Category

Comentário de Conjuntura

O drift perdido: recuperação da economia é frustrante

By | Comentário de Conjuntura

Ontem, eu publiquei aqui no Blog da Análise Macro os resultados do IBC-Br em fevereiro, divulgados pelo Banco Central. Aproveitei o tema para construir o comentário de conjuntura dessa semana, uma vez que tenho visto uma grande preocupação no mercado e na imprensa especializada com a fraca recuperação da economia brasileira nesse início de 2019. Para começar a ilustrar o problema, abaixo coloco o número índice do PIB com ajuste sazonal.

O PIB (Produto Interno Bruto) é a soma de todos os bens e serviços finais produzidos por uma economia em um determinado período, como aprendemos em nossos cursos de Teoria Macroeconômica e Análise de Conjuntura usando o R. O normal de uma série como essa é crescer ao longo do tempo - observe que ela possui uma tendência positiva. Em nosso curso de Séries Temporais usando o R, a propósito, aprendemos que uma série como essa é classificada como um passeio aleatório com drift. Às vezes, entretanto, pode acontecer algum problema no caminho, como a Crise de 2008, ilustrada na parte alaranjada no gráfico.

Não é normal, porém, o que está acontecendo na área azul do gráfico. O vale criado pela "Grande Recessão" de 2014-2016 está dificil de ser deixado para trás. Repare o leitor que ainda não conseguimos sequer alcançar o mesmo nível da série de 2014! É basicamente por isso, inclusive, que ainda temos um estoque de desempregados tão elevado no país.

E por que ainda estamos longe desse nível? Porque ainda não conseguimos formar consenso na sociedade brasileira em torno da agenda de reformas, cujos adversários são poderosos caçadores de renda que impedem o país de dar um salto de desenvolvimento. Para esses, quanto mais burocracia, melhor. Impondo dificuldades, vendem-se facilidades.

A necessidade de reformas é bem anterior a 2014, diga-se. Se você tirar a taxa de crescimento do PIB em nível, verá que ela declina desde o final de 2010. Abaixo, nós tomamos a taxa de crescimento acumulada em quatro trimestres a partir do número índice do PIB sem ajuste sazonal - como aprendemos no nosso curso de Análise de Conjuntura usando o R.

Em meados de 2010, por suposto, a economia brasileira chegou ao pleno emprego do fator trabalho, o que exigia acionar outras duas alavancas para continuar a crescer (investimento e produtividade). O problema dessas alavancas é que elas reagem mal a intervencionismo macro e micro, marcas de Dilma Rousseff na economia.

A mudança de governo em 2016 sinalizou uma retomada dessa agenda de reformas, o que fez interromper a queda do crescimento, como pode ser visto na área alaranjada do gráfico. Na ponta, porém, o crescimento parece ter se acomodado em torno de 1%, refletindo a dificuldade na aprovação dessa agenda que temos visto todos os dias no Congresso.

De fato, como pode ser visto no gráfico acima, construído a partir do boletim Focus do Banco Central, a expectativa média de crescimento para 2019 mudou de patamar nos últimos 12 meses. Em particular, desde fevereiro, dada a sinalização de que a reforma da previdência pode não ser aprovada, o crescimento tem decaído de forma contundente. No último dado disponível - 12/04 - a média encontra-se em 1,9%, estando entre um mínimo de 1,08% e um máximo de 3,13%.

Tudo isso dito, precisamos urgentemente aprovar a reforma da previdência, garantindo o ajuste nas contas públicas, bem como precisamos conseguir consenso em torno de uma ampla agenda de reformas microeconômicas, que melhore o ambiente de negócios, aumente a produtividade e incentive o investimento privado. Não há outra forma de fazer aquela série do PIB em nível voltar à sua rotina normal de crescimento, garantindo assim a retomada de renda e emprego.

____________________

Como de praxe, o código desse comentário está disponível no repositório do github do Clube do Código.

Bolsonaro dilmou? Usando o R para explicar...

