Inflação de alimentos e política monetária

alimentos2

A inflação de alimentos tem se mantido em patamar elevado nos últimos anos. Para se ter uma ideia, nos últimos 41 meses e no acumulado em 12 meses, ela foi de 9,12%. Atribui-se esse número, de maneira quase que imediata, aos problemas climáticos, distantes, portanto, do alvo da política monetária. Essa interpretação, entretanto, está longe de ser de todo verdadeira, como exploro no presente artigo.

O grupo alimentos e bebidas do Índice Nacional de Preços ao Consumidor Amplo (IPCA) se divide em: alimentação dentro e fora do domicílio. Em termos de peso no orçamento das famílias, 65% do grupo alimentos é representado pelo subgrupo alimentação dentro de casa e o restante pela alimentação fora. Nos últimos 41 meses, por exemplo, cerca de 5,5 pontos percentuais daqueles 9,12% podem ser atribuídos à alimentação dentro de casa, enquanto o restante à alimentação fora. Isso, entretanto, não diz muita coisa, dado que as pessoas gastam mais com os alimentos que compram para dentro de casa.

Mais interessante, nesse contexto, é verificar o comportamento desses dois subgrupos ao longo do tempo. A despeito de ter mantido crescimento médio, no acumulado em 12 meses, de 8,5%, a alimentação no domicílio apresenta uma oscilação maior. Isto porque, esse subgrupo reage mais intensamente aos problemas climáticos, apresentando altas exacerbadas em momentos de secas prolongadas, por exemplo. Tão logo, entretanto, o problema climático que originou a alta se dissipe, ele tende a se aproximar da meta de inflação.

Observa-se comportamento distinto do subgrupo alimentação fora do domicílio. Tanto sua média é mais elevada, 10,2%, quanto a oscilação é menor. Em outras palavras, ele não retorna à meta de inflação, como a alimentação dentro de casa. Isto porque, este subgrupo reage mais intensamente aos custos observados por bares, restaurantes e demais estabelecimento do gênero. Dado que esses serviços são intensivos em mão de obra e o desemprego tem permanecido baixo ao longo dos últimos anos, observa-se que a inflação no subgrupo alimentação fora de casa se mantém distante da meta.

Sabe-se hoje que a inflação é função direta da diferença entre as taxas de crescimento dos salários reais e da produtividade. Com o desemprego baixo, aqueles sobem mais do que essa, o que gera uma pressão de aumento sobre os preços. O componente da inflação de alimentos que mais reage aos problemas climáticos volta à meta tão logo o choque inicial se dissipe. Já o componente que é impactado diretamente pelo comportamento da diferença entre salários e produtividade, não.

O exemplo dos alimentos fora de casa é interessante, leitor, porque serve para entender o que tem causado a inflação atual. Enquanto aumento generalizado e persistente de preços, a inflação é função direta da condução da política econômica. Como, nos últimos anos, mantivemos incentivos monetários, fiscais e parafiscais (uso de bancos públicos) a todo vapor, isso contribuiu para manter os salários crescendo acima da produtividade. Esse descolamento causou uma inflação média acima de 6% nos últimos anos; com alguns itens, como serviços ou alimentação fora de casa, tendo inflação acima de 9%.

Em assim sendo, para voltar a ter a inflação oscilando em torno da meta de 4,5%, será necessário reorientar a política econômica. Não apenas a política monetária, mas também a fiscal e o crédito subsidiado dos bancos públicos. Sem essa correção, continuaremos a ter inflação permanentemente elevada. E com risco de sair integralmente de controle.

(*) Publicado em 02/07/2014.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

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.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com 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.