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

Coletando dados do Google Trends no R e no Python

Como acompanhar e antecipar tendências de mercado? Independentemente da resposta final, os dados são o meio. Neste artigo, mostramos como obter dados do Google Trends em tempo quase real, utilizando as linguagens de programação R e Python.

Contribuição para a Volatilidade [Python]

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação 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.