By | Comentário de Conjuntura

Após ficar internado por alguns dias devido a uma pneumonia, estou de volta à Análise Macro. Nesse meio-tempo, algumas coisas aconteceram na economia brasileira que poderiam ser tema do nosso Comentário de Conjuntura. Dentre elas, em particular, gostaria de tecer alguns breves parágrafos sobre a intervenção do presidente Bolsonaro na Petrobras, cancelando o aumento previsto no preço do óleo diesel. É, diga-se, o tipo de coisa que, infelizmente, nos faz lembrar do horroroso governo Dilma Rousseff.

Naqueles tristes tempos, lembre-se o leitor, a presidente da República utilizava o controle artificial de preços administrados como energia elétrica e gasolina para colocar o Índice de Preços cheio (o IPCA) dentro do limite-superior da meta, que era de 6,5%. A ideia era não utilizar a taxa básica de juros para controlar a inflação. O resultado, como qualquer economista sabia à época, era uma inflação represada, que cedo ou tarde deveria ser colocada na rua. Dilma, por óbvio, esperou passar a eleição de 2014 para liberar os aumentos - ver sobre aqui.

Isso dito, é inaceitável que o governo atual busque replicar esse tipo de política desastrosa que só fez mal para o mecanismo de preço no país. Não é dessa forma que o governo vai resolver o problema dos caminhoneiros. Mas apenas se tornará refém dos mesmos. Não por outro motivo, o mercado penalizou de forma pesada a Petrobras na Bolsa, com uma perda de mais de R$ 30 bilhões. O medo é que esse tipo de ingerência vire norma no governo.

Isso dito, podemos agora nos perguntar sobre o comportamento do preço do óleo diesel do tempo. Para isso, podemos pegar o subitem óleo diesel, dentro do IPCA no SIDRA-IBGE, e olharmos a sua evolução ao longo do tempo. É o tipo de coisa que ensino a fazer no nosso curso de Análise de Conjuntura usando o R, a propósito. O código abaixo implementa.


#################################################
########## Análise do preço do diesel ###########

## Pacotes

library(sidrar)
library(forecast)
library(ggplot2)
library(gridExtra)

## Coleta de dados

diesel1 = get_sidra(api='/t/2938/n1/all/v/63/p/all/c315/7659/d/v63%202')$Valor
diesel2 = get_sidra(api='/t/1419/n1/all/v/63/p/all/c315/7659/d/v63%202')$Valor
diesel = c(diesel1, diesel2)
dieselts = ts(diesel, start=c(2006,07), freq=12)

Uma vez coletados os dados, podemos gerar um gráfico simples como abaixo.

Observe que é uma série que tem uma variância não constante ao longo do tempo, com diversos aumentos pontuais registrados. Podemos agora tentar entender a mediana desses aumentos. Isto é, será que um aumento de 5,7%, como era o que estava previsto, é um aumento próxima à média ou distante dela? Esse tipo de análise, a propósito, é o que fazemos em nosso curso de Introdução à Estatística usando o R. Para isso, podemos plotar um histograma e um boxplot como abaixo.

Observe que a maior frequência de variações mensais está próxima de zero. A mediana, por suposto, é de 0,1%, conquanto o primeiro quartil termina em -0,14% e o terceiro quartil em 0,52%. Isso quer dizer que um aumento de 5,7% estaria no último quartil da distribuição, sendo considerado um outlier, que no boxplot acima está representado pelas bolinhas vermelhas.

Em palavras de gente, o presidente Bolsonaro não deveria se preocupar tanto com o aumento, uma vez que ele não é comum na distribuição. Assim como pode haver um aumento forte para cima em um dado momento, também pode haver uma queda de mesma proporção - observe que também há outliers negativos no boxplot. Você não verá ninguém reclamando de uma queda de 5,7% no preço do óleo diesel, verá? 

Tudo isso dito, e parafraseando o antigo ministro Antonio Palocci, o diabo com os preços é que eles flutuam! Intervir no preço A ou B só traz dor de cabeça, como muito bem nos ensinaram os anos Dilma Rousseff. Se, portanto, o presidente quer dar uma força para os caminhoneiros, há de haver caminhos melhores do que intervir na política de preços da Petrobras. Dilmar a essa altura não é bom para o presidente e muito menos para o país!

