Category

Comentário de Conjuntura

Um modelo preditivo para o desemprego medido pela PNAD

By | Comentário de Conjuntura

Amanhã, o IBGE divulga a taxa de desemprego medida pela PNAD Contínua referente ao mês de abril. Sazonalmente, o desemprego aumenta entre janeiro e março e começa a se reduzir a partir de abril. É o que deve ocorrer nesse ano, visto o que tem acontecido com o nível de atividade. Nesse Comentário de Conjuntura, nós atualizamos nosso modelo VEC de previsão para a taxa de desemprego, que é ensinado no Curso de Previsão Macroeconométrica usando o R.

No nosso modelo, utilizamos as seguintes variáveis explicativas: pesquisas no google trends, o índice antecedente de emprego da FGV, o índice de incerteza econômica também da FGV, o IBC-Br e a taxa básica de juros. A seguir, um gráfico com todas elas, mais o desemprego medido pela PNAD Contínua.

Uma vez coletadas as séries, procedemos o teste de johansen para verificar a existência de vetor de cointegração entre elas. O teste revela a existência de 2 vetores, o que nos leva a construir o modelo VEC.

A amostra é ainda dividida em treino e teste de forma a avaliar a acurácia do modelo, de acordo com as medidas convenientes. O modelo erra mais do que o desejado na amostra de teste, composta pelo período da pandemia. Um problema que econometristas de todo o mundo vem enfrentando nos dias atuais.

Feito o treino/teste, passamos para a previsão para os próximos meses. A tabela abaixo resume.

Previsões para a Taxa de Desemprego
Lower Média Upper
Abr/21 14.2 14.4 14.6
Mai/21 13.8 14.1 14.4
Jun/21 13.4 13.8 14.3
Jul/21 13.1 13.8 14.4
Ago/21 12.8 13.6 14.5
Set/21 12.3 13.4 14.6

A previsão para abril fica entre 14,2% e 14,6% da PEA, centrado em 14,4%. A expectativa é, por suposto, que o desemprego passe a ceder nos meses que seguem. Espera-se que nos próximos seis meses, haja um recuo de 1 ponto percentual na taxa, o que em termos absolutos significa menos 1 milhão de pessoas desempregadas.


Se confirmado, seria a melhor notícia dos últimos tempos...

____________________

(*) Para quem quiser ter acesso a todos os códigos desse e de todos os exercícios que publicamos ao longo da semana, visite o Clube AM.

Explicando o juro neutro da economia brasileira

By | Comentário de Conjuntura

No Comentário de Conjuntura da semana passada, falei sobre os dilemas aos quais está submetido o Banco Central. A inflação tem se mostrado mais resistente do que o inicialmente diagnosticado pela autoridade monetária, o que exigiu uma mudança na comunicação. Sai a tal normalização parcial para uma normalização até o juro neutro. E aqui, temos uma questão bastante relevante: o juro neutro da economia é uma variável não observável, que deve ser estimada. Mais do que isso, quais seriam as variáveis que afetam o juro de equilíbrio? Nesse Comentário de Conjuntura apresentamos um modelo explicativo para o juro de equilíbrio da economia brasileira.

O juro neutro é aquele que equilibra poupança e investimento em uma economia com `hiato do produto` nulo e inflação igual à meta. Em uma pequena economia aberta sem restrições a mobilidade de capital e com ativos substitutos, a taxa de juros doméstica é igual a taxa internacional. Quando não é o caso, deve-se adicionar à taxa de juros internacional (r_t^{*}), o risco país (\gamma_t) e o risco cambial (\tau_t), de modo que:

(1)   \begin{align*} \bar{r_t} = r_t^{*} + \gamma_t + \tau_t  \end{align*}

Com base em 1, procuramos estimar um modelo descritivo para a taxa de juros de equilíbrio da economia brasileira. Para isso, vamos estimar o seguinte modelo:

