Modelo de pequeno porte do BCB: como o Banco Central projeta a inflação

O modelo que está por trás das projeções do Copom

Quando o Comitê de Política Monetária publica uma projeção de inflação para o horizonte relevante, o número não sai de uma opinião nem de um único modelo. Ele vem de um sistema de análise que combina projeções de especialistas para o curto prazo, modelos específicos para preços administrados e, no médio prazo, um conjunto pequeno de equações que descreve como juro, atividade, câmbio e expectativas se relacionam na economia brasileira. Esse conjunto é o modelo semiestrutural de pequeno porte, o MPP.

Ele é chamado de semiestrutural porque fica no meio do caminho entre dois extremos. Não é ateórico como um VAR, em que a teoria econômica se resume à escolha das variáveis e do número de defasagens. Também não é microfundamentado como um DSGE, em que cada equação é derivada do problema de otimização de famílias e firmas. As equações do MPP são inspiradas na teoria e em fatos consensuais, sem pretender identificar toda a estrutura da economia. É de pequeno porte porque tem cinco equações comportamentais, contra pouco mais de trinta do modelo semiestrutural médio.

Essa posição intermediária é deliberada. Existe um custo de oportunidade entre conteúdo econômico e capacidade preditiva: o VAR se ajusta bem aos dados de curto prazo mas explica pouco, porque seus parâmetros não têm leitura estrutural; o DSGE explica muito e costuma ajustar-se pior. O MPP fica onde o banco central precisa estar para projetar com prazo de dois anos e ainda conseguir dizer por qual canal um choque se propaga.

Onde o MPP se encaixa no conjunto de modelos do BCB

O Banco Central mantém uma família de modelos com graus distintos de estruturação econômica, e cada um responde a uma pergunta diferente:

• Indicadores antecedentes e núcleos de inflação — puramente estatísticos, servem à análise de conjuntura e ao curtíssimo prazo;
• Modelos VAR — ateóricos, usados como balizadores pela precisão relativa no curto prazo;
• Semiestruturais de pequeno porte — o MPP, nas versões agregada e desagregada, base das projeções condicionais de médio prazo;
• Semiestrutural médio — pouco mais de trinta equações, que foi perdendo espaço ao longo do tempo;
• DSGE Samba — microfundamentado, hoje usado sobretudo para contrafactuais, decomposição de choques e cenários de estresse.

A versão original do modelo de metas está em Bogdanski, Tombini e Werlang (2000), publicada no primeiro Working Paper do BCB, e sua evolução é acompanhada nos boxes dos Relatórios de Inflação — hoje Relatórios de Política Monetária. O que segue descreve a estrutura atual, com as revisões de dezembro de 2021 e junho de 2024.

As cinco equações

A estrutura básica do MPP é definida por cinco equações comportamentais: uma curva de Phillips, uma curva IS, uma regra de Taylor, uma equação de paridade descoberta da taxa de juros e uma curva de expectativas de inflação. Uma sexta relação, que não é estimada, fecha o sistema no IPCA cheio.

A curva de Phillips

A curva de Phillips determina a inflação de preços livres como função da inércia inflacionária, das expectativas, da inflação importada, da variação cambial, do hiato do produto e das anomalias climáticas.

Modelar preços livres em vez do IPCA cheio é uma escolha com justificativa econômica direta: preços livres são determinados pelo mercado e refletem de imediato as condições de oferta e demanda do período, enquanto os administrados por contrato e monitorados são definidos após algum grau de intervenção governamental, com regras de reajuste próprias. Misturar os dois numa equação só obrigaria um mesmo coeficiente de hiato a explicar o preço do tomate e a tarifa de energia elétrica.

Três elementos dessa equação merecem atenção.

