Como anda o juro neutro no Brasil?

No mês de dezembro, iremos lançar uma nova versão do Clube do Código. O projeto de compartilhamento de códigos da Análise Macro vai avançar para uma versão 2.0, que incluirá a existência de uma comunidade no Telegram/Whatsapp, de modo a reunir os membros do Novo Clube, compartilhando com eles todos os códigos dos nossos posts feitos aqui no Blog, exercícios de análise de dados de maior fôlego, bem como tirar dúvidas sobre todos os nossos projetos e Cursos Aplicados de R.

Para ilustrar o que vamos compartilhar lá nesse novo ambiente, vou publicar aqui nos próximos dias alguns dos nossos exercícios completos de análise de dados. Esses exercícios fazem parte do repositório atual do Clube, que irá migrar para o novo projeto. Além de todos os exercícios existentes, vamos adicionar novos exercícios e códigos toda semana, mantendo os membros atualizados sobre o que há de mais avançado em análise de dados, econometria, machine learning, forecasting e R.

Para ilustrar o que vamos fazer lá no Clube AM, nesse Comentário de Conjuntura vou atualizar um exercício que fizemos para construir uma proxy para o juro neutro da economia brasileira. O exercício foi baseado no Relatório Trimestral de Inflação de dezembro de 2019, onde 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 nesse Comentário de Conjuntura.

O script começa carregando alguns pacotes:


library(lubridate)
library(magrittr)
library(dplyr)
library(ggplot2)
library(scales)
library(ggrepel)
library(rbcb)
library(xts)
library(png)
library(grid)
library(gridExtra)

Na sequência, nós coletamos a inflação esperada.


ipcae = get_annual_market_expectations('IPCA',
start_date = '2010-03-01')

ipca_esperado = ipcae$median[ipcae$reference_year==year(ipcae$date)+3
&ipcae$base==0]

ipca_esp_min = ipcae$min[ipcae$reference_year==year(ipcae$date)+3
&ipcae$base==0]

ipca_esp_max = ipcae$max[ipcae$reference_year==year(ipcae$date)+3
&ipcae$base==0]

dates = ipcae$date[ipcae$reference_year==year(ipcae$date)+3
&ipcae$base==0]

data = data.frame(dates=dates, min=ipca_esp_min,
ipca=ipca_esperado,
max=ipca_esp_max)

Também coletamos a taxa Selic esperada.


selice = get_annual_market_expectations('Meta para taxa over-selic',
start_date = '2010-03-01')

selic_esperado = selice$median[selice$indic_detail=='Fim do ano'&selice$reference_year==year(selice$date)+3]

selic_esp_min = selice$min[selice$indic_detail=='Fim do ano'&selice$reference_year==year(selice$date)+3]

selic_esp_max = selice$max[selice$indic_detail=='Fim do ano'&selice$reference_year==year(selice$date)+3]

dates = selice$date[selice$indic_detail=='Fim do ano'&selice$reference_year==year(selice$date)+3]

data2 = data.frame(dates=dates, min=selic_esp_min,
selic=selic_esperado,
max=selic_esp_max)

Com as duas séries disponíveis, nós podemos construir nossa proxy para o juro neutro.


ipca_min = xts(ipca_esp_min, order.by = dates)
ipca_tmais3 = xts(ipca_esperado, order.by = dates)
ipca_max = xts(ipca_esp_max, order.by = dates)

selic_min = xts(selic_esp_min, order.by = dates)
selic_tmais3 = xts(selic_esperado, order.by = dates)
selic_max = xts(selic_esp_max, order.by = dates)

neutro_min = (((1+(selic_min/100))/(1+(ipca_min/100)))-1)*100
neutro = (((1+(selic_tmais3/100))/(1+(ipca_tmais3/100)))-1)*100
neutro_max = (((1+(selic_max/100))/(1+(ipca_max/100)))-1)*100

df = data.frame(dates=as.Date(time(neutro)), neutro=neutro,
min=neutro_min, max=neutro_max)

Por fim, visualizamos a nossa série.

 

__________________

(*) Cadastre-se aqui na nossa Lista VIP para receber um super desconto na abertura das Turmas 2021.

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.