(2)   \begin{align*} \bar{r_t} = \beta_0 + \beta_1 r_t^{*} + \beta_2 \gamma_t + \beta_3 \tau_t + \beta_4 D_{Teto} + \varepsilon_t,  \end{align*}

onde D_{Teto} é uma *dummy* que assume 1 a partir de dezembro de 2016 e 0 nos meses anteriores da amostra. \varepsilon_t é supostamente um *ruído branco*. Para estimar 2, vamos utilizar uma amostra entre janeiro de 2004 e maio de 2021, totalizando 209 observações. Vamos considerar como *proxy* para o juro neutro, o juro estrutural implícito nas expectativas do boletim Focus. O juro internacional será representado pela taxa de juros efetiva praticada nos Estados Unidos (**fed funds**), para o risco país vamos considerar o EMBI e para o risco cambial vamos considerar o **cupom cambial**, que leva em consideração a expectativa de desvalorização/valorização cambial dos agentes. Ademais, para estimar 2, vamos considerar o método de mínimos quadrados ordinários (OLS), mínimos quadrados em dois estágios (TSLS) e o método dos momentos generalizado (GMM).^[Os instrumentos utilizados são as quatro defasagens de cada uma das variáveis utilizadas.] O restante desse Comentário cuida da coleta/tratamento dos dados, bem como da construção dos modelos.

(*) Aprenda a fazer esse tipo de análise através dos nossos Cursos Aplicados de R.

A tabela a seguir resume a estimação do modelo pelos três métodos descritos acima. À exceção do risco cambial, todas as demais variáveis se mostraram estatisticamente significativa para explicar o juro de equilíbrio. Em particular, o modelo sugere que o risco país é relevante para explicar o juro neutro. Assim, quanto maior for a instabilidade do ambiente político econômico, maior será o risco país e, portanto, maior será o juro de equilíbrio da economia.

Explicando o juro neutro da economia brasileira
Variável Dependente: Juro Neutro
OLS TSLS GMM
(1) (2) (3)
Intercepto 3.11*** (0.19) 2.98*** (0.24) 3.64*** (0.45)
Juro Internacional 0.39*** (0.03) 0.39*** (0.04) 0.20* (0.10)
Risco País 0.01*** (0.001) 0.01*** (0.001) 0.005*** (0.001)
Risco Cambial 0.01 (0.01) 0.01 (0.02) 0.01 (0.01)
DTeto -1.89*** (0.13) -1.89*** (0.13) -1.29*** (0.25)
J-Test 14.04
J-Test (p-valor) 0.12
Observations 209 205 205
R2 0.73 0.72
Adjusted R2 0.72 0.71
Residual Std. Error 0.78 (df = 204) 0.78 (df = 200)
F Statistic 136.11*** (df = 4; 204) 128.73*** (df = 4; 200)
Nota: *p<0.1; **p<0.05; ***p<0.01

Outro resultado interessante que o modelo estimado sugere é que a dummy que representa o teto de gastos se mostrou igualmente relevante para explicar o juro de equilíbrio da economia.
____________________

(*) Para quem quiser ter acesso a todos os códigos desse e de todos os exercícios que publicamos ao longo da semana, visite o Clube AM.

O Banco Central e a espada de Dâmocles

By | Comentário de Conjuntura

O Banco Central termina hoje mais uma reunião do Comitê de Política Monetária (COPOM), cujo objetivo é decidir sobre a trajetória da taxa básica de juros, a SELIC. O que mais importa na reunião, contudo, não é saber quanto de fato será a mudança na Selic, já que há um grande consenso em torno de 75 pontos-base, graças à comunicação do próprio Banco Central. Importa saber se o Comitê irá levar os juros para além da neutralidade, isto é, se de fato promoverá um ajuste total no juros, a ponto de tornar a política monetária contracionista. Nesse Comentário de Conjuntura, fazemos uma análise descritiva desse ponto.

(*) Aprenda a fazer esse tipo de análise através dos nossos Cursos Aplicados de R.

