Clube do Código: Propagação da Inflação de Alimentos

Na edição 54 do Clube do Código, de autoria do Renato Lerípio, replicamos o box "Propagação da Inflação de Alimentos" do Relatório de Inflação de setembro de 2018, do Banco Central brasileiro. A ideia é relativamente simples: estimar, através de um VAR, o efeito de choques no IPCA do grupo "Alimentação e bebidas" sobre os demais preços da economia. Esses outros preços são representados por um núcleo, o qual expurga do índice geral os itens do grupo "Alimentação e bebidas" (obviamente) e também itens relacionados à energia. O box não explicita que itens estão inclusos nesta última categoria, então vamos considerar os itens "Combustíveis (veículos)" e "Combustíveis (domésticos)" -- talvez energia elétrica também entre nesta conta, mas vamos ignorar. O importante é que o resultado final fica bem próximo do original e os interessados podem facilmente adaptar de acordo com sua intuição.

O interessante do exercício é que ele fornece uma estimativa do efeito de segunda ordem de choques nos preços dos alimentos. Quem acompanha os relatórios e atas do BC provavelmente já se deparou com essa expressão. Em linhas gerais, o efeito de segunda ordem ocorre quando o choque no preço de um determinado segmento contamina o restante do conjunto de preços da economia -- e vale lembrar que, neste caso, a política monetária deve ser reativa. Do ponto de vista operacional, um outro aspecto interessante do exercício é que ele envolve uma série de ferramentas que são utilizadas com bastante frequência em análises e modelagem: acumular valores de uma série, modificar a frequência e aplicar ajuste sazonal.

Abaixo, colocamos o gráfico que ilustra a função impulso-resposta extraída do VAR estimado.

Membros do Clube do Código já podem acessar o código do exercício no repositório do github.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Medindo o Hiato do Produto do Brasil usando Python

Uma medida extremamente importante para a avaliação econômica de um país é o Hiato do Produto. Neste post, realizamos uma comparação das diferentes formas de estimação dessa variável não observável utilizando o Python como ferramenta de análise de dados.

Como analisar a contribuição para a Volatilidade de uma carteira de ações usando Python

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação 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.