Regra de Taylor para o Brasil

A regra de Taylor é uma fórmula que descreve como um banco central move a taxa básica de juros em resposta à inflação e ao nível de atividade da economia. Neste tutorial, estimamos uma regra de Taylor para o Brasil no Python, com dados trimestrais do Banco Central, e comparamos o que a regra prevê com o que o Copom de fato decidiu.

O resultado é direto: com o termo de suavização e um juro neutro que varia no tempo, a regra acompanha a Selic efetiva de perto ao longo de toda a última década, incluindo a queda de 2020 e o ciclo de alta que levou a taxa a 15% ao ano.

A aderência não é acidente. Ela vem de duas escolhas de especificação que este tutorial explica em detalhe: modelar a inércia da taxa de juros e deixar o juro neutro variar ao longo do tempo.

O que a regra de Taylor faz

Um banco central com meta de inflação precisa decidir, a cada reunião, qual será a taxa básica. Em tese essa decisão sairia de um modelo completo da economia, com todas as equações que ligam juros a preços e a produto. Na prática, isso é caro e lento.

John B. Taylor propôs em 1993 um atalho: uma fórmula que usa poucas informações e ainda assim descreve razoavelmente bem o que os bancos centrais fazem. É uma regra de bolso no sentido literal, um método aproximado que dispensa o modelo completo.

Vale separar dois conceitos que costumam ser confundidos. Uma regra ótima é a solução de um problema de otimização, em que o banco central minimiza uma função de perda sujeita à estrutura da economia. Uma regra de Taylor não é isso: é uma equação de comportamento, cujos coeficientes vêm da experiência e não de um problema resolvido.

A consequência prática é que a regra serve para descrever e prever a decisão de juros, não para dizer qual seria a decisão ideal.

As três variáveis da regra simples

A formulação mais próxima da original liga o juro nominal a dois desvios, mais uma constante.

O desvio da inflação em relação à meta é a diferença entre a inflação acumulada e a meta definida pelo Conselho Monetário Nacional. Quando a inflação supera a meta, esse termo fica positivo e pressiona o juro para cima.

O hiato do produto é a diferença percentual entre o PIB observado e o PIB potencial, este último entendido como o quanto a economia poderia produzir sem gerar pressão inflacionária. Hiato positivo significa economia aquecida. Ele entra defasado em um trimestre porque o dado de atividade chega com atraso: o Copom decide hoje com a informação do trimestre anterior.

A constante faz o papel de juro neutro, o juro que não estimula nem contrai a economia. Na regra simples ela é fixa, e essa é uma limitação à qual voltaremos.

O princípio de Taylor

Um coeficiente da regra merece atenção especial: o que mede a resposta à inflação. Para que a política monetária estabilize os preços, ele precisa ser maior que 1.

A razão é direta. O que afeta consumo e investimento não é o juro nominal, e sim o juro real, o nominal descontado da inflação. Se a inflação sobe 1 ponto percentual e o banco central sobe o juro nominal menos que 1 ponto, o juro real cai. A economia é estimulada justamente quando deveria ser contida, e a inflação acelera ainda mais.

Por isso a resposta precisa ser mais que proporcional. Esse resultado é conhecido como princípio de Taylor, e é o primeiro item a checar em qualquer regra estimada.

Por que a regra simples não descreve bem o Copom

A regra simples tem um problema empírico conhecido: ela prevê juros que oscilam muito mais do que os juros observados. Bancos centrais não saltam de 10% para 14% de uma reunião para a outra. Movem-se em passos, ao longo de meses.

Esse comportamento é a suavização da taxa de juros, e tem razões concretas. Um colegiado precisa construir consenso antes de decidir. Movimentos bruscos desorganizam o mercado de crédito e a curva de juros. E há incerteza genuína sobre o estado da economia, o que recomenda cautela.

O gráfico abaixo mostra o tamanho do problema. A linha pontilhada é a regra simples; a tracejada, a regra com suavização.