O primeiro é a restrição de verticalidade. Os coeficientes da inflação passada, das expectativas e da inflação importada são estimados sob a exigência de que somem um. A restrição garante que, no longo prazo, a curva seja vertical: se inflação passada e esperada convergirem para o mesmo valor e o hiato for nulo, a inflação corrente reproduz esse valor, e a política monetária não sustenta hiato positivo permanente à custa de inflação mais alta. As variáveis de controle não interferem na condição porque sua média não condicional é nula por construção. Mostramos a imposição dessa restrição na prática em estimando uma curva de Phillips para o Brasil no R.

O segundo é a inflação externa. Ela não entra como o IPC de um parceiro comercial, e sim como um índice de preços de commodities medido em dólar e convertido em reais. O BCB usa o Índice de Commodities Brasil (IC-Br), que ele mesmo calcula, decomposto em agropecuária, metal e energia. Como o índice é convertido pelo câmbio, ele carrega junto a variação cambial, e é por isso que o termo cambial separado na equação mede apenas os efeitos que não passam pelo preço de commodities.

O terceiro é o clima. Desde a revisão de 2017, a curva de Phillips inclui uma variável construída a partir do Oceanic Niño Index, do NOAA, que mede a temperatura do Pacífico e identifica episódios de El Niño e La Niña. A partir de 2021 os dois sinais entram separados, com dummies distintas, porque a resposta da inflação de alimentos à anomalia é assimétrica. A contribuição estimada dessa variável teve máximo em 2015-2016, refletindo o El Niño intenso do período.

A curva IS

A curva IS descreve o hiato do produto como função de suas próprias defasagens, do hiato de juro real, de uma variável fiscal e do hiato do produto mundial.

O termo de juro é a diferença entre o juro real ex-ante e o juro neutro. O juro real ex-ante vem da expectativa Focus para a Selic ao longo de doze meses, deflacionada pela expectativa de inflação do mesmo período. Usar expectativa em vez de juro observado é coerente com a ideia de que decisões de consumo e investimento respondem ao custo esperado do dinheiro no horizonte da decisão, não ao juro de ontem.

A variável fiscal é o resultado primário do governo central corrigido pelo ciclo econômico e por outliers, expresso como desvio de sua tendência. A correção cíclica evita confundir causa e efeito: parte da piora do primário numa recessão é consequência da própria recessão, e entraria com o sinal trocado se fosse usada bruta.

O bloco externo aparece como hiato do produto mundial relevante para o Brasil, construído a partir do PIB de vários países ponderado pela participação de cada um nas exportações brasileiras. Nós detalhamos a construção do lado doméstico dessa equação em como construir uma curva IS no Python.

A regra de Taylor

A função de reação do banco central responde ao desvio da expectativa de inflação em relação à meta, com duas defasagens da própria Selic captando a suavização. As duas defasagens não são um detalhe técnico: elas permitem que a resposta do juro tenha forma de ciclo, com aceleração e desaceleração, em vez do decaimento geométrico monótono que uma defasagem só produziria.

Vale registrar uma diferença entre o modelo e a prática de projeção. A regra de Taylor descreve a reação média da autoridade monetária na amostra, e serve para fechar o sistema em simulações e funções de resposta ao impulso. Nas projeções publicadas, a trajetória da Selic costuma entrar como condicionante — juro constante, trajetória da Focus ou outra hipótese —, não como resultado do modelo. Para a versão estimada com dados brasileiros, ver criando uma regra de Taylor para o Brasil usando o Python.

A paridade descoberta e a equação do prêmio

O contato com o setor externo mudou de forma ao longo da história do modelo, e a mudança ilustra bem como escolhas de especificação servem ao uso prático.

Até 2017, o modelo tinha uma equação para o spread entre a taxa longa (swap pré-DI de 360 dias) e a Selic corrente. A revisão de 2017 substituiu essa formulação por uma decomposição: a taxa do swap passou a ser a Selic esperada ao longo da vigência do contrato mais um prêmio, e o prêmio virou a variável modelada, em função de suas defasagens e do risco-país medido por EMBI ou CDS. O ganho é de transparência na construção de cenários: como a Selic do condicionamento entra diretamente na composição da taxa longa, a trajetória do swap responde de forma direta à hipótese de juro adotada em cada cenário.

