Estimando o juro neutro da economia brasileira a partir da NTN-B

[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"]

Uma das discussões de conjuntura no mundo dos economistas é saber qual a taxa de juros neutra ou de equilíbrio da economia brasileira. O juro neutro é aquele que não fornece pressões inflacionárias ou deflacionárias sobre o organismo econômico. Dado o atual ciclo de flexibilização da política monetária, que temos discutido na seção Copom Watch desse espaço, torna-se particularmente relevante para o policymaker saber até onde o juro efetivo (dado pela taxa Selic) pode ir, de modo a não gerar impulso expansionista excessivo, que teria de ser revertido logo em seguida. Na edição 29 do Clube do Código, vamos obter uma estimativa de juro neutro com base na NTN-B com vencimento em 2045, um dos títulos públicos à disposição do investidor no país. Abaixo um resumo do exercício.

Para isso, vamos usar o pacote GETTDData para pegar os dados de título público, como no código abaixo.

library(GetTDData)

download.TD.data('NTN-B')
ntnb45 = read.TD.files(dl.folder = 'TD Files', 
 maturity = '150545')

Uma vez que tenhamos baixado e lido os arquivos, podemos montar um gráfico rápido para mostrar o comportamento da taxa de juros associada à NTN-B com vencimento em 2045.

Uma vez que tenhamos obtido o dado, nós mensalizamos o mesmo fazendo uso do pacote xts. Depois aplicamos o filtro HP sobre a série mensalizada, obtendo assim uma estimativa de juro neutro, como ilustrado pelo gráfico abaixo.

No último dado da estimativa, o juro neutro estaria em 5,98%. Nos exercícios que temos feito na AM, a zona de juro neutro parece se situar entre 5% e 6%. Os códigos completos do exercício, a propósito, estarão disponíveis amanhã, 20/04, na área restrita do Clube do Código.

 

 

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="1_3"][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/introducao-a-econometria/" url_new_window="off" button_text="Curso de Introdução à Econometria 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_column][et_pb_column type="1_3"][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/series-temporais/" url_new_window="off" button_text="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_column][et_pb_column type="1_3"][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/macroeconometria/" url_new_window="off" button_text="Curso de Macroeconometria 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_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

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

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.