O cenário atual é basicamente composto por um nível de atividade em recuperação, inflação em aceleração e política monetária em situação expansionista. Esse último ponto, diga-se, pode ser ilustrado pela comparação entre a taxa de juros real ex-ante e o juro de equilíbrio da economia. A figura abaixo ilustra.

Abaixo, vemos a variação marginal das três pesquisas mensais principais de nível de atividade.

E a seguir, um resumo das métricas de crescimento, incluindo o IBC-Br.

Os resultados positivos na margem (à exceção da indústria) dessas pesquisas, somados aos resultados do PIB no 1º trimestre garantiram uma revisão das projeções para o nível de atividade em 2021. Isto é, espera-se que haja um crescimento mais robusto esse ano do que o inicialmente projetado.

Em paralelo a esse processo de recuperação do nível de atividade, temos uma inflação em aceleração, fruto de inúmeros choques que têm ocorrido sobre a economia brasileira nos últimos meses.

O gráfico acima ilustra. A inflação cheia chegou a 8,06% no acumulado em 12 meses até maio. Não apenas isso, a média dos 7 núcleos de inflação também está em aceleração.

Diante desse quadro, não nos parece razoável que o Banco Central continue com o discurso de normalização parcial da política monetária. Infelizmente, ele será obrigado a levar a taxa de juros real ao nível de neutralidade, de modo a conter o avanço das expectativas de inflação.

Por óbvio, não é uma situação confortável, já que o desemprego ainda permanece em nível elevado e ainda estamos com hiato do produto negativo. A espada de Dâmocles parece pesar sob a cabeça dos diretores da autoridade monetária.

____________________

(*) Para quem quiser ter acesso a todos os códigos desse e de todos os exercícios que publicamos ao longo da semana, visite o Clube AM.

(**) Os dados de nível de atividade e de inflação fazem parte dos nossos Monitores, que são ensinados no Curso de Análise de Conjuntura usando o R.

Flertando com a estagflação

By | Comentário de Conjuntura

Amanhã, o IBGE divulga o resultado do IPCA de maio. O consenso formado pela média suavizada do Focus indica uma variação de 0,7%, a mesma que indica o nosso modelo de previsão, conforme mostramos ontem no Relatório AM. Se for confirmado, a inflação acumulada em 12 meses romperá a casa dos 7% a.a. A despeito da boa notícia do PIB do 1º trimestre, o hiato do produto ainda encontra-se em terreno negativo, o que indica que estamos basicamente flertando com o que os economistas chamam de estagflaçãoaquele momento do ciclo onde temos inflação alta (ou em elevação, para ser mais claro) e estagnação econômica. Nesse Comentário de Conjuntura, vamos falar um pouco sobre o conceito.

(*) Aprenda a fazer esse tipo de análise através dos nossos Cursos Aplicados de R.

O comentário de conjuntura 22 começa carregando os seguintes pacotes:


library(tidyverse)
library(readxl)
library(rbcb)
library(forecast)
library(vars)
library(tstools)
library(latex2exp)
library(sidrar)
library(lubridate)
library(scales)
library(RcppRoll)
library(ggrepel)
library(seasonal)
library(zoo)

A seguir, pegamos os dados da inflação medida pelo IPCA, assim como os núcleos de inflação desenvolvidos e acompanhados pelo Banco Central.


## Criar Inflação mensal e acumulada em 12 meses
ipca_indice =
'/t/1737/n1/all/v/2266/p/all/d/v2266%2013' %>%
get_sidra(api=.) %>%
mutate(date = ymd(paste0(`Mês (Código)`, '01'))) %>%
dplyr::select(date, Valor) %>%
mutate(mensal = round((Valor/lag(Valor, 1)-1)*100, 2),
anual = round((Valor/lag(Valor, 12)-1)*100, 2))

