Relatório AM #6 - Núcleos de inflação

Ao longo das últimas semanas, temos dado ênfase aqui no Relatório AM à discussão da inflação no cenário nacional. Na semana passada, a reunião do COPOM confirmou aquilo que esperávamos, com aumento da taxa básica de juros para 4.25% e nenhuma menção à normalização parcial. Isso é resultado da persistência da trajetória da inflação, de modo que seu nível atual não pode ser atribuído somente a choques. Para elucidar isso, vamos falar mais a fundo sobre como têm se comportados os núcleos da inflação nos últimos meses.

O monitoramento dos preços da economia através de núcleos de inflação é uma prática muito comum atualmente, pois facilita o isolamento dos fenômenos reais (os choques) e dá maior transparência para as decisões da política monetária, facilitando a convergência das expectativas no regime de metas de inflação. No Brasil, temos 7 núcleos: 4 de exclusão (IPCA-EX0, 1, 2 e 3), 2 de médias aparadas (MA e MS), e o núcleo de dupla ponderação (DP). Observando os resultados de cada núcleo separadamente, verificamos que o resultado geral da inflação não pode ser atribuído a setores específicos da economia, e não é resultado de choques em itens específicos de alta volatilidade:

Outra maneira de analisar o comportamento da inflação é através do índice de difusão. Esse valor é simplesmente o percentual de itens do IPCA que teve variação positiva nos seus preços no período. Como cada item possui o mesmo peso, valores altos do índice indicam que o aumento dos níveis de preços é realmente generalizado, configurando a inflação por definição, e sem a possibilidade de influência de choques exacerbados em itens específicos sobre o valor final. Abaixo, podemos ver que ao longo de 2020 o índice teve grande aumento, com a média móvel se mantendo em trajetória crescente até as últimas observações:

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como tratar dados no Python? Parte 5: renomeando colunas

Como dar novos nomes significativos para as colunas em uma tabela de dados usando Python? Neste tutorial mostramos os métodos de renomeação de colunas disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

Como tratar dados no Python? Parte 4: operações por grupos

Como mensalizar dados diários? Ou como filtrar os valores máximos para diversas categorias em uma tabela de dados usando Python? Estas perguntas são respondidas com os métodos de operações por grupos. Neste tutorial mostramos estes métodos disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

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.