Surpresa inflacionária nos Estados Unidos

A semana econômica foi marcada pela divulgação de inúmeros indicadores, mas um chamou atenção: a inflação ao consumidor nos Estados Unidos. No acumulado em 12 meses, a inflação medida pelo CPI chegou aos incríveis 7,53%, número superlativo para a economia norte-americana. De modo a verificar o quão atípico é a inflação atual, nesse Comentário de Conjuntura vamos calcular a surpresa inflacionária nos EUA ao longo dos últimos 35 anos com base no survey de expectativas de inflação da Universidade de Michigan.

A ideia de surpresa inflacionária é basicamente calcular a diferença entre a inflação observada no mês t e o quanto os agentes esperavam para essa inflação 12 meses antes, isto é, em t-12. Ao construir essa série, podemos plotar a mesma no gráfico abaixo.

Como se pode observar pelo gráfico, no período recente, a inflação efetiva tem sido sistematicamente mais alta do que o esperado pelos agentes 12 meses antes. E essa diferença tem aumentado ao longo do tempo.

Isso coloca mais pressão ainda sobre o FED na próxima reunião de política monetária.

___________________

(*) O código e os dados usados para a construção do gráfico estão disponíveis no Clube AM.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Regimes da Política Monetária Brasileira com Markov Switching no Python

Este exercício analisa a política monetária brasileira utilizando modelos de Markov Switching Regression. O objetivo é identificar diferentes regimes de política monetária e como eles influenciam a taxa Selic, a meta de inflação e o hiato do produto. Usamos a linguagem de programação Python para o processo de coleta, tratamento, análise e modelagem dos dados.

Como criar janelas móveis de séries temporais usando o Python

Janelas Móveis/Deslizantes, ou Rolling Windows, são termos frequentes na análise de séries temporais. Mas o que são e como aplicá-las no Python? Neste tutorial, mostramos como essa ferramenta é essencial para a análise de dados utilizando como exemplo a correlação móvel de ações brasileiras.

Como incorporar choques em cenários de previsão?

Neste exercício mostramos como incorar choques no cenário de variáveis exógenas para fins de previsão. Usando como exemplo a previsão do IPCA, através de um modelo de machine learning, mostramos os cuidados a serem tomados e uma forma simples de definir o cenário com os choques. Ao final, apresentamos uma previsão com um suposto choque e uma previsão sem o choque para comparação.

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.