O papel da credibilidade do Banco Central na desinflação da economia

1. Introdução

A estabilidade de preços é o objetivo fundamental da política monetária no Brasil desde a implementação do Regime de Metas para a Inflação (RMI) em junho de 1999. A teoria macroeconômica moderna postula que a capacidade do Banco Central (BCB) em atingir esse objetivo depende crucialmente de sua credibilidade. A credibilidade pode ser definida como a confiança que os agentes econômicos depositam na determinação e na capacidade da autoridade monetária em cumprir as metas anunciadas.

Quando o Banco Central é crível, ele consegue ancorar as expectativas de inflação com maior facilidade. Isso implica que choques de oferta ou flutuações na demanda agregada têm menor impacto sobre a inflação futura, reduzindo o custo de desinflação — ou seja, exige-se um menor sacrifício em termos de produto e emprego (via taxa de juros) para trazer a inflação de volta à meta.

Este estudo analisa a evolução da credibilidade do BCB ao longo de mais de duas décadas, cobrindo diversos ciclos econômicos e choques, desde a crise de confiança de 2002 até a desancoragem recente pós-pandemia. Utilizamos a linguagem de programação R para a coleta, tratamento, e análise de dados. Realizamos a modelagem econométrica usando o pacote {systemfit} disponível na linguagem. Ao fim, criamos um relatório reprodutível com a combinação Quarto + R.

Quer ver a vídeoaula do tutorial deste exercício? E receber o código que o produziu? Faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

2. Objetivo e Motivação

O objetivo deste trabalho é mensurar a credibilidade da política monetária brasileira através de diferentes métricas e verificar empiricamente se uma maior credibilidade contribui para a redução da inflação.

A motivação reside na necessidade de atualizar a metodologia clássica de Mendonça e Souza (2007) para o contexto atual (2025). O período recente foi marcado por choques inflacionários globais e domésticos. Compreender se a “reputação passada” (backward-looking) ou as “expectativas presentes” (forward-looking) são mais determinantes para a dinâmica inflacionária é essencial para o desenho da política monetária.

3. Metodologia

A construção dos índices de credibilidade segue a abordagem de índices limitados entre 0 (nenhuma credibilidade) e 1 (credibilidade total), adaptando as formulações de Mendonça e Souza (2007).

3.1. Índices de Credibilidade

Foram calculados dois tipos principais de índices:

A. Índice de Credibilidade Forward-Looking Padrão ( $IC_{M,F}$ )

Este índice mede a aderência das expectativas de mercado à meta central. Ele é extremamente rigoroso: a credibilidade só é máxima (1) se a expectativa for exatamente igual à meta. Qualquer desvio dentro da banda de tolerância penaliza o índice linearmente, zerando nos limites da banda (piso ou teto).

$IC_{M,F} = \begin{cases} 1 & \text{se } E(\pi)_t = \pi^*_t \\ 1 - \frac{|E(\pi)_t - \pi^*_t|}{\delta} & \text{se } \pi^*_{min} < E(\pi)_t < \pi^*_{max} \\ 0 & \text{caso contrário} \end{cases}$

Onde $E(\pi)_t$ é a expectativa de inflação, $\pi^*_t$ é a meta central e $\delta$ é a tolerância da banda.

B. Índice de Credibilidade com Intervalos ( $IC_{M,F}^{Int}$ )

Este índice é mais flexível e institucionalmente aderente ao regime brasileiro. Ele considera que a credibilidade é preservada (valor 1) enquanto as expectativas estiverem dentro do intervalo de tolerância. A perda de credibilidade ocorre apenas quando as expectativas rompem o teto (ou piso), degradando-se até um limite crítico ( $\pi^{crit}$ ).

C. Índice de Reputação Ponderada ( $ICRP$ )

Diferente da credibilidade (que olha para o futuro), a reputação olha para o passado. O $ICRP$ é uma média ponderada dos índices de credibilidade calculados com a inflação observada ( $IPCA_{12m}$ ) nos últimos 12 meses. A ponderação é decrescente, dando maior peso aos meses mais recentes.

$ICRP_t = \sum_{i=1}^{12} \omega_i \cdot R_{t-i}$

Onde $R$ é o índice calculado com a inflação realizada e $\omega_i$ são os pesos que somam 1.

3.2. Modelo Econométrico

Para testar a eficácia da credibilidade na desinflação, estimou-se uma Curva de Phillips.

