Perspectivas para a inflação

ipcacomportamentoComo o Carlos, do Análise Real, sempre chama atenção, é preciso entender os dados antes mesmo de dar o primeiro passo. Meu amigo Ricardo Lima também é um dos que me ajudaram a entender essa lição básica. Tendo isso em mente, leitor, o gráfico ao lado, feito pelo Ricardo Lima utilizando o R, ilustra muito claramente como é o comportamento da economia ao longo do ano e, consequentemente, o impacto disso no nível geral de preços. O gráfico pega cada mês de cada ano e agrega os mesmos: a série é do IPCA, de jan/2004 até maio/2013. A linha vermelha é a média da inflação (em termos de variação mensal), para cada mês.

O que se percebe é que a média da inflação auferida pelo IPCA cai de janeiro a junho (ainda que não monotonicamente), acelerando-se ao longo do segundo semestre. Isso, claro, tem relação com o comportamento da economia ao longo do ano. As empresas costumam acelerar a produção no segundo semestre, visando dar conta das vendas do final do ano - que é o período onde a massa salarial tem um pico, como pode ser visto no gráfico 2 abaixo.

massasalarialapenas

Esse comportamento cíclico da economia nos mostra que, dado que estamos em junho e a inflação em 12 meses encontra-se em 6,5%, com o último dado divulgado em maio, o que devemos esperar, leitor? Pois é, a história do índice nos diz que devemos esperar uma aceleração da inflação ao longo do ano. É justamente por isso que a expectativa média da inflação, de acordo com a pesquisa Focus do Banco Central, foi de 5,81% em maio. E isso, mesmo a despeito do Copom ter iniciado um processo de ajuste das condições monetárias.

Não à toa, não se vê no horizonte de curto prazo, qualquer expectativa de que a inflação convirja para o centro da meta: que é de 4,5%.  Aliás, a título de curiosidade, eu peguei a previsão do mercado em maio para 2013 a 2017. A tabela abaixo mostra a média das consultas para o IPCA:

expipca2

Ou seja, no máximo, o que o mercado acredita é que em 2017 a inflação medida pelo IPCA estará em 5,15%. O que estaria em 0,65 pontos percentuais distante do centro da meta do Conselho Monetário Nacional. E o Banco Central, o que acha?

inflaçãobcb

O Banco Central também não está muito otimista, leitor - talvez isso mude no Relatório de Inflação a ser divulgado nesse mês, dada a elevação da Selic. E você, o que acha?

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.