Focus é um bom preditor da trajetória econômica?

As expectativas dos agentes de mercado do sistema Focus/BCB são amplamente conhecidas e acompanhadas semanalmente, fornecendo um importante resumo estatístico do que se espera para o futuro da economia brasileira. Obviamente prever o futuro não é uma tarefa fácil ou trivial, de forma que essas projeções de mercado inerentemente carregam consigo um grau de incerteza, o que se costuma chamar como “termo de erro” no economês.

Dessa forma, especialmente para uma economia exótica como a brasileira, a incerteza associada às projeções macroeconômicas ganha uma especial importância. Uma forma interessante e prática de começar a entender o assunto pode ser uma simples comparação entre o que se projetava para uma variável macroeconômica versus o que foi de fato observado para a mesma ao longo do tempo.

O gráfico abaixo procura fazer isso, a linha vermelha representa a taxa de crescimento do PIB divulgado pelo IBGE trimestralmente e as linhas azuis são as expectativas diárias dos agentes de mercado para a trajetória futura dessa mesma variável, reportadas no sistema Focus/BCB:

Percebe-se que os economistas e colegas de profissão são, em geral, bastante otimistas em relação ao desempenho da economia, mas costumam ser frequentemente contrariados pelos dados fora de seus modelos. É importante frisar que as projeções costumam ser feitas com base em cenários para economia, de forma que a incerteza constante do dia a dia do brasileiro – sejam turbulências fiscais, políticas ou mesmo externas – dificulta uma previsão perfeita (perfect foresight), como observado no gráfico.

Para algumas das demais variáveis que compõem o Top 5 Focus, ranking das instituições com base em um índice de acerto, podemos observar comportamento semelhante.  A exceção é o caso da inflação, onde os desvios do projetado vs. observado medido pelo IPCA são bem menos evidentes.

Neste caso podemos dizer que as expectativas de inflação são racionais? Para essa discussão recomendo este post recente do economista Felipe Camargo, que aborda bem esta questão.

As trajetórias esperadas para variáveis referentes a taxa de câmbio e juros quando comparadas com os valores observados são igualmente interessantes:

 

Por fim, deixo a conclusão do questionamento levantado neste texto para o leitor, com a esperança de que as visualizações tenham sido informativas, apesar de não serem tão prazerosas à vista de quem está envolvido no processo de previsão dessas variáveis.

 

 

________________________

Obtenha dados do sistema de expectativas Focus/BCB com o pacote meedr no R: https://github.com/schoulten/meedr

Aprenda sobre modelos preditivos aplicados a macroeconomia na Análise Macro.

Faça parte do Clube AM para ter acesso aos códigos de R.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.