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

Construindo RAG para Análise do COPOM com SmolAgents

Este exercício demonstra, passo a passo, como aplicar o conceito de Retrieval-Augmented Generation (RAG) com agentes inteligentes na análise de documentos econômicos. Utilizando a biblioteca SmolAgents, desenvolvemos um agente capaz de interpretar e responder a perguntas sobre as atas do COPOM com base em buscas semânticas.

Como criar um Agente de IA?

Unindo conhecimentos sobre Tools, LLMs e Vector Stores, agora é hora de integrar diferentes conceitos e aprender a construir um Agente de IA completo. Neste post, nosso objetivo será criar um Agente capaz de responder perguntas sobre o cenário macroeconômico brasileiro, utilizando dados de expectativas de mercado do Boletim Focus do Banco Central do Brasil (BCB) e o framework LangChain no Python.

Como criar um Supervisor de Agentes com LangGraph

Este tutorial mostra como construir um supervisor multiagente usando LangGraph, integrando dois agentes especialistas: um focado em pesquisa na internet com Tavily e outro especializado em operações matemáticas. Para orquestrar esses agentes, utilizamos o modelo Gemini 2.0 da Google.

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.