Juro baixo com inflação controlada é vitória da ortodoxia econômica

Em 31 de agosto de 2011, alegando ventos deflacionários vindos do exterior, o Banco Central liderado por Alexandre Tombini surpreenderia o mercado ao reduzir a taxa básica de juros de 12,5% para 12% ao ano. A decisão daria início a um cavalo de pau na política monetária, o que estava em linha com a promessa de campanha da então presidente da República, Dilma Rousseff de levar o juro real para abaixo de 2%. O problema, como se veria mais tarde, era combinar essa queda dos juros com a inflação.

Para ilustrar, importamos abaixo a taxa básica de juros e a inflação com o pacote Quandl, bem como criei a meta de inflação para o período.


library(Quandl)
library(ggplot2)
library(scales)
library(gridExtra)
library(magrittr)

inflacao = Quandl('BCB/13522', order='asc', start_date='2007-01-01')
selic = Quandl('BCB/4189', order='asc', start_date='2007-01-01')

meta = c(rep(4.5, length(inflacao$Value)-10), rep(4.25, 10))
inflacao = cbind(inflacao, meta)

O gráfico a seguir ilustra o comportamento da taxa básica de juros, chamando atenção para o choque heterodoxo liderado por Alexandre Tombini e para a queda da taxa com Ilan Goldfajn à frente do Banco Central.

O início da queda abrupta da taxa de juros fica nítido na parte laranja hachurada. O efeito líquido disso foi uma inflação em aceleração nos períodos seguintes, como pode ser visto no gráfico a seguir.

Ao longo do período em que a taxa básica de juros era mantida artificialmente baixa, o governo controlava os preços chamados de administrados, em uma tentativa de usar mecanismos não monetários para controle da inflação. Como se vê, a estratégia heterodoxa não daria certo, levando a inflação para dois dígitos.

A convergência da inflação para a meta só seria possível graças ao bom trabalho de Ilan Goldfajn à frente da autoridade monetária a partir de meados de 2016, que não cedeu à tentação de ajustar a meta de inflação em 2016, mantendo os juros constantes até o final do ano. Sua gestão colheria os frutos logo adiante, com a espinha inflacionária quebrada, permitindo uma queda de juros sustentada.

Esse episódio mostra de forma inequívoca que, (1) a tese heterodoxa de controle não monetário da inflação se mostrou errada e (2) a gestão ortodoxa da política monetária permitiu que a inflação convergisse para a meta e ocorresse queda dos juros para as mínimas históricas. Tomare que tenhamos aprendido com esse episódio...

_____________

(*) Os códigos completos do exercício estarão disponíveis logo mais no Clube do Código.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.