Copom Watch: política monetária entrou no terreno expansionista

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Ontem, o Banco Central deu prosseguimento ao ciclo de relaxamento da política monetária. Como antecipado na seção Copom Watch, veio o corte de 100 pontos-base, levando a taxa básica de juros para 11,25% a.a. Desde o primeiro corte em novembro do ano passado, já houve redução de 300 pontos-base, suficiente para mudar a posição da política monetária. Considerando as expectativas médias para a inflação nos próximos 12 meses coletadas pelo Focus e o swap 360 dias, no último dado diário disponível para aquelas, o juro real ex-ante está na casa de 4,79% a.a., o que dada nossas estimativas de juro neutro, posiciona a política monetária em terreno levemente expansionista. Como mostra o gráfico abaixo, utilizando dados mensais, é a primeira vez que isso ocorre desde 2013.

 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/04/plot1-3.png" show_in_lightbox="on" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

O juro real ex-ante, como pode ser visto no segundo gráfico abaixo, antecipa a trajetória do juro ex-post, sendo relevante para determinar os movimentos da política monetária. Desse modo, passamos a ver nos próximos trimestres uma mudança nos impulsos monetários sobre o nível de atividade, o que deve, ceteris paribus, se refletir no ciclo econômico. A saber, entre uma mudança na taxa básica e seu efeito total sobre os preços, passando pelo hiato do produto, leva-se entre 6 e 8 trimestres.

 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/04/plot2.png" show_in_lightbox="on" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Nesses termos, portanto, um efeito mais vigoroso da política monetária sobre o nível de atividade será visto somente em 2018, ainda que haja algum efeito esse ano. Dado o tamanho da abertura do hiato do produto, em 2017, ainda estaremos crescendo abaixo do potencial - que, diga-se, se reduziu nos últimos anos. Em outras palavras, esse quadro favorece apostas em uma aceleração no ritmo de relaxamento monetário, nos termos discutidos em post anterior dessa seção: Copom Watch: corte de 100 pontos-base virou piso. Essa aceleração no ritmo de corte é o que o Comitê de Política Monetária (COPOM) tem chamado de antecipação do ciclo, que em suas palavras depende de alguns fatores para se consolidar.

.

 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/04/hiato.png" show_in_lightbox="on" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

 

Há entre esses fatores, questões conjunturais como o grau de reação do nível de atividade e questões estruturais como a reforma da previdência. Essa, por sua vez, tem impacto direto sobre o nível de juro neutro. Consolidar, por suposto, um juro real baixo no Brasil, que não interfira justamente nesse grau de impacto monetário vai depender e muito da agenda de reformas em discussão. Isso porque, uma redução muito forte na taxa básica, como ocorreu no passado, que a deixe muito distante do juro neutro, irá gerar incentivos expansionistas em demasia, o que desancorará as expectativas de inflação, levando mais à frente a novas rodadas de aumento no juro nominal.

Garantir, portanto, um juro real menor depende, soberbamente, dessa agenda de reformas. Há e sempre houve no Brasil pressão por juros reais menores. Difícil, entretanto, é fazer o vínculo entre juros menores e reformas estruturais, como tenho chamado atenção nesse espaço. Dessa vez será diferente?

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" url_new_window="off" button_text="Conhecer o Curso de Macroeconometria usando o R " button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"] [/et_pb_button][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Como preparar os dados para um modelo preditivo?

Modelos de previsão macroeconômica podem facilmente alcançar um número elevado de variáveis. Mesmo modelos simplificados, como o Modelo de Pequeno Porte (MPP) do Banco Central, usam cerca de 30 variáveis. Isso impõe um grande desafio ao nosso dia a dia: como fazer a gestão destes dados para uso em modelos, desde a coleta até o tratamento?

Transfer Learning para Previsão de Séries Temporais com o Python

A aprendizagem por transferência (ou transfer learning) é a técnica de reutilizar um modelo previamente treinado em um novo problema. Esse conceito representa um grande avanço para a previsão de variáveis, especialmente aquelas organizadas ao longo do tempo, como séries temporais. Neste post, exploramos como usar transfer learning com Python para trabalhar com esse tipo de dado.

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.