Nas versões bayesianas, o bloco externo é uma equação de paridade descoberta da taxa de juros: a variação cambial responde à variação do diferencial entre o juro doméstico e a Fed Funds rate, ajustada pelo prêmio de risco medido pelo CDS de cinco anos. A variação esperada do câmbio no longo prazo segue a paridade do poder de compra, dada pelo diferencial entre a meta de inflação doméstica e a inflação de equilíbrio externa.

A curva de expectativas

A quinta equação é a que mais distingue o MPP moderno de sua versão original. Ela faz as expectativas de inflação da pesquisa Focus reagirem endogenamente às demais variáveis do modelo, combinando três termos: a própria expectativa defasada, uma expectativa consistente com o modelo (model-consistent expectations) e a inflação passada.

Sem essa equação, um cenário alternativo com Selic mais alta reduziria a inflação apenas pelo hiato e pelo câmbio, mantendo as expectativas congeladas no valor observado da Focus — o que subestimaria o efeito da política monetária e produziria cenários internamente inconsistentes. Com ela, mudanças nos condicionantes se traduzem em mudanças nas expectativas, que realimentam a curva de Phillips. Tratamos da medição desse fenômeno com dados da Focus em ancoragem de expectativas no Python.

A identidade que fecha no IPCA

O IPCA cheio é a soma ponderada da inflação de preços livres, que sai da curva de Phillips, com a inflação de preços administrados, que vem de fora do bloco semiestrutural. Os administrados são projetados por um modelo próprio de 24 equações trimestrais, uma para cada item da cesta, desenhadas a partir das regras de reajuste de cada setor — reajuste de energia elétrica pela ANEEL, tabela da CMED para medicamentos, e assim por diante. São equações majoritariamente calibradas a partir do arcabouço institucional, não estimadas.

Como a inflação passada é um dos determinantes do reajuste de vários administrados, existe realimentação entre os dois blocos: mudanças na projeção de livres alteram automaticamente a projeção de administrados.

Agregado e desagregado: duas versões do mesmo modelo

O BCB opera duas versões do MPP, e a diferença entre elas é mais estreita do que os nomes sugerem. As duas têm praticamente o mesmo conjunto de equações e diferem apenas na representação da inflação de preços livres: o modelo agregado usa uma única curva de Phillips para todos os preços livres; o desagregado usa três, uma para cada grupo — serviços, bens industriais e alimentação no domicílio —, cuja soma ponderada reproduz a inflação de livres.

O modelo agregado tem a vantagem da simplicidade: com uma hipótese direta sobre a agregação de preços, ele organiza a discussão entre atividade econômica e inflação. Dentro dos preços livres, porém, existem grupos com diferenças importantes de nível médio de inflação, de dinâmica e de determinantes. É o que a desagregação recupera.

Os coeficientes estimados reproduzem fatos estilizados conhecidos da inflação brasileira:

• Serviços tem a maior inércia, resultado da indexação formal e informal de contratos, e o maior coeficiente de hiato do produto. Em compensação, não é afetado diretamente pelo câmbio nem por commodities;
• Bens industriais responde a commodities metálicas, petróleo e câmbio, com sensibilidade menor ao hiato;
• Alimentação no domicílio responde a commodities agrícolas e ao câmbio, e é o único grupo em que a anomalia climática aparece.

Essa separação tem consequência prática na leitura de choques. Uma depreciação cambial de 10% atinge alimentação no domicílio com intensidade muito maior do que serviços, e serviços só é alcançado de forma indireta, pela inércia do IPCA e pelas expectativas — o que faz seu pico ocorrer mais tarde e durar mais. No modelo agregado, esses caminhos aparecem somados num coeficiente só; no desagregado, dá para dizer quanto veio de cada um.