## Criar amostra
ipca_subamostra = ipca_indice %>%
filter(date >= as.Date('2007-06-01'))

## Pegar núcleos
series = c(ipca_ex2 = 27838,
ipca_ex3 = 27839,
ipca_ms = 4466,
ipca_ma = 11426,
ipca_ex0 = 11427,
ipca_ex1 = 16121,
ipca_dp = 16122)

nucleos = get_series(series, start_date = '2006-07-01') %>%
purrr::reduce(inner_join)

nucleos_12m <- nucleos %>%
mutate(across(!date, (function(x) 1+x/100))) %>%
mutate(across(!date, (function(x) (roll_prod(x, n=12, align='right',
fill = NA)-1)*100 )))

data_nucleos_12 = nucleos_12m %>%
filter(date >= as.Date('2007-06-01'))

&nbsp;

## Inflação vs. Núcleos

meta = c(rep(4.5, 139), rep(4.25, 12),
rep(4, 12), rep(3.75, 12), rep(3.5, 12), rep(3.25, 12))
meta_max = c(rep(4.5+2, 115), meta[-(1:115)]+1.5)
meta_min = c(rep(4.5-2, 115), meta[-(1:115)]-1.5)

metas = tibble(lim_sup=meta_max, meta=meta,
lim_inf=meta_min)

media.nucleos <- rowMeans(dplyr::select(data_nucleos_12, -date))

df = tibble(nucleos = round(media.nucleos, 2),
lim_sup = head(metas$lim_sup, n = nrow(ipca_subamostra)),
meta = head(metas$meta, n = nrow(ipca_subamostra)),
lim_inf = head(metas$lim_inf, n = nrow(ipca_subamostra)),
inflacao = ipca_subamostra$anual,
date = data_nucleos_12$date)

Na sequência, plotamos o primeiro gráfico do comentário.

Como se pode ver, a inflação acumulada em 12 meses está acima do limite superior da meta, resultado de diversos choques que têm ocorrido sobre a economia brasileira desde o ano passado. O aumento de commodities está por trás tanto do aumento de alimentos quanto do aumento dos combustíveis, que afetam diretamente a inflação medida pelo IPCA.


url = 'https://www12.senado.leg.br/ifi/dados/arquivos/estimativas-do-hiato-do-produto-ifi/at_download/file'
download.file(url, destfile='hiato.xlsx', mode='wb')
hiato = read_excel('hiato.xlsx', sheet = 2, skip=1)

Em meio a esses choques, está um hiato do produto em recuperação, como se pode ver pela figura acima, produzida pela IFI. Ainda em terreno negativo (os dados vão até 2021Q4), o hiato respira por aparelhos em meio a uma sucessão de crises que assola a economia brasileira desde meados de 2014.

Inflação em aceleração em meio a um hiato do produto negativo é a definição de estagflação. Por um lado, a inflação aumenta por causa de choques que afetam a economia doméstica. Por outro, o ciclo econômico se mantém em baixa como consequência de alguma crise externa/interna.

É, basicamente, o pior dos mundos para o cenário macroeconômico, porque afeta em última instância a taxa de desemprego, como pode ser visto abaixo.


desemprego = get_sidra(api="/t/6381/n1/all/v/4099/p/all/d/v4099%201") %>%
mutate(date = parse_date(`Trimestre Móvel (Código)`, format='%Y%m')) %>%
dplyr::select(date, Valor) %>%
rename(desemprego = Valor) %>%
mutate(desemprego_sa = final(seas(ts(desemprego, start=c(2012,03),
freq=12)))) %>%
as_tibble()

A taxa de desemprego tem aumentado no Brasil desde 2014, como resultado da crise interna que vivemos à época. Passou por um momento de leve redução nos anos pré-pandemia e reagiu forte ao choque mundial provocado pela Covid-19.

Em outras palavras, o desemprego no Brasil mudou de nível e, dificilmente, voltará aos níveis de 2013/2014 no curto prazo. Isto porque, o desemprego é a última variável a reagir à melhora do ambiente econômico. Há muitos motivos para isso. Um deles é que o desemprego afeta o capital humano das pessoas. Quanto maior o tempo desemprego, maior a parte de capital humano, o que torna difícil para o trabalhador voltar ao mercado.

