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 planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

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?

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.