Medindo o efeito das Commodities sobre a inflação brasileira

O período da pandemia tem sido marcado por diversos choques que têm afetado a economia mundial. Em particular, o mundo assiste a um avanço bastante forte nos preços das commodities, inclusive as da área de energia, que são utilizadas como insumo em diversas cadeias produtivas. Um dos efeitos mais nítidos desse aumento nas commodities é o avanço da inflação na maior parte dos países. Nesse Comentário de Conjuntura, buscamos verificar o impacto das commodities na chamada inflação de preços livres no Brasil a partir da estimação de uma Curva de Phillips aos moldes do que faz o Banco Central em seu modelo de pequeno porte.

O objetivo do exercício será estimar uma forma reduzida da Curva de Phillips do Modelo Semiestrutural de Pequeno Porte do BCB, conforme descrito abaixo:

(1)   \begin{align*} \pi_t^{livres} = \sum_{i>0} \beta_{1i} E_t \pi^{total}_{t+i} +\sum_{j>0} \beta_{2j} \pi^{total}_{t-j} +\sum_{k \geq 0} \beta_{3k} \pi^{importada}_{t-k} + \sum_{l>0} \beta_{4l} hiato_{t-l} + \sum_{m = 1}^4 D_m + \epsilon_t  \end{align*}

com a imposição da restrição de verticalidade de longo prazo:

(2)   \begin{align*} \sum_{i>0} \beta_{1i} +\sum_{j>0} \beta_{2j} +\sum_{k \geq 0} \beta_{3k} = 1 \end{align*}

Basicamente, a inflação dos preços livres é uma função linear da inflação passada, das expectativas de inflação, do hiato do produto e da inflação importada, que aqui será captura por um índice de commodities produzido pelo próprio Banco Central.

A reprodução do exercício está disponível para os membros do Clube AM. Uma aula sobre o assunto está disponível no nosso Curso de Macroeconometria usando o R.

Só hoje, 7 de abril, estamos com inscrições abertas para o Clube AM, o espaço de compartilhamento de exercícios da Análise Macro. Faça sua inscrição aqui.

O modelo é estimado via mínimos quadrados em dois estágios, utilizando como instrumentos as defasagens das próprias variáveis. Ademais, foram adicionadas dummies para controlar o overshooting do câmbio no início do governo Lula, outra para o governo Dilma Rousseff e uma última para a pandemia do Covid-19.  A seguir, os resultados do modelo.

 

Curva de Phillips com restrição de verticalidade
Variável Dependente: inflação de preços livres
Expectativa 12 meses 0.20***
(0.04)
IPCA Total(-1) 0.76***
(0.03)
IC(-1) 0.04**
(0.01)
Hiato(-1) 0.04
(0.02)
DLula -2.58***
(0.50)
DDilma -1.57*
(0.71)
DCovid 1.70**
(0.53)
Q1 -0.49*
(0.20)
Q2 -1.05***
(0.20)
Q3 -1.18***
(0.21)
eq1: R2 0.62
eq1: Adj. R2 0.57
Num. obs. (total) 75
***p < 0.001; **p < 0.01; *p < 0.05

A amostra contém dados trimestrais que vão desde o quarto trimestre de 2002 até o último trimestre de 2021. Nesse período, o modelo acima mostra que uma variação de 10% na inflação importada, medida pelo Índice de Commodities do Banco Central brasileiro, tem impacto de 0,4 p.p. dentro do trimestre, controlando para as variáveis em relevo.

_________________

A reprodução do exercício está disponível para os membros do Clube AM. Uma aula sobre o assunto está disponível no nosso Curso de Macroeconometria usando o R.

Só hoje, 7 de abril, estamos com inscrições abertas para o Clube AM, o espaço de compartilhamento de exercícios da Análise Macro. Faça sua inscrição aqui.

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.