Poupança, modelo "clássico" e modelo keynesiano: notas didáticas.

Ontem, em aula sobre o modelo neoclássico pré-keynesiano (geralmente chamado de modelo clássico) eu fiz uma alusão a poupança. Como se sabe, nesse modelo, a taxa de juros é determinada no mercado de fundos emprestáveis, sendo o preço que equilibra a oferta (poupança dos indivíduos) e a demanda (investimento de firmas e déficit público do governo) por fundos emprestáveis. Em assim sendo, a poupança dos indivíduos, dada as preferências intertemporais entre consumo presente e futuro, é relevante para explicar o incremento de investimento ao longo de vários períodos, o que faz aumentar o nível de estoque de capital. Essa posição teórica confronta-se com a visão keynesiana, onde não se obtém uma "função poupança", dado que a decisão relevante é a de investimento, sendo a poupança um resíduo obtido ex-post o processo produtivo. Na minha concepção pessoal, essa oposição entre um e outro modelo é facilmente resolvida quando se olha para a contabilidade social. Vejamos por quê.

Se existe ou não uma decisão individual de poupança, o fato concreto é que o não incremento da poupança agregada de uma economia faz com que se aumente o déficit em conta corrente. Em outros termos, se a economia investe mais do que poupa domesticamente, deverá fazer uso de poupança externa, visando financiar esse delta de investimento. No limite, dada a ausência desse financiamento, o investimento fica comprometido, e consequentemente, o próprio crescimento da economia. Aumentar a poupança, nesse aspecto, torna-se uma implicação simples das contas nacionais, caso se queira elevar a taxa de investimento da economia.

Eu acredito que essa forma de ensinar a importância da poupança agregada é muito mais simples do que fazer a oposição entre modelos, com concepções teóricas distintas quanto ao objeto em questão. Para o aluno, ao invés de se apegar a essa esquizofrenia que são as tais "escolas de pensamento", torna-se uma obrigação lógica fornecida pela contabilidade nacional a preocupação com a poupança. Isto porque, mesmo no modelo keynesiano, ainda que a poupança seja uma variável obtida ex-post o processo produtivo, ela é importante para gerar funding nos períodos seguintes. Esse fato, entretanto, geralmente passa desapercebido para o aluno, dado que a decisão relevante é a de investimento.

Cria-se, nesse aspecto, um vácuo para o economista em formação, como se o funding para o investimento caisse do céu no modelo keynesiano, algo bem distante da verdade, para dizer o mínimo. Acredito que a posição das contas nacionais cubra essa lacuna e forme policymakers melhores. Enfim, acredito que seja um ponto relevante. 🙂

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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”.

Estudo de Caso: Impacto do Metro em São Paulo

O que é Pareamento? E o que significa Propensity Score? Como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto? Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em Python, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.Quer saber como essa análise foi construída? Seja aluno do nosso curso Avaliação de Políticas Públicas usando Python, e tenha acesso às aulas teóricas e práticas, com o código disponibilizado em 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.