O Banco Central segue o Princípio de Taylor?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" use_border_color="off" border_color="#ffffff" border_style="solid"] Na aula dessa semana do nosso Curso de Macroeconometria usando o R, os alunos tiveram acesso ao tema Estimando uma Função de Reação para o Banco CentralA ideia era verificar quais os fatores influenciam a calibragem do principal instrumento de política monetária, inspirado no trabalho seminal de Taylor (1993). Ademais, verificamos também se o Banco Central brasileiro segue o famoso Princípio de Taylor, isto é, se em reação a um desvio entre expectativa e meta de inflação, a autoridade monetária aumenta a taxa básica de juros mais do que proporcionalmente. Para isso, estimamos uma função de reação como a que colocamos abaixo, com base em Pastore (2015): [/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2016/11/macroeconometria.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" use_border_color="off" border_color="#ffffff" border_style="solid"]

(1)   \begin{equation*}i_{t} = \beta_{0} + \beta_{1}i_{t-1} + \beta_{2}i_{t-2} + \beta_{3}(E_{t}\pi_{t+11} - \pi_{t}^M) + \beta_{4}h_{t} + \varepsilon_{t} \end{equation*}

onde i_{t} é a taxa de juros de curto prazo, E_{t}\pi_{t+11} é a expectativa de inflação em t para 12 meses à frente, \pi_{t}^M é a meta de inflação 12 meses à frente, h_{t} é o hiato do produto e \varepsilon_{t} é um \emph{ruído branco}. Nesses termos, toda vez que as expectativas de inflação, E_{t}\pi_{t+11}, se distanciam da meta, o Banco Central eleva a taxa de juros. Esse tipo de regra prática permite, como dito, que se observe o quanto o Banco Central reage a desvios entre as expectativas e a meta. Se o Banco Central reage mais do que proporcionamente, diz-se que o mesmo segue o Princípio de Taylor, condição necessária para que a inflação não persiga trajetórias caóticas. Nesse caso, as expectativas vão se manter ancoradas e a inflação efetiva passeará em torno da meta. De modo a obter insights sobre o comportamento recente do Banco Central brasileiro, procedemos a estimação da equação acima nessa seção do nosso Curso de Macroeconometria usando o RO resultado da estimação, para o período de janeiro de 2002 a outubro de 2016 é posto abaixo.

 

Dependent variable:
SELIC
lag(SELIC, -1) 1.637***
(0.055)
lag(SELIC, -2) -0.655***
(0.054)
DESVIO 0.064***
(0.019)
lag(HIATO, -1) 0.043***
(0.011)
Constant 0.176***
(0.065)
Observations 178
R2 0.997
Adjusted R2 0.997
Residual Std. Error 0.258 (df = 173)
F Statistic 12,955.200*** (df = 4; 173)
Note: *p<0.1; **p<0.05; ***p<0.01

Estimada a equação, verificamos se para todo o período, o Banco Central seguiu o Princípio de Taylor, isto é, se 

(2)   \begin{equation*} \frac{\beta_{3}}{1 - \beta_{1} - \beta_{2}}  \end{equation*}

foi maior do que 1. De fato, para toda a amostra, ele é igual a 3,45. Ademais, aplicando um teste de restrição, observamos que esse resultado é estatisticamente significativo.

Na lista de exercícios da seção, a propósito, pedi para os alunos brincarem um pouco com os dados. Isto é, para que eles estimassem a mesma equação, mas não para o período todo dos dados, mas para o período correspondente aos mandatos de Henrique Meirelles e Alexandre Tombini à frente do BCB...

Vamos ver quais resultados os alunos vão encontrar... 🙂

_______________________________________

Pastore, A. C. Inflação e Crises - o papel da moeda. Editora Campus, 2015.

Taylor, J. B. Discretion versus Policy Rules in Practice. Carnegie-Rochester Conference Series on
Public Policy, (39):195–214, 1993.

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" url_new_window="off" button_text="Conhecer o Curso de Macroeconometria usando o R" button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"] [/et_pb_button][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

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.