Meta de Inflação e Expectativas dos Agentes

Vamos investigar a atratividade da meta de inflação em relação às expectativas dos agentes privados no Brasil. Em outras palavras, verificaremos se a meta de inflação definida pelo Conselho Monetário Nacional (CMN) tem sido uma variável importante para explicar o comportamento das expectativas de inflação dos agentes econômicos. Para isso, nos basearemos em Carvalho e Minella (2012) e Bevilaqua, Mesquita e Minella (2008) para construir um modelo explicativo para as expectativas de inflação. A estimação será feita via Mínimos Quadrados Ordinários e Mínimos Quadrados em 2 Estágios (TSLS) com instrumentos. Faremos o uso do Python para realizar a coleta e tratamento dos dados, bem como o ajuste do modelo.

A hipótese de expectativas racionais, elaborada por MUTH (1961), teve grande impacto sobre a teoria de política monetária. Por um lado, influenciou o desenvolvimento de ampla literatura sobre qual seria a melhor forma de conduzir a política monetária: se por meio de regras ou de forma discricionária. Por outro, é responsável tanto pelo comprometimento com metas explícitas para inflação quanto pela maior transparência nas ações de Bancos Centrais ao redor do mundo.

A contribuição seminal de KYDLAND and PRESCOTT (1977) usou a hipótese de expectativas racionais para mostrar que políticas discricionárias são inconsistentes intertemporalmente. Tentar manter a taxa de desemprego abaixo daquela considerada natural gerará apenas mais inflação nos períodos seguintes. BARRO and GORDON (1983a) e BARRO and GORDON (1983b), por seu turno, mostraram que em um ambiente onde existe predisposição inflacionária por parte dos Bancos Centrais e inconsistência intertemporal, a busca por reputação ou credibilidade tem um papel importante no relacionamento entre autoridade monetária e o público.

Uma literatura significativa foi desenvolvida a partir desses dois trabalhos. Nela, buscou-se inferir qual seria a melhor forma de conduzir a política monetária. Enquanto a discrição estava sujeita à inconsistência intertemporal, seguir uma regra muito rígida comprometia a estabilização do produto em um ambiente econômico cercado de incerteza. Dentre as várias formas de enfrentar o trade-off entre comprometimento e flexibilidade, o regime de metas explícitas para inflação tem sido utilizado por diversos países atualmente. Esse regime, em sua abordagem flexível, serve tanto para ancorar as expectativas dos agentes privados como dá a possibilidade do policymaker acomodar ou reagir a choques sobre a estrutura econômica.

Metodologia e Variáveis

Estimamos os determinantes das previsões de inflação seguindo a abordagem em Bevilaqua et al. (2008). A escolha das variáveis a serem incluídas na regressão se baseia na suposição de que o mercado acredita que a dinâmica da inflação seja retratada por uma curva de Phillips básica. Em outras palavras, variáveis que normalmente são encontradas empiricamente ou teoricamente como determinantes da inflação são testadas para explicar o comportamento das expectativas de inflação. Em particular, incluímos o hiato do produto, a inflação passada, a variação da taxa de câmbio e a variação do preço das commodities no conjunto de regressores. A meta de inflação também entra como um regressor, pois espera-se que ele funcione como uma âncora para as expectativas de inflação. A equação estimada é a seguinte:

(1)   \begin{equation*} E_t \pi_{t,t+11} = \beta_1 + \beta_2 \bar{\pi}_{t,t+11} + \beta_3 \pi_{t-12,t-1} + \beta_4 (e_{t-1} - e_{t-7}) + \beta_5 (p_{t-1}^{c} - p_{t-7}^{c}) + \beta_6 h_{t-2} + \varepsilon_{t}  \end{equation*}

onde E_t \pi_{t,t+11} é a expectativa de inflação para os próximos 12 meses, \bar{\pi}_{t,t+11} é a meta de inflação para os próximos 12 meses, \pi_{t-12,t-1} é a inflação acumulada nos últimos 12 meses, e_t é a taxa de câmbio R$/US$, p_{t}^{c} é o índice IC-br e h_{t} é o hiato do produto obtido a partir do PIB mensal do IBRE/FGV via Filtro de Hamilton.

Com base na equação, verificaremos se a meta de inflação continua sendo importante para explicar o comportamento das expectativas. Importamos abaixo as variáveis utilizadas para estimar a equação, além da taxa de juros Selic, que será utilizada como instrumento.

