Tombini rompe o período de "Purdah" da política monetária e comenta previsões do FMI

Soou (muito) estranho, leitor, a nota divulgada hoje pelo Banco Central (ver aqui) sobre a revisão das projeções do FMI para o crescimento brasileiro. Primeiro, porque essa revisão era para lá de esperada: o número anterior do fundo para o crescimento esse ano era de -1%, que não levava em consideração nem mesmo o carregamento estatístico de 2015. Segundo, porque essa declaração do presidente do Banco Central ocorre um dia antes da decisão sobre a taxa básico de juros. Em geral, há um período conhecido como "Purdah", antes das reuniões de política monetária, onde os diretores/membros do board evitam falar com a imprensa, para não gerar volatilidade no mercado. Um texto interessante sobre o assunto pode ser lido aqui. Fica difícil, nesse contexto, imaginar o que quer o Banco Central. Desde a última ata, passando pelo relatório de inflação de dezembro, a sinalização por aumento de juros era bastante clara. Agora, aos 45 minutos do segundo tempo, ele faz isso? Estranho, muito estranho, leitor... 🙁

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Retropolando a série do desemprego no Brasil

Nosso objetivo neste exercício será estender a taxa de desemprego fornecida pela Pesquisa de Nacional por Amostra de Domicílios Contínua (PNAD Contínua) através daquela fornecida pela Pesquisa Mensal de Emprego (PME). Serão construídas duas séries: uma normal, outra dessazonalizada. Faremos todo o exercício utilizando o Python.

Variáveis Instrumentais no R: qual o impacto do gasto de segurança no crime?

Diversos métodos econométricos têm como principal finalidade melhorar o processo de investigar o efeito de uma variável sobre a outra, e um importante método encontra-se no uso de Variáveis Instrumentais na análise de regressão linear. Mas como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto?

Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em R, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.

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.

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.