Comentário de Conjuntura: Selic vs. Juros Pessoa Física

[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" text_font="Abel||||" text_font_size="21" use_border_color="off" border_color="#ffffff" border_style="solid"]

Como hoje é dia de COPOM, resolvi imitar o meu colega Renato Lerípio - que, aliás, vem fazendo um belo trabalho de divulgação do R no seu blog - e falar um pouco sobre a diferença entre a taxa de juros básica da economia, a taxa Selic, e os juros que realmente importam, aqueles que a pessoa física normal paga quando toma um empréstimo. O gráfico abaixo ilustra que, ainda que haja uma correlação positiva entre elas, os seus níveis são bem diferentes. Enquanto a taxa Selic (efetiva) encontra-se em 6,4% a.a., o juro pessoa física está em inacreditáveis 52,03% a.a. na modalidade livre, aquela que depende da oferta e demanda do mercado. E a pergunta que fica, naturalmente, é por quê? 

[/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/2018/09/post.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="center" 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="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Abel||||" text_font_size="21" use_border_color="off" border_color="#ffffff" border_style="solid"]

Como eu sou um grande entusiasta do tema, já falei sobre ele várias vezes aqui nesse espaço. Nessas oportunidades, sempre gosto de dividir o problema em duas partes. Primeiro, é preciso dizer que temos um juro real – selic menos a inflação – que equilibra as diversas forças do organismo econômico fora do lugar – para uma comparação com outros países, clique aqui. Três coisas equivocadas na economia brasileira atuam para que isso ocorra: (i) uma taxa de poupança muito baixa; (ii) uma dívida pública muito alta; (iii) existência de muito crédito direcionado. Expliquei em detalhes aqui cada um desses problemas. Vamos focar, portanto, na segunda parte do problema: por que a diferença entre esse juro real, que se aproxima da taxa de captação dos bancos, e o juro para pessoa física é tão alta?

No jargão dos economistas, o nome dessa diferença se chama spread bancário. O spread bancário é alto no país, basicamente, porque é difícil reaver um empréstimo, dada a lentidão da justiça, o que acaba sendo repassado para o preço. Ademais, os depósitos compulsórios exigidos pelo Banco Central estão entre os mais elevados do mundo e a carga tributária incidente também é bastante elevada. Por fim, o setor bancário é muito concentrado, com os principais bancos detendo grande parte do mercado. Tudo isso concorre para manter o spread elevado, o que implica em taxas de juros mais altas para consumidores e empresários.

O Renato, aliás, fez um exercício interessante no blog dele que busca justamente estimar um modelo que explica a trajetória da variação do juro pessoa física. Os resultados do exercício sugerem que a inadimplência tem um papel decisivo na explicação.

Em outras palavras, leitor, reduzir o juro para a pessoa física implica em tocar uma agenda microeconômica bastante complicada. De todos os fatores que explicam o spread alto, me parece que o ponto mais difícil de ser enfrentado é justamente o da inadimplência. Isto é, como dar celeridade a processos de recuperação, o que implica em reduzir provisões de bancos, impactando em juros menores para o tomador de crédito? Não parece ser fácil, não é mesmo?

Aumentar a concorrência e reduzir tributos/compulsórios, me parece, a parte fácil (em termos relativos, obviamente) do problema. Enfrentar a lentidão da justiça brasileira é que são elas... Ou seja, leitor, acho que ainda teremos de conviver com juros altos por um bom tempo, infelizmente... 🙁

 

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2018/09/turmasdeoutubro.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="center" 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_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.