A desagregação também permite separar efeito primário de efeito secundário de um choque, distinção que está no centro da decisão de política monetária. Quando uma quebra de safra eleva o preço dos alimentos, a reação apropriada não é combater a alta inicial, e sim evitar que ela contamine os demais preços. O modelo desagregado mostra essa propagação explicitamente, e mapeia com facilidade o núcleo EX0, que exclui alimentação no domicílio e administrados. Tratamos das medidas de núcleo em como analisar o núcleo de inflação no Brasil usando Python.

Como o modelo é estimado

As equações do MPP mudaram pouco em vinte e cinco anos. O método de estimá-las mudou três vezes, e cada mudança resolveu um problema que a geração anterior deixava aberto.

Primeira geração: equação a equação

Nos primeiros anos do regime de metas, cada equação era estimada isoladamente, por mínimos quadrados ou variáveis instrumentais. O hiato do produto e o juro neutro entravam prontos, calculados antes por métodos externos ao modelo: extração de tendência linear, filtro Hodrick-Prescott, função de produção ou filtro de Kalman univariado.

Esse desenho tem duas fragilidades. A primeira é que o hiato usado como regressor é uma variável estimada tratada como se fosse observada, e a incerteza da sua medição não aparece nos erros-padrão dos coeficientes. A segunda é a simultaneidade: juro, hiato e inflação são determinados ao mesmo tempo, e estimar cada equação isolada ignora que a variável explicativa de uma é a variável dependente de outra. Discutimos a sensibilidade da primeira dessas escolhas em medindo o hiato do produto do Brasil usando Python, em que estimativas do mesmo trimestre chegam a divergir no sinal conforme o método.

Segunda geração: sistema, por GMM

O Relatório de Inflação de junho de 2011 registra a virada: "a consolidação do regime de metas e o alongamento do período amostral têm permitido identificar os parâmetros dos modelos utilizando técnicas econométricas de estimação conjunta". As equações passaram a ser estimadas em sistema, com instrumentos. O boxe de março de 2021, ao apresentar o novo modelo desagregado, é explícito sobre o método que ficava para trás: no modelo anterior, "era usado o Método Generalizado dos Momentos (GMM)".

A estimação conjunta traz três ganhos. Trata a simultaneidade, usando instrumentos para as variáveis endógenas. Permite impor restrições que cruzam equações, como a verticalidade da curva de Phillips, com erros-padrão corretos. E ganha eficiência ao usar a correlação entre os resíduos das diferentes equações.

Foi nessa geração que a regra de Taylor entrou no sistema sem aparecer nas equações publicadas. A nota de rodapé do boxe de 2017 é explícita: "a estimação conjunta dessas equações incluiu também a especificação de uma regra de Taylor, que relaciona a taxa Selic aos desvios da inflação esperada de sua meta, ao hiato do produto, ao nível de equilíbrio da Selic e a termos autorregressivos da Selic".

O GMM tem ainda dois problemas conhecidos nas amostras curtas com que se trabalha em macroeconomia brasileira. O primeiro é o viés de amostra pequena, agravado quando o número de condições de momento cresce. O segundo, mais sério, é a identificação fraca da curva de Phillips novo-keynesiana: quando os instrumentos têm correlação baixa com o termo de expectativas, as estimativas ficam mal determinadas e a inferência convencional deixa de valer. Mavroeidis, Plagborg-Møller e Stock (2014) revisam a literatura e mostram que boa parte da divergência empírica sobre o peso das expectativas na curva de Phillips vem daí, e não de diferenças econômicas reais entre as amostras.

Terceira geração: bayesiana, em espaço de estados

O Relatório de Inflação de setembro de 2020 apresentou o novo modelo agregado com estimação bayesiana, com os resultados publicados em dezembro daquele ano; o modelo desagregado equivalente veio em março de 2021, substituindo a versão anterior que usava GMM. É a estrutura em vigor, revisada em dezembro de 2021 e atualizada em junho de 2024.

A mudança tem duas partes que costumam ser confundidas: a representação em espaço de estados e a inferência bayesiana.

