Repasse cambial para os preços não é automático

O boletim Focus divulgado agora há pouco trouxe uma leve revisão na inflação esperada para esse ano. De 3,33% para 3,46%. O motivo é uma pressão no grupo de alimentos vindo das carnes. Houve também uma revisão no crescimento esperado, de 0,92% para 0,99%. Outro destaque do boletim é uma revisão no câmbio esperado, que agora está em 4,10 R$/US$. A evolução do câmbio, diga-se, pode ser um fator a pressionar uma revisão do cenário de juros traçado pelo Banco Central.

Como se sabe, há um repasse entre desvalorização cambial para a inflação, que pode ser capturado por uma Curva de Phillips como abaixo:

(1)   \begin{align*} \pi_t^{livres} = \sum_{i>0} \beta_{1i} E_t \pi^{total}_{t+i} +\sum_{j>0} \beta_{2j} \pi^{total}_{t-j} +\sum_{k \geq 0} \beta_{3k} \pi^{importada}_{t-k} + \sum_{l>0} \beta_{4l} hiato_{t-l} + \sum_{m = 1}^4 D_m + \epsilon_t  \end{align*}

com a imposição da restrição de verticalidade de longo prazo:

(2)   \begin{align*} \sum_{i>0} \beta_{1i} +\sum_{j>0} \beta_{2j} +\sum_{k \geq 0} \beta_{3k} = 1 \end{align*}

Basicamente, a inflação dos preços livres é uma função linear da **inflação passada**, das **expectativas de inflação**, do **hiato do produto** e da **inflação importada**. Como estimamos na edição 48 do Clube do Código e como ensino nos cursos de Macroeconometria usando o R e Modelos do Banco Central, uma elevação de 10% na inflação importada provoca, em média, uma elevação de 0,56 p.p. nos preços no horizonte de um trimestre.

Esse repasse, contudo, não é automático posto que depende principalmente do grau de ociosidade da economia. Sabe-se que com o hiato do produto em terreno negativo, há maiores dificuldades para um repasse integral desse aumento para os preços. É justamente por isso que não se pode decretar que a escalada do câmbio nas últimas semanas irá afetar a queda dos juros na reunião de dezembro do COPOM. É preciso acompanhar/estimar o efeito dessa escalada sobre os preços na próximas semanas, de modo a verificar se está tendo alguma contaminação. Notadamente sobre os preços considerados tradeables, aqueles mais sensíveis a movimentos do exterior.

______________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

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”.

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.