_________________________________

Como de praxe, o código integral desse comentário está disponível no repositório do github para os membros do Clube do Código.

Ibovespa vs. economia real: há relação?

By | Comentário de Conjuntura

Uma das questões que têm intrigado analistas e economistas de mercado é a desconexão entre o Índice Bovespa e a economia real. A despeito do IBOV ter flertado com o nível histórico de 100 mil pontos, a economia real tem patinado nesse início de 2019, como pode ser avaliado a partir de indicadores de alta frequência como o IBC-Br. Olhando para os dados, como poderíamos encaminhar essa questão? É o que vemos nesse post da Análise Macro - para aprender a fazer análises como essa, não deixe de conhecer o nosso curso de Análise de Conjuntura usando o R.

Antes de mais nada, precisamos pegar os dados. Vamos utilizar o pacote quantmod para ter acesso ao índice Bovespa. O código abaixo puxa os dados da base do yahoo finance diretamente para o RStudio.


# IBOVESPA
library(quantmod)
library(xts)
env <- new.env()
getSymbols("^BVSP",src="yahoo",
env=env,
from=as.Date('2001-01-01'))
ibovespa = env$BVSP[,4]
ibovespa = ibovespa[complete.cases(ibovespa)]
ibovespa = apply.quarterly(ibovespa, FUN=mean)
ibovespa = ts(ibovespa, start=c(2001,01), freq=4)

De posse dos dados do IBOV, qual seria a melhor proxy para a economia real? Pensei aqui em pegar o número índice da FBCF, depois a variação interanual desse índice, para ver se há alguma correlação com o IBOV. O código abaixo usa o pacote sidrar e operacionaliza isso.


# FBCF
library(sidrar)
fbcf = get_sidra(api="/t/1620/n1/all/v/all/p/all/c11255/93406/d/v583%202")
fbcf = fbcf$Valor
fbcf = ts(fbcf, start=c(1996,01), freq=4)
dfbcf = (fbcf/lag(fbcf,-4)-1)*100

Agora que já temos os dados do Ibovespa e da variação interanual da FBCF, podemos ver um gráfico com as duas séries. Como, naturalmente, elas estão em escalas diferentes, precisaremos colocar um no eixo principal e outra no eixo secundário.

O gráfico acima sugere que exista de fato uma correlação entre elas, mas a relação parece ter se descolado de 2010 para frente. A correlação para toda a amostra é de 0,18, enquanto até 2010 a correlação é de 0,57. Ademais, pode ser interessante verificar a correlação entre as séries, defasando a variação da FBCF. Os gráficos abaixo ilustram até a terceira defasagem.

Como se pode ver, há um decaimento na correlação entre as variáveis, conforme aumentamos a defasagem da variação da FBCF.

O que isso tem a dizer? Por enquanto, nada. Observe que estamos fazendo apenas uma análise preliminar dos dados, tentando ver alguma relação entre o IBOV e uma proxy da economia real. Para nos aprofundarmos no assunto, teríamos que ver outros candidatos a proxy, bem como construir um modelo que avalie mais profundamente a relação entre as variáveis, como fazemos no nosso curso de Séries Temporais usando o R.

Outro ponto que precisa ser avaliado é que o IBOV reflete expectativas do mercado a cerca do que vai ocorrer com a economia doméstica e com o cenário externo ao longo do tempo. Isto é, para que as séries acima andem juntas é preciso "limpar" muita coisa.

Ao longo das próximas semanas, vamos construir um modelo para avaliar a relação entre as séries. Por enquanto, membros do Clube do Código têm acesso ao script completo desse comentário lá no repositório do github. Até lá!

Choques adversos ou represamento de preços?

