pesquisa Focus, do Banco Central, estima inflação em 6,52% esse ano e 6,05% em 2015. O aumento nas projeções deve-se, principalmente, ao efeito dos reajustes de energia, ao choque de alimentos e à inflação de serviços. Além disso, em algum momento de 2014 o IPCA deve romper o intervalo de tolerância. Com o objetivo de compreender e prever o comportamento da inflação esse ano, escrevo o presente artigo.

O gráfico acima resume a média dos modelos estimados. Para abril, o IPCA deve ficar em 0,78%, já considerados os efeitos dos reajustes anunciados na energia elétrica. A previsão é que ela ceda ao longo dos próximos meses na variação mensal, após a dissipação dos efeitos do choque de alimentos e do reajuste na energia elétrica, seguindo o comportamento sazonal. No acumulado em 12 meses, entretanto, a previsão é que haja uma aceleração do índice, como pode ser visto na tabela abaixo. Em maio já há o risco do índice romper o intervalo de tolerância, mantendo-se assim ao longo dos seis meses seguintes. Apenas em dezembro há expectativa de recuo nessa métrica, fazendo com que o IPCA termine dentro do limite superior do regime de metas.

tabelaipca

Essas previsões estão em linha com as realizadas pelo grupo Top 5 da pesquisa Focus do Banco Central. O avanço do índice ao longo de 2014, no acumulado em 12 meses, foi captado por todos os modelos estimados. O gráfico abaixo resume a trajetória esperada para o IPCA nessa métrica. Espera-se que o mesmo atinja um pico em setembro, recuando a partir de então.

previsao3

Ainda que os modelos possam estar superestimando os números acumulados em 12 meses, o que é bastante provável, a trajetória ascendente do nível geral de preços é preocupante. Lembre-se o leitor que a taxa básica de juros já foi elevada em 375 pontos-base desde abril do ano passado. Consideradas as defasagens envolvidas no processo de transmissão, era esperado algum recuo no índice a partir de maio. A resistência da inflação, desse modo, mostra que o nível atual de juros ainda não é condizente com uma situação de política monetária contracionista. De fato, só agora a taxa de juros real situa-se na região de "juro neutro".

Em assim sendo, o cenário inflacionário para o restante do ano deveria dissipar as dúvidas sobre o comportamento futuro do Banco Central. Pela comunicação do mesmo com o mercado, entretanto, os juros não irão muito além dos atuais 11%. Na prática, portanto, a política monetária não irá enfrentar a resistência da inflação, mas apenas deixar de ser um fator adicional de pressão. Como se vê, dada a existência de outros fatores de aceleração, o nível geral de preços segue em crescimento durante praticamente todo o ano. Não surpreende que as expectativas para os próximos anos seja de inflação persistentemente acima da meta.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

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.

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.