Medindo o efeito da incerteza sobre o hiato do produto

O momento atual tem sido marcado não apenas por uma elevação da incerteza como por um novo equilíbrio em patamar elevado. Sem uma vacina ou tratamento comprovadamente eficaz para o novo coronavírus, o "novo normal" se desenha de maneira ainda bastante incerta. Pensando nisso, resolvi verificar o efeito dessa incerteza sobre o nível de atividade. O resultado é a edição 75 do Clube do Código, que sai nos próximos dias.

Como proxy para a incerteza, utilizamos o índice de incerteza econômica da FGV. O objetivo do exercício será estimar uma versão da Curva IS com adição de um componente de incerteza (ver o Estudo Especial número 65/2019 do Banco Central do Brasil), conforme descrito abaixo:

(1)   \begin{align*} h_t = \beta_0 + \beta_{1} h_{t-1} + \beta_{2} (r_{t-1} - r_{t-1}^{n}) + \beta_{3} \Delta sup_t + \beta_{4} incerteza_t + u_t \end{align*}

Basicamente, a Curva IS estimada irá descrever a dinâmica do hiato do produto com base em **suas próprias defasagens**, da **taxa de juros real**, da **variação do superávit primário** e de um **índice de incerteza econômica**. A tabela abaixo resume a estimação dessa Curva considerando o método de mínimos quadrados como benchmark e os métodos TSLS e GMM como referências mais robustas para o exercício.

 

Efeito da Incerteza sobre o Hiato do Produto
Variável Dependente: Hiato do Produto
OLS TSLS GMM
(1) (2) (3)
Intercepto 6.17*** (1.37) 12.01*** (3.74) 17.35*** (2.81)
Hiato (-1) 0.70*** (0.06) 0.56*** (0.09) 0.47*** (0.08)
Juro Real -0.07* (0.04) -0.17*** (0.06) -0.25*** (0.04)
Variação do SPrimário -0.71* (0.36) -0.10 (0.97) 1.03 (0.85)
Incerteza -0.06*** (0.01) -0.11*** (0.03) -0.16*** (0.03)
J-Test 5.95
J-Test (p-valor) 0.43
Observations 70 67 67
R2 0.86 0.89
Adjusted R2 0.85 0.89
Residual Std. Error 0.84 (df = 65) 0.74 (df = 62)
F Statistic 99.99*** (df = 4; 65) 121.38*** (df = 4; 62)
Nota: *p<0.1; **p<0.05; ***p<0.01

 

Os resultados preliminares encontrados sugerem que existe um efeito negativo da incerteza sobre o hiato do produto. Isto é, mais incerteza afeta as decisões de consumo e investimento, que fazem com que o PIB da economia seja menor, reduzindo assim o hiato do produto.

Com base nesses resultados, é possível verificar que a "estabilização" da incerteza em patamares elevados tenderá a ser bastante ruim para o nível de atividade.

____________________

(*) Conheça nosso Curso de Macroeconometria usando o R e aprenda a entender o organismo econômico por meio de equações.

(**) Você aprende a coletar, tratar, analisar e apresentar dados com o R em nossos Cursos Aplicados de R.

(***) Os alunos do plano premium dos nossos Cursos Aplicados de R  têm acesso a mais de 70 exercícios do Clube do Código.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Tratamento e transformação de séries temporais macroeconômicas para modelagem

"Garbage in, garbage out" é a regra de ouro na previsão macroeconômica. Antes de aplicar qualquer modelo de IA ou econometria para prever indicadores como o IPCA ou o PIB, existe um trabalho crucial de tratamento de dados. Neste post, abrimos os bastidores do nosso dashboard de previsões e mostramos o passo a passo para transformar dados brutos de múltiplas fontes (como BCB, IBGE e FRED) em séries prontas para modelagem. Veja como lidamos com diferentes frequências, aplicamos transformações e usamos metadados para criar um pipeline de dados robusto e automatizado.

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.

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.