Medindo o efeito do Teto de Gastos sobre o juro neutro

O juro neutro é aquele que equilibra poupança e investimento em uma economia com hiato do produto nulo e inflação igual à meta (Blinder, 1999). 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 (Barbosa et al., 2015). 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 nesse exercício verificar o impacto da emenda constitucional 95 sobre o juro 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 outubro de 2019, totalizando 190 observações. Vamos considerar como proxy para o juro neutro, o juro estrutural implícito nas expectativas do boletim Focus, com base em BCB (2019). O juro internacional será representado pela taxa de juros efetiva praticada nos Estados Unidos (fed funds), para o risco país vamos considerar o CDS de 5 anos 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. As variáveis utilizadas são mostradas abaixo.

Uma matriz de correlação entre as variáveis é colocada abaixo.

A tabela a seguir, por fim, resume a estimação de 2 pelos três métodos especificados.

**Efeito do Teto de Gastos sobre o Juro Neutro brasileiro**

	Variável Dependente: Juro Neutro
	OLS	TSLS	GMM
	(1)	(2)	(3)

Intercepto	3.64^*** (0.18)	3.56^*** (0.24)	4.02^*** (0.28)
Juro Internacional	0.39^*** (0.04)	0.39^*** (0.04)	0.15^* (0.08)
Risco País	0.01^*** (0.0005)	0.01^*** (0.001)	0.004^*** (0.001)
Risco Cambial	0.02 (0.02)	0.02 (0.02)	0.01 (0.01)
D_Teto	-1.54^*** (0.15)	-1.54^*** (0.16)	-1.08^*** (0.22)

J-Test			12.5
J-Test (p-valor)			0.19
Observations	190	186	186
R²	0.65	0.65
Adjusted R²	0.65	0.64
Residual Std. Error	0.80 (df = 185)	0.80 (df = 181)
F Statistic	87.31^*** (df = 4; 185)	82.33^*** (df = 4; 181)

Nota:	^p<0.1; ^p<0.05; ^**p<0.01

Os resultados encontrados sugerem que houve uma queda de até 1,54 ponto percentual em relação ao juro de equilíbrio médio da economia a partir da aprovação do teto de gastos, considerando os diferentes métodos utilizados para estimar a equação 2.

Todos os códigos utilizados para gerar o exercício estarão disponíveis amanhã na Edição 71 do Clube do Código. Ainda não é assinante? Tenha acesso a todas as 71 edições do Clube do Código, mais comentários de conjuntura, códigos para apresentações RMarkdown, Beamer/Latex e muito mais.

_________________________

Barbosa, F. H., F. D. Camêlo, and I. C. João. 2015. “A Taxa de Juros Natural E a Regra de Taylor No Brasil: 2003-2015.” Revista Brasileira de Economia 70 (4): 399–417.
BCB. 2019. “Proxy Da Taxa de Juros Estrutural Implícita Nas Expectativas Da Pesquisa Focus.” Relatório de Inflação Trimestral, no. Dezembro.
Blinder, A. S. 1999. Bancos Centrais: Teoria E Prática. São Paulo: Editora 34.

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

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

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Modelo de previsão para grupos do IPCA

Text mining dos comunicados do FOMC: prevendo mudanças na política

Analisando a inflação por faixa de renda no Python

Criando o Fator de Momentum para o Brasil [Python]

O IBC-Br é um bom preditor do PIB?

Usando LLMs para prever a inflação (IPCA)

Outros artigos relacionados

Modelo de previsão para grupos do IPCA

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

Text mining dos comunicados do FOMC: prevendo mudanças na política

Como quantificar sentimentos e emoções a partir de comunicados de política monetária? Neste exercício utilizamos os statements do FOMC para construir um índice de sentimentos, o que permite comparar a "narrativa" com a prática da política monetária, ou seja, mudanças da taxa de juros. Também avaliamos se tal índice é útil em prever mudanças de política através do teste de causalidade de Granger.

Analisando a inflação por faixa de renda no Python

Neste artigo mostramos como coletar dados de inflação segmentados por faixa de renda e como calcular a variação acumulada em 12 meses usando a linguagem de programação Python.