Dito isso, é bastante preocupante ver o comportamento do desemprego de longo prazo no Brasil, como pode ser visto abaixo.


table = get_sidra(api='/t/1616/n1/all/v/4092/p/all/c1965/all') %>%
mutate(date = as.yearqtr(`Trimestre (Código)`, format='%Y%q')) %>%
dplyr::select(date, `Tempo de procura de trabalho`, Valor) %>%
spread(`Tempo de procura de trabalho`, Valor) %>%
as_tibble()

ratio = table %>%
mutate(across(!date, (function(x) x / Total *100))) %>%
dplyr::select(-Total)

ratio %>%
gather(variavel, valor, -date) %>%
ggplot(aes(x=date, y=valor, colour=variavel))+
geom_area(aes(colour=variavel, fill=variavel))+
theme(legend.title = element_blank(),
legend.position = 'left',
plot.title = element_text(size=8, face='bold'))+
scale_x_yearqtr(breaks= pretty_breaks(n=4), format="%YQ%q")+
labs(x='', y='',
title='Desemprego por tempo de procura por trabalho',
caption='Fonte: analisemacro.com.br com dados do IBGE')

O desemprego de mais de 2 anos tem aumentado de forma consistente nos últimos anos, como mostra a normalização pela PEA vista abaixo.

Os dados são da PNAD Trimestral, com o último dado disponível de 2020Q4.

Quanto maior o tempo da crise, maiores vítimas vão sendo acumuladas dentro do desemprego de longo prazo. A perda de capital humano, por suposto, afeta de forma direta o PIB Potencial da economia, com consequências não desprezíveis sobre o crescimento de longo prazo da economia brasileira.

(*) Aprenda a fazer esse tipo de análise através dos nossos Cursos Aplicados de R.

____________________

(**) Para quem quiser ter acesso a todos os códigos desse e de todos os exercícios que publicamos ao longo da semana, visite o Clube AM.

Consumo de Energia e Nowcasting do PIB

By | Comentário de Conjuntura

No dia 20 de abril, publiquei aqui nesse espaço a edição número 15 do Comentário de Conjuntura fazendo uma análise sobre o Consumo de Energia. Na minha visão, o fato da elasticidade entre a energia e o pib serem muito próximos da unidade significa que o PIB não teria tido um resultado ruim no 1º tri de 2021. Pelo contrário, o resultado deveria vir positivo, já que o Consumo de Energia havia continuado a toada da recuperação. Nesse Comentário de Conjuntura, com os dados divulgados ontem, vamos fazer uma análise detalhada da relação entre o PIB e o Consumo de energia elétrica, bem como apresentamos nosso modelo de nowcasting do PIB.

Os membros do Clube AM têm acesso a todos os códigos dos nossos exercícios!

Para começar, vamos comparar aqui o número índice do PIB dessazonalizado com o consumo de energia, também dessazonalizado.

As séries andam juntas e há, possivelmente, uma relação de cointegração entre elas. Uma vez consideradas as séries em nível, podemos ver a comparação das variações marginal, interanual e anual.

O fit entre as séries é impressionante, não é mesmo?


Esse fit continua também na variação interanual e na variação acumulada em 4 períodos, como pode ser vista abaixo.

A variação acumulada em 4 trimestres mostra uma relação forte entre as séries, com uma volta pronunciada do consumo na margem. Algo que ainda não ocorre com o PIB.

Para além dessa relação entre consumo de energia e movimentos do PIB, também estamos trabalhando aqui na AM em um modelo de nowcasting para o PIB, sob liderança do Vitor Pestana Ostrensky.

O resultado previsto para o 1º tri de 2021 foi de 1,22%, quando o ocorrido ficou em 1,2, na comparação com o trimestre imediatamente anterior.

Os resultados do modelo bem como a sua operacionalização serão divulgados nos próximos dias no Clube AM.

(*) Aprenda a fazer esse tipo de análise através dos nossos Cursos Aplicados de R.

____________________

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente
{"cart_token":"","hash":"","cart_data":""}