Mediana do TOP5 indica Selic a 4,75% no final do ano

No boletim Focus divulgado hoje pela manhã pelo Banco Central, chama atenção a correção na taxa básica de juros esperada para o final do ano no grupo conhecido como TOP-5, as 5 instituições melhor pontuadas no ranking de curto prazo. Dentro desse grupo, houve correção na mediana do dia 19 para o dia 20 último, de 5% para 4,75% para a selic esperada no fim de 2019. O intervalo das projeções vai de 4,25% a 5%. Os dados, a propósito, podem ser coletados utilizando o pacote rbcb, disponível no github. Abaixo, um exemplo de código:


library(rbcb)

selic_top5 = get_top5s_annual_market_expectations('Meta para taxa over-selic', start_date = '2019-01-04')
selic_esperado_top5 = selic_top5$median[selic_top5$indic_detail=='Fim do ano'&selic_top5$reference_year=='2019'&selic_top5$type=='C']
selic_esp_min_top5 = selic_top5$min[selic_top5$indic_detail=='Fim do ano'&selic_top5$reference_year=='2019'&selic_top5$type=='C']
selic_esp_max_top5 = selic_top5$max[selic_top5$indic_detail=='Fim do ano'&selic_top5$reference_year=='2019'&selic_top5$type=='C']
dates = selic_top5$date[selic_top5$indic_detail=='Fim do ano'&selic_top5$reference_year=='2019'&selic_top5$type=='C']

data5 = data.frame(dates=dates, selic=selic_esperado_top5,
min=selic_esp_min_top5, max=selic_esp_max_top5)

Com os dados à disposição, podemos gerar um gráfico como o abaixo usando o pacote ggplot2.

 

Isto é, a mediana do TOP5 Curto Prazo indica que deve haver mais dois cortes até o final do ano: um de 50 pontos-base e outro de 25 pontos-base. O ajuste na selic esperada ocorre após a divulgação do comunicado do Banco Central na quarta-feira, que deixou bastante claro o cenário benigno para a inflação projetada. Nas palavras do Banco:

No cenário com trajetórias para as taxas de juros e câmbio extraídas da pesquisa Focus, as projeções do Copom situam-se em torno de 3,3% para 2019 e 3,6% para 2020. Esse cenário supõe trajetória de juros que encerra 2019 em 5,00% a.a. e permanece nesse patamar até o final de 2020. Também supõe trajetória para a taxa de câmbio que termina 2019 em R$/US$ 3,90 e permanece nesse patamar até o final de 2020. No cenário com juros constantes a 6,00% a.a. e taxa de câmbio constante a R$/US$ 4,05*, as projeções situam-se em torno de 3,4% para 2019 e 3,6% para 2020. O cenário híbrido com taxa de câmbio constante e trajetória de juros da pesquisa Focus implica inflação em torno de 3,4% para 2019 e 3,8% para 2020.

Isto é, temos uma inflação abaixo da meta tanto esse quanto no próximo ano, se a taxa de juros ficar em 5% a.a. Há, portanto, espaço para uma taxa de juros abaixo dessa patamar. Ao rodar modelos similares aqueles adotados pelo Banco Central, temos trajetórias de inflação comportadas mesmo com a Selic projetada de 4,25%, já que o câmbio está com baixo repasse, dada a abertura do hiato e a queda das commodities.

É, portanto, difícil acreditar que o Banco Central encerrará o ciclo em 5% na próxima reunião, com mais 50 pontos-base de corte. Estão dadas as condições para termos juros nominais abaixo de 5% ainda esse ano. Possivelmente, mais um corte adicional de 50 pontos-base, totalizando um orçamento de 200 pontos nesse ciclo de expansão da política monetária. Esse orçamento, diga-se, é condizente com inflação na meta - 4% - em 2020. Em 2019, o mais provável é que o Banco Central entregue uma inflação abaixo da meta de 4,25%.

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.