Uma proxy para o juro neutro

No Relatório Trimestral de Inflação de dezembro, divulgado na quinta-feira passada, o pessoal do Banco Central apresentou uma proxy para a taxa neutra de juros considerando as taxas de inflação e de juros três anos à frente disponibilizadas na pesquisa Focus. A despeito da simplicidade do exercício, existe um trabalho de coleta e tratamento dos dados da pesquisa Focus para se chegar ao juro real três anos à frente, considerado como proxy para o juro neutro da economia. Isso dito, para mostrar como as coisas ficam mais fáceis com o R, eu resolvi replicar o exercício do Banco Central no Clube do Código. Segue um resumo da Edição 70 do Clube.

Para coletar os dados da inflação e da taxa Selic esperadas, diretamente do sistema de expectativas do Banco Central, utilizei o pacote rbcb, disponível no github. De posse dos dados, filtrei apenas as expectativas três anos à frente para as duas variáveis, em três categorias: mediana, mínimo e máximo. Uma vez colhidos os dados filtrados, construí o juro neutro mediano, mínimo e máximo, considerando os dados diários. Por fim, calculei a média mensal do juro neutro, do juro neutro mínimo e máximo.

O gráfico acima ilustra. Na ponta, o juro neutro está em 2,9%, enquanto o mínimo ficou em 1.2% e o máximo em 3.7%. Há, por suposto, uma queda na taxa nos últimos anos, considerando assim a amostra das instituições que participam do boletim Focus.

Todos os códigos do exercício estão disponíveis no repositório privado do Clube do Código no github. Para ter acesso, basta ser membro do Clube ou ser aluno do plano premium dos nossos Cursos Aplicados de R.

_________________________

(*) Confira nossa super promoção de Natal com até 50% de desconto nos nossos Combos aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Otimizando um Portfólio de Investimentos com Machine Learning

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Como usar IA + Python para o Mercado Financeiro?

Neste post, mostramos como a Inteligência Artificial, aliada à linguagem Python, está revolucionando o mercado financeiro. Exploramos as principais áreas onde essa tecnologia pode ser aplicada — como gestão de carteiras, análise de demonstrações contábeis, estratégias quantitativas, trading e análise macroeconômica — com foco em aplicações práticas e exemplos voltados para o contexto brasileiro.

Como otimizar um portfólio de investimentos no Python?

Este post apresenta, de forma prática e didática, como aplicar o modelo de otimização de carteiras de Markowitz utilizando Python. A partir de dados reais de ações brasileiras, mostramos como calcular retornos, medir riscos e encontrar a combinação ótima de ativos com base nas preferências de risco do investidor. Utilizamos a biblioteca Riskfolio-Lib para estruturar a análise e gerar gráficos como o conjunto de oportunidades e a fronteira eficiente.

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.