A representação em espaço de estados, resolvida por filtro de Kalman, permite que variáveis não observáveis sejam estimadas junto com os parâmetros, e não antes deles. O hiato do produto deixa de ser insumo externo e passa a ser resultado do modelo. Sua trajetória é alimentada por quatro indicadores de atividade — PIB, Nível de Utilização da Capacidade Instalada, taxa de desocupação e estoque de empregos formais do Novo Caged —, dos quais o filtro extrai o componente cíclico comum. Além disso, o hiato é disciplinado pelas próprias equações econômicas: ele precisa ser consistente com a inflação de livres pela curva de Phillips, com as expectativas e com a curva IS. O mesmo tratamento vale para o juro real neutro, estimado internamente de forma coerente com a estrutura do modelo.

A inferência bayesiana entra porque um modelo com muitos parâmetros e variáveis latentes, estimado em amostra trimestral curta, tem verossimilhança pouco informativa em várias direções. Declarar distribuições a priori regulariza o problema. A escolha do BCB é usar prioris pouco informativas, que na maior parte dos casos apenas limitam o suporte do parâmetro — uma uniforme entre 0 e 1, por exemplo. A intenção declarada é que o resultado reflita sobretudo o ajuste das equações aos dados observados, e não a opinião prévia de quem estimou.

O que se publica muda de natureza: em vez de coeficiente e erro-padrão, o BCB divulga a moda a posteriori e o intervalo de credibilidade de 90% de cada parâmetro. A leitura é mais direta que a de um intervalo de confiança clássico: dado o modelo, os dados e a priori, há 90% de probabilidade de o parâmetro estar naquele intervalo.

O que muda na prática entre GMM e bayesiano

Vale evitar duas leituras equivocadas dessa transição.

A primeira é achar que a estimação bayesiana tornou o modelo mais estrutural. Não tornou: as equações continuam sendo relações semiestruturais inspiradas na teoria, sem microfundamentação. O que mudou foi como os parâmetros e as variáveis latentes são recuperados.

A segunda é achar que a priori resolve o problema de identificação. Ela contorna o sintoma — a estimativa deixa de ser instável e a inferência passa a ser reportável —, mas se os dados carregam pouca informação sobre um parâmetro, o posterior fica próximo da priori naquela direção. O tratamento honesto é justamente o que o BCB adotou: prioris amplas, e intervalos de credibilidade largos quando os dados não determinam bem o parâmetro. O intervalo do coeficiente de resposta às expectativas na regra de Taylor, largo em todas as versões publicadas, é um exemplo direto disso.

O que o modelo diz sobre a economia brasileira

As funções de resposta ao impulso publicadas pelo BCB dão a leitura quantitativa do modelo, e três resultados organizam bem a discussão sobre política monetária no Brasil.

A política monetária é potente, mas lenta. Um aumento de 1 ponto percentual na Selic mantido por quatro trimestres reduz a inflação acumulada em quatro trimestres em cerca de 0,27 p.p. no modelo agregado, com efeito máximo alcançado no quarto trimestre após o choque. Essa defasagem é o argumento central para a atuação forward-looking: o juro de hoje alcança os preços daqui a mais de um ano, então responder à inflação corrente seria responder tarde.

O câmbio chega rápido aos preços. Uma depreciação permanente de 10% eleva o IPCA em cerca de 0,96 p.p. no acumulado em quatro trimestres. O repasse é bem maior nos administrados que nos livres, porque combustíveis e energia elétrica têm componentes indexados ao dólar.

O descasamento temporal entre choque de custo e resposta de política é o problema prático do Copom. O exercício publicado em dezembro de 2021 é o mais didático de todos: um choque de 10% nas commodities eleva a inflação em cerca de 0,6 p.p. já no primeiro trimestre e 0,9 p.p. em quatro trimestres, enquanto uma alta de 1 p.p. na Selic mitiga apenas 0,3 p.p. no mesmo prazo. Duas conclusões saem daí — mesmo com reação imediata, o impacto de curto prazo do choque de custos tende a prevalecer; e uma reação forte o bastante para neutralizar o choque no curto prazo produz efeito excessivo sobre a