Diferentemente de abordagens tradicionais que utilizam Mínimos Quadrados Ordinários (OLS), este estudo adota o método de Mínimos Quadrados em Dois Estágios (2SLS - Two-Stage Least Squares). A escolha metodológica justifica-se pela presença de endogeneidade em variáveis-chave:

Expectativas de Inflação: Sofrem de simultaneidade, pois afetam a inflação corrente ao mesmo tempo que reagem a choques inflacionários contemporâneos.
Hiato do Produto: A função de reação do Banco Central cria um viés de simultaneidade (juros sobem em resposta à inflação, reduzindo o hiato), o que frequentemente inverte o sinal esperado do hiato em estimações OLS simples.

Para corrigir esses vieses, utilizam-se instrumentos baseados em defasagens das próprias variáveis endógenas e variáveis exógenas. A equação estrutural estimada é dada por:

$\pi_t = \beta_1 \pi_{t-12} + \beta_2 \hat{E}_t(\pi) + \beta_3 \hat{h}_{t-6} + \beta_4 IC_t + \beta_5 \Delta ICBr_{t/t-12} + \beta_6 D_{pandemia} + \varepsilon_t$

Onde:

$\pi_t$ : Inflação acumulada em 12 meses.
$\pi_{t-12}$ : Inércia inflacionária (inflação observada há um ano).
$\hat{E}_t(\pi)$ : Expectativas de inflação instrumentadas (livres de viés).
$\hat{h}_{t-3}$ : Hiato do produto instrumentado, com defasagem de 6 meses para capturar o atraso de divulgação do indicador e a transmissão da atividade aos preços.
$IC_t$ : Índice de Credibilidade ( $IC_{M,F}$ ) ou Reputação ( $ICRP$ ), instrumentados por suas defasagens para evitar correlação com o erro contemporâneo.
$\Delta ICBr_{t}$ : Choque de oferta (commodities).
$D_{pandemia}$ : Variável *dummy* para controle de quebra estrutural.

Os instrumentos utilizados na primeira etapa da regressão incluem as defasagens da expectativa ( $t-1$ ), do hiato ( $t-12$ ), da credibilidade ( $t-1$ ) e as variáveis exógenas do modelo.

4. Dados e Transformações

O estudo utiliza dados mensais compreendendo o período de janeiro de 2004 a 2025. As séries sofreram as seguintes transformações para adequação ao modelo econométrico:

Inflação ( $\pi_t$ ): Utilizou-se o IPCA acumulado em 12 meses (IBGE). Para capturar a inércia inflacionária, definiu-se a variável explicativa como a inflação defasada em 12 meses ( $\pi_{t-12}$ ), representando o “efeito memória” de indexadores anuais.
Expectativas ( $E_t(\pi)$ ): Mediana das expectativas de mercado do Relatório Focus para o IPCA suavizado para o horizonte de 12 meses à frente.
Hiato do Produto ( $h_t$ ): Calculado a partir do Índice de Atividade Econômica do Banco Central (IBC-Br). A série foi submetida ao Filtro Hodrick-Prescott (HP) com parâmetro de suavização $\lambda = 129.600$ (padrão mensal) para extração da tendência. O hiato corresponde ao desvio percentual do IBC-Br em relação à sua tendência potencial. No modelo, utiliza-se a defasagem de 6 meses ( $t-6$ ) para refletir o atraso na divulgação do IBC-br em comparação ao IPCA e o tempo de maturação entre aquecimento da atividade e repasse aos preços.
Choque de Oferta ( $\Delta ICBr$ ): Índice de Commodities Brasil (IC-Br) em reais, calculado pelo BCB. A variável entra no modelo como a variação anual (diferença entre $t$ e $t-12$ ), capturando choques de custos persistentes e a desvalorização cambial implícita nos preços das commodities.
Credibilidade ( $IC_t$ ): Índices calculados conforme metodologia descrita na seção 3.1, variando entre 0 e 1.
Dummy Pandemia ( $D_{pandemia}$ ): Variável binária assumindo valor 1 entre março de 2020 e junho de 2022 e 0 nos demais períodos. Essa dummy é essencial para isolar a volatilidade extrema e a desorganização das cadeias produtivas globais durante a crise da COVID-19, evitando que esses ruídos distorçam os coeficientes estruturais da curva de Phillips.

Todo o processo foi feito através da Linguagem de Programação R, desde a coleta de dados através da API do Banco Central do Brasil (SGS), passando pelo tratamento de dados por meio dos pacotes disponíveis no {tidyverse}. Em seguida, analisamos os resultados encontrados.

5. Análise de Dados

A análise visual das séries temporais revela a dinâmica cíclica da credibilidade monetária no Brasil.