A regra simples não erra apenas o nível: erra o momento das viradas. Sem as defasagens do juro, o modelo responde integralmente a cada movimento da inflação e do hiato, como se o Copom recalculasse a taxa do zero a cada trimestre.

Ignorar a inércia também tem custo estatístico. Como a Selic é fortemente autocorrelacionada, omitir suas defasagens joga essa persistência para o resíduo, e a estimação fica contaminada por autocorrelação.

A regra com suavização e o juro neutro variável

A segunda especificação, mais próxima da praticada pelo Banco Central do Brasil, resolve os dois problemas. Ela tem duas partes.

A primeira é a inércia: onde o juro estava, medida pelas duas defasagens da Selic. A segunda é o destino: para onde o juro deveria ir, dadas as condições da economia. Um peso determina quanto desse caminho é percorrido a cada trimestre.

A outra mudança é o juro real neutro variante no tempo. Na regra simples ele era uma constante; aqui é uma série. Isso importa porque o juro neutro brasileiro mudou bastante na última década, como o gráfico adiante mostra.

A restrição que dá coerência à regra

Há um detalhe técnico que separa uma regra bem especificada de uma que apenas parece bem especificada. O peso que multiplica o bloco de longo prazo não é um coeficiente livre: ele é obrigado a ser igual a 1 menos a soma dos coeficientes de inércia.

A razão é econômica. Imagine a economia em repouso, com o juro parado, a inflação na meta e o hiato fechado. Nessa situação, a regra precisa devolver exatamente o juro nominal neutro, que é o juro real neutro somado à meta de inflação. É o único resultado coerente.

Sem essa restrição, isso se perde. A suavização passaria a alterar o destino de longo prazo dos juros, e não apenas a velocidade do caminho até ele. Um parâmetro que deveria descrever gradualismo acabaria determinando o nível de equilíbrio da economia.

A restrição tem uma consequência prática decisiva para quem vai estimar: ela torna a equação não linear nos parâmetros. Mínimos quadrados ordinários não dão conta. É preciso usar mínimos quadrados não lineares, e este é o ponto em que muita implementação da regra de Taylor escorrega.

Como o exercício foi construído

O tutorial completo segue quatro etapas, todas em Python.

As ferramentas são as de sempre no ecossistema Python de dados econômicos. O pacote python-bcb faz a ponte com as APIs do Banco Central, tanto o Sistema Gerenciador de Séries Temporais quanto a pesquisa Focus. O statsmodels entra na estimação por mínimos quadrados e no filtro Hodrick-Prescott. O SciPy resolve a otimização não linear.

A construção do juro neutro

O juro neutro merece um parágrafo próprio, porque não é observável e precisa ser construído.

A proxy parte das expectativas de mercado da pesquisa Focus para um horizonte de quatro anos à frente. O horizonte longo é proposital: a essa distância, os efeitos de curto prazo do ciclo econômico já se dissiparam, e o que resta é algo próximo do equilíbrio.

Tomamos a expectativa de Selic e a de IPCA para esse horizonte e convertemos a taxa nominal em real pela equação de Fisher. Vale usar a forma exata da equação, e não a aproximação que simplesmente subtrai a inflação do juro: com juros e inflação nos patamares brasileiros, a diferença entre as duas não é desprezível.

Como o resultado ainda oscila, aplicamos o filtro Hodrick-Prescott, que separa uma série em tendência e ciclo. É a tendência que usamos como juro neutro.

O movimento é expressivo e explica parte da dificuldade de comparar ciclos de juros distantes no tempo. Uma Selic de 14% com juro neutro de 3,5% aperta muito mais a economia do que a mesma Selic com neutro de 6,2%.

Os resultados

A tabela abaixo traz os coeficientes estimados por mínimos quadrados não lineares, com erros-padrão robustos a heterocedasticidade e autocorrelação, e a comparação com o GMM.

Os quatro parâmetros contam uma história coerente sobre a condução da política monetária no Brasil.

A soma dos coeficientes de inércia chega a 0,887. Isso significa que, a cada trimestre, o Copom percorre apenas cerca de 11% da distância entre o juro atual e o juro indicado pelas condições econômicas. É um gradualismo forte, coerente com a prática de mover a Selic em passos ao longo de vários meses.

A resposta à inflação, de 1,505, satisfaz o princípio de Taylor com folga. A cada ponto percentual de inflação acima da meta, o juro nominal sobe mais de um ponto e meio, elevando o juro real e contendo a demanda.

A resposta ao hiato, de 1,076, tem o sinal esperado: economia aquecida pede juro mais alto.

Vale notar a convergência entre os dois métodos. NLS e GMM partem de hipóteses diferentes sobre a estrutura dos erros e chegam a valores próximos, o que reforça a confiança nos resultados. O teste J de Hansen, que avalia a validade conjunta das condições de momento, não encontra evidência contra a especificação.

Uma checagem final merece destaque, porque costuma ser esquecida. A condição de estabilidade exige que a soma dos coeficientes de inércia seja menor que 1, e ela não é imposta pela estimação. É uma propriedade que precisa ser verificada depois, nos coeficientes obtidos. Aqui a soma é 0,887, e a condição é satisfeita.

Limitações

Alguns cuidados na leitura destes resultados.

A regra é descritiva, não normativa. Ela resume o comportamento observado do Copom no período e não diz qual seria a decisão ótima.

O juro neutro é uma estimativa, construída a partir de expectativas de mercado e suavizada por um filtro. Outras metodologias produzem séries diferentes, e os coeficientes mudam com elas.

O hiato do produto também é estimado, e revisado com frequência pelo próprio Banco Central. Entre a edição de dezembro de 2023 do relatório e a de junho de 2026, a estimativa para 2023 passou de cerca de −0,6% para +0,5%. Uma revisão dessa magnitude altera a leitura do ciclo.

Considerações finais

Estimar uma regra de Taylor não é um exercício de curiosidade acadêmica. É a forma mais direta de responder a uma pergunta que aparece toda semana no noticiário econômico: dada a inflação e a atividade de hoje, qual seria o juro coerente com o comportamento histórico do Banco Central?

O caminho até essa resposta ensina um conjunto de habilidades que se transfere para quase todo trabalho aplicado em macroeconomia: coletar séries de fontes oficiais por API, tratar dados de frequências diferentes, construir variáveis não observáveis a partir de proxies, e estimar um modelo cujos parâmetros não saem de uma regressão linear simples.

O que isso destrava, por área:

• Economistas e analistas de macro passam a produzir a própria leitura do ciclo de juros, em vez de depender da leitura de terceiros, e conseguem quantificar o quanto uma decisão do Copom surpreendeu.
• Profissionais de mercado financeiro ganham um contrafactual para a curva de juros: comparar a trajetória precificada com a implicada pela regra ajuda a identificar onde o mercado está mais otimista ou pessimista que o histórico sugere.
• Gestores e times de risco conseguem construir cenários de juros condicionados a hipóteses de inflação e atividade, com um modelo estimado em dados brasileiros e não importado de outro país.
• Pesquisadores e estudantes levam para a dissertação uma implementação completa, com a restrição não linear corretamente imposta e o teste que verifica se os dados a rejeitam.
• Quem trabalha com dados e quer migrar para economia encontra aqui um caso completo de ponta a ponta, da API ao gráfico final, que serve de modelo para outros indicadores.

A ferramenta é a mesma em todos os casos: Python, com os pacotes que a comunidade de dados econômicos já consolidou.

Leia também

• Como construir uma Curva IS no Python — o outro lado do modelo semiestrutural: como o juro real afeta o hiato do produto.
• Estimando a NAIRU Implícita no Python: hiato e desemprego — a Curva de Phillips por outra rota, ligando o hiato do produto ao mercado de trabalho.