Para obter todo o código em R e Python para os exemplos abaixo, faça parte do Clube AM, o repositório de códigos da Análise Macro, contendo exercícios semanais.

Comparação de Modelos

Realizamos uma comparação dos coeficiente estimados de ambos os modelos abaixo:

Código
                     Model Comparison                     
==========================================================
                                   OLS                2SLS
----------------------------------------------------------
Dep. Variable             ipca_exp_12m        ipca_exp_12m
Estimator                          OLS             IV-2SLS
No. Observations                   252                 252
Cov. Est.                       kernel              kernel
R-squared                       0.6617              0.6617
Adj. R-squared                  0.6548              0.6548
F-statistic                     70.019              68.934
P-value (F-stat)             1.016e-13           1.708e-13
===================     ==============      ==============
Intercept                       0.2020              0.1111
                              (0.1815)            (0.1008)
meta_lead_12                    0.6336              0.6556
                              (2.7413)            (2.8141)
inflacao_shift_1                0.3377              0.3369
                              (8.0084)            (7.6719)
delta_dol_shift_1               1.1527              1.1542
                              (2.4494)            (2.5072)
delta_ic_shift_1               -0.0067             -0.0065
                             (-1.3123)           (-1.2793)
hiato_shift_2                   0.0469              0.0474
                              (2.7599)            (2.7978)
===================== ================ ===================
Instruments                              meta_lead_shift_2
                                          inflacao_shift_1
                                          inflacao_shift_2
                                         delta_dol_shift_1
                                         delta_dol_shift_2
                                          delta_ic_shift_1
                                             hiato_shift_2
                                             selic_shift_1
                                             selic_shift_2
----------------------------------------------------------

Rolling Regression

De forma a compreender a relação dinâmica entre as variáveis, estimamos uma regressão em janelas deslizantes de 48 meses de forma a obter o coeficiente beta de cada variável. Abaixo, os coeficientes estimado via OLS.

___________________________________
Quer aprender mais?

Seja um aluno da nossa trilha de Macroeconomia Aplicada  e aprenda a criar projetos voltados para a Macroeconomia.

Referências

BARRO, R. J., and D. B. GORDON. 1983a. “A Positive Theory of Monetary Policy in a Natural Rate
Model.” The Journal of Political Economy 91 (4): 589–610.
———. 1983b. “Rules, Discretion and Reputation in a Model of Monetary Policy.” Journal of Monetary
Economics 12 (7): 101–21.
Bevilaqua, A. S., M. Mesquita, and A. Minella. 2008. “Brazil: Taming Inflation Expectations.” Bank
for International Settlements (Ed.), Transmission Mechanisms for Monetary Policy in Emerging Market
Economies, no. 35: 139–58.
Carvalho, F. A., and A. Minella. 2012. “Survey Forecasts in Brazil: A Prismatic Assessment of
Epidemiology, Performance and Determinants.” Journal of International Money and Finance 31:
1371–91.
KYDLAND, F. E., and E. C. PRESCOTT. 1977. “Rules Rather Than Discretion: The Inconsistency of
Optimal Plans.” The Journal of Political Economy 85 (3): 473–92.
MUTH, J. F. 1961. “Rational Expectations and the Theory of Price Movements.” Econometrica 29 (3):
315–35.

Pastore, A. C. 2015. Inflação E Crises - O Papel Da Moeda. Editora Campus.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como criar um Agente de IA coletor de dados

A tecnologia de agentes de IA está democratizando o acesso e a manipulação de dados econômicos complexos, tornando-a acessível mesmo para aqueles sem experiência em programação. Neste post discutimos a criação de agentes de IA para coletar dados econômicos brasileiros usando linguagem natural, como "Qual é a expectativa do IPCA para 2025?".

Como Criar um Agente Analista para Dados da Inflação com LangGraph

Este post mostra como automatizar a análise da inflação brasileira com o uso de agentes inteligentes. Utilizando o LangGraph, integramos dados do IPCA, núcleos de inflação e grupos do índice para criar um sistema capaz de gerar análises econômicas automatizadas com base em consultas em linguagem natural.

Como Criar um Agente para Análise da Atividade Econômica com LangGraph

Este post mostra como automatizar a análise da atividade econômica brasileira com agentes inteligentes. Utilizando o framework LangGraph e dados do IBGE e Banco Central, construímos um sistema capaz de gerar respostas analíticas a partir de perguntas em linguagem natural, unindo automação de consultas SQL e interpretação econômica.

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.