A econometria da previdência

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

A reforma da previdência, mais uma vez, corre sérios riscos de não ser aprovada nas bases inicialmente propostas. O sinal emitido pelo governo, retirando servidores municipais e estaduais da proposta, abriu precedente perigoroso. Outros grupos de interesse igualmente tentarão "fugir" da reforma. Se conseguirem ter sucesso, o que sobrará da proposta inicial é uma incógnita, o que exigirá mais impostos e, claro, uma nova reforma daqui a alguns anos. Nesse post, mostro que a reforma é uma imposição da realidade.

O gráfica acima traz os gastos reais (corrigida a inflação pelo IPCA) com o regime geral de previdência social, acumulados em 12 meses, a preços de janeiro de 2017. No último dado disponível, de janeiro último, o gasto está em R$ 521,6 bilhões. Esses gastos, por suposto, estão crescendo a uma taxa média de 6,33%. Em outras palavras, os gastos com previdência no regime geral estão crescendo mais de 6% ao ano, em termos reais. Mantido esse ritmo de crescimento, a previdência irá tomar cada vez mais espaço na despesa total do governo. Hoje, somente os gastos com o regime geral consomem 40% da despesa total.

O quadro acima parece ser suficiente para convencer uma pessoa razoável sobre a necessidade de uma reforma no sistema de concessão de aposentadorias e pensões. Afinal, mantido esse ritmo de crescimento, tudo o que faremos daqui a algumas décadas será pagar aposentados e pensionistas, não sobrando muito para os demais bens e serviços públicos. Certamente, não é isso que se quer.

De forma a complementar a análise, fui entender um pouco melhor o processo estocástico subjacente à série temporal acima. Para isso, fiz uso do pacote urca e da função ur.df, fazendo o Teste ADF Sequencial de presença de raiz unitária, conforme Pfaff (2008). A aplicação desse protocolo nos indica que o processo é uma passeio aleatório com drift, isto é, dado pela equação 

(1)   \begin{equation*} y_{t} = \alpha + y_{t-1} + \varepsilon_{t} \end{equation*}

Onde \alpha indica a direção. Nesses termos, claramente, os gastos com previdência seguem uma trajetória explosiva, o que clama por alguma modificação no seu rumo. Negar essa evidência, por suposto, teria sérias repercussões sobre o orçamento público brasileiro, como comentado acima.

Observe, ademais, que uma reforma da previdência séria e abrangente pode ter forte impacto sobre a taxa de juros de equilíbrio da economia brasileira. Isso porque, com a redução da taxa de reposição - relação entre o valor da aposentadoria e a renda de contribuição - as pessoas teriam que poupar mais para a velhice, o que ao aumentar a taxa de poupança da economia brasileira faria com que os juros caíssem, de forma estrutural e sustentada.

Em resumo, portanto, mostramos que a reforma da previdência é uma necessidade imposta pela evidência e que se for aprovada de forma abrangente pode ter como externalidade uma queda sustentada da taxa de juros. Quem, nesses termos, pode ser contra esse tipo de reforma?

_________________________________

Pfaff, B. Analysis of integrated and cointegrated time series with R. Springer, New York, second edition, 2008.

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/series-temporais/" url_new_window="off" button_text="Conhecer o nosso Curso de Séries Temporais usando o R " button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"] [/et_pb_button][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

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.