By | Comentário de Conjuntura

Nelson Barbosa escreveu artigo na Folha semana passada chamando atenção para a administração de Ilan Goldfajn à frente do Banco Central. Para Barbosa, Ilan teria apenas colhido os frutos plantados por Alexandre Tombini, a quem coube a ingrata tarefa de elevar os juros para conter a inflação em aceleração. No decorrer do artigo, Barbosa classifica o aumento de preços de energia e a desvalorização cambial de "choques adversos" sobre a economia brasileira. Será mesmo?

Para examinar a questão, considere o seguinte modelo básico:

(1)   \begin{align*} y = b_0 + b_1 x + \varepsilon, \end{align*}

onde y é nossa variável de interesse, x é um vetor de variáveis explicativas e \varepsilon é um termo de erro que captura tudo o que não está sendo explicado pelo nosso modelo. Isto é, nele estaria o tal "choque" sobre a variável y.

Isso dito, o que chamamos de choque é algo não previsto, certo? O problema na definição de Barbosa sobre "choques adversos" que afetaram a economia brasileira no final de 2014 para o ano de 2015 é que tudo ali estava previsto. Para examinar a questão usando dados, vamos nos concentrar nos preços da energia elétrica residencial e na gasolina. Enquanto o preço da gasolina foi mantido represado durante boa parte do governo Dilma, o preço da energia elétrica residencial sofreu um duro ataque com a MP 579, que alteraria o marco regulatório do setor. Esses preços são considerados administrados, porque seus reajustes são feitos de acordo com algum contrato, sofrendo forte interferência do governo de plantão. O gráfico abaixo ilustra.

 


 

Observe que o preço do subitem energia elétrica residencial tem uma queda brusca no final de 2012, início de 2013, por conta da tal MP 579. Já o preço da gasolina mantém-se quase sempre em uma banda limite até o final de 2014. Ambos os preços sobem drasticamente após as eleições de 2014, refletindo o represamento feito durante o governo Dilma. O que há nesses dois casos, portanto, é apenas consequência do que foi feito anteriormente pelo governo Dilma. Fato, infelizmente, esquecido por Barbosa.

Para além disso, é importante notar que o represamento de preços administrados atendia a uma estratégia alternativa mais geral de controle da inflação, deixando os juros de fora do processo. Isto é, o governo Dilma tinha como objetivo controlar a inflação ao tentar controlar preços administrados, evitando assim usar os juros para tal tarefa. Isso inclusive está documentado na heterodoxia econômica que sustentou teoricamente aquele governo. Novamente, um fato esquecido por Barbosa.

Tudo isso dito, soa leve demais chamar de "choques adversos" o que na verdade foi uma correção dos erros de cometidos pelo governo na condução da política econômica, em particular da política monetária. Ocorre choque quando não é possível antecipá-lo, o que claramente aqui não era o caso.

_______________________________

Saiba como coletar, tratar, analisar e apresentar dados com nossos Cursos Aplicados de R.

O código que gera o gráfico está disponível no repositório do Clube do Código.

"Aquele 1%": economia se acomoda em 2018

By | Comentário de Conjuntura

No nosso Curso de Análise de Conjuntura usando o R estão disponíveis apresentações feitas em Beamer/LaTeX de diversos indicadores da economia brasileira. Essas apresentações tem por princípio a automatização do processo de coleta e tratamento dos dados, de maneira que a atualização dos resultados pode ser feita em poucos minutos, com mudanças mínimas no script. Isso garante um aumento considerável na produtividade de quem mexe todos os dias com dados macroeconômicos.

Nas últimas semanas, por suposto, tenho trabalhado na transição dessas apresentações para RMarkdown, uma sintaxe mais simples que o LaTeX, que permite uma introdução ainda mais tranquila para quem nunca programou. Como exemplo, coloco nesse post a atualização da apresentação das Contas Nacionais, divulgadas hoje pelo IBGE para o resultado do quarto trimestre do ano passado.

Os alunos do Curso de Análise de Conjuntura usando o R têm acesso a todos os códigos que geram a apresentação, desde a coleta dos dados, o tratamento dos mesmos e a visualização via ggplot2. Como degustação, não alunos podem ver a nova apresentação RMarkdown aqui.

Cadastre-se na newsletter
e receba nossas novidades em primeira mão!