5.1. Panorama da Inflação e Desancoragem

O gráfico “Panorama da Inflação no Brasil” evidencia três momentos críticos de desancoragem onde a linha do IPCA (vermelha) e das Expectativas (azul pontilhada) superaram o teto da meta (área sombreada):

2002-2003: A crise de confiança pré-eleitoral, onde a inflação superou 15%.
2015-2016: O realinhamento de preços administrados, levando a inflação a dois dígitos.
2021-2022: O choque pós-pandemia e de oferta global.

Nota-se que, nos períodos de estabilidade, as expectativas tendem a convergir para o centro da meta, validando o funcionamento do regime.

5.2. Dinâmica dos Índices de Credibilidade

A comparação entre os índices “Meta Central” e “Intervalos” mostra comportamentos distintos:

O $IC_{M,F}$ (Meta Central) é extremamente volátil. Como penaliza qualquer desvio do centro, ele oscila frequentemente entre 0 e 1, indicando uma “fragilidade” na métrica estrita.
O $ICRP$ (Reputação Ponderada) apresenta um comportamento mais suave e cíclico. Observa-se que a reputação demora a ser destruída (inércia da confiança), mas também demora a ser reconquistada após um choque inflacionário. Isso é visível nas recuperações lentas pós-2003 e pós-2016.

5.3. Relação Credibilidade vs. Desvio da Meta

Os gráficos de dispersão confirmam visualmente a hipótese central do estudo. Existe uma correlação negativa clara entre o nível de credibilidade (eixo X) e o desvio da inflação em relação à meta (eixo Y).

Vemos que pontos concentrados no canto inferior direito indicam que, quando a credibilidade é alta (próxima de 1), os desvios da inflação tendem a ser pequenos ou nulos. À medida que a credibilidade cai (move-se para a esquerda), a dispersão dos desvios aumenta significativamente, corroborando a ideia de que a perda de credibilidade abre espaço para descontrole inflacionário.

6. Análise da Regressão

Os resultados da estimação da Curva de Phillips Modificada, utilizando o método de Mínimos Quadrados em Dois Estágios (2SLS) para o tratamento adequado da endogeneidade, fornecem evidência estatística robusta sobre o papel da credibilidade na dinâmica inflacionária brasileira. Foram estimados dois modelos: um utilizando a credibilidade forward-looking e outro a reputação backward-looking (ambos com base na meta de inflação, e não nos intervalos).

Curva de Phillips Modificada com Instrumentos
	ICM,F			ICRP,M
Variáveis	Coef.	CI	p-valor	Coef.	CI	p-valor
IPCA 12m (t-12)	-0.004	-0.123 – 0.115	0.948	-0.077	-0.226 – 0.071	0.307
Expectativas Inflação 12 meses	1.276 ^***	1.078 – 1.474	<0.001	1.336 ^***	1.101 – 1.571	<0.001
Hiato do Produto t-6	-0.071	-0.265 – 0.124	0.475	0.033	-0.170 – 0.236	0.749
Índice de Commodities (R$, t - t-12)	0.010 ^**	0.003 – 0.018	0.010	0.010 ^*	0.002 – 0.018	0.011
dummy_pandemia	1.340 ^***	0.642 – 2.038	<0.001	1.403 ^***	0.722 – 2.084	<0.001
Credibilidade	-1.348 ^***	-1.996 – -0.699	<0.001
Reputação				-1.828 ^***	-2.665 – -0.991	<0.001
Observations	252			252
eq1	0.639			0.660
* p<0.05 p<0.01 * p<0.001

Principais Resultados:

O Efeito da Credibilidade: Em ambos os modelos, os coeficientes dos índices de credibilidade e reputação apresentaram-se negativos e estatisticamente significativos (p < 0.001), confirmando a hipótese central do estudo.
- O coeficiente de -1.365 para o $IC_{M,F}$ indica que um aumento na credibilidade forward-looking atua como um poderoso redutor da inflação corrente.
- O coeficiente de -1.858 para o $ICRP_M$ sugere que a reputação histórica (construída pelo cumprimento passado das metas) possui um impacto desinflacionário ainda mais intenso do que a métrica de expectativas correntes.
Dominância das Expectativas sobre a Inércia: Os resultados apontam que a inflação brasileira no período analisado é predominantemente prospectiva (forward-looking). O coeficiente das expectativas de inflação é elevado e significativo (entre 1.283 e 1.345). Em contrapartida, a inércia inflacionária (medida pela inflação defasada em 12 meses) não apresentou significância estatística. Isso sugere que, ao controlar adequadamente pela credibilidade e pelas expectativas futuras, o peso do passado (t-12) torna-se irrelevante para a formação de preços atual.
Choques de Oferta e Exógenos:
- O Índice de Commodities (IC-Br) apresentou sinal positivo (0.010) e significativo (p < 0.05), capturando o efeito do pass-through cambial e a pressão de custos internacionais sobre a inflação doméstica.
- A variável dummy da pandemia mostrou-se altamente significativa e positiva, isolando o choque inflacionário exógeno ocorrido entre 2020 e 2022, evitando que essa volatilidade distorcesse os parâmetros estruturais do modelo.
Achatamento da Curva de Phillips (Hiato do Produto): Os coeficientes do hiato do produto não apresentaram significância estatística (p > 0.05) em nenhuma das especificações. Esse resultado indica que, para a amostra e especificação utilizadas, a sensibilidade da inflação ao ciclo econômico (atividade) é baixa ou nula. Isso pode sugerir duas questões:

- Hiato do produto estimado com valores do IBC-br acumulados em 12 meses e filtro HP não capturaram corretamente o ciclo econômico;
- Uma Curva de Phillips “achatada”, onde a dinâmica inflacionária é dominada pelas expectativas e pelos choques de oferta, sobrepondo-se ao efeito tradicional da demanda agregada no curto prazo.

8. Considerações Finais

A análise empírica dos dados brasileiros entre 1999 e 2025 confirma que a credibilidade não é apenas um conceito abstrato, mas uma variável fundamental na função de reação da economia.

Os resultados demonstram que a construção de reputação (backward-looking) e a manutenção de expectativas ancoradas (forward-looking) atuam como poderosos desinflacionários. O Banco Central que goza de alta credibilidade consegue manter a inflação sob controle com menor custo social. Por outro lado, a deterioração desses índices, como visto nos gráficos de dispersão e na regressão, está associada a desvios inflacionários severos.

Portanto, a preservação da credibilidade institucional e o cumprimento das metas estabelecidas não são apenas formalidades legais, mas pré-requisitos econômicos para a eficiência da política monetária no Brasil.

Referências Bibliográficas

BANCO CENTRAL DO BRASIL. Relatório Focus: expectativas de mercado. Brasília, DF: Banco Central do Brasil. Disponível em: https://www.bcb.gov.br/publicacoes/focus. Acesso em: 12 dez. 2025.

BANCO CENTRAL DO BRASIL. Sistema Gerenciador de Séries Temporais (SGS). Brasília, DF: Banco Central do Brasil. Disponível em: https://www3.bcb.gov.br/sgspub/. Acesso em: 12 dez. 2025.

HENNINGSEN, Arne; HAMANN, Jeff D. systemfit: A Package for Estimating Systems of Simultaneous Equations in R. Journal of Statistical Software, v. 23, n. 4, p. 1–40, 2007. Disponível em: https://www.jstatsoft.org/v23/i04/.

MENDONÇA, Helder Ferreira de; SOUZA, Gustavo José de Guimarães e. Credibilidade do regime de metas para inflação no Brasil. Pesquisa e Planejamento Econômico (PPE), Rio de Janeiro, v. 37, n. 2, p. 247–271, ago. 2007. Disponível em: http://repositorio.ipea.gov.br/handle/11058/3775

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

O papel da credibilidade do Banco Central na desinflação da economia

Análise de Criptomoedas com Python

Como Construir um Monitor de Política Monetária Automatizado com Python?

Qual o efeito de um choque de juros sobre a inadimplência?

Qual a relação entre benefícios sociais e a taxa de participação do mercado de trabalho?

Estamos em pleno emprego no mercado de trabalho?

Outros artigos relacionados

Análise de Criptomoedas com Python

Aprenda a estruturar um pipeline de dados financeiros com Python. Ensinamos a construção de um dashboard automatizado para coleta, tratamento e visualização de criptomoedas via API.

Como Construir um Monitor de Política Monetária Automatizado com Python?

Descubra como transformar dados do Banco Central em inteligência de mercado com um Monitor de Política Monetária Automatizado. Neste artigo, exploramos o desenvolvimento de uma solução híbrida (Python + R) que integra análise de sentimento das atas do COPOM, cálculo da Regra de Taylor e monitoramento da taxa Selic. Aprenda a estruturar pipelines ETL eficientes e a visualizar insights econômicos em tempo real através de um dashboard interativo criado com Shiny, elevando o nível das suas decisões de investimento.

Qual o efeito de um choque de juros sobre a inadimplência?

Neste exercício, exploramos a relação dinâmica entre o custo do crédito (juros na ponta) e o risco realizado (taxa de inadimplência) através de uma análise exploratória de dados e modelagem econométrica utilizando a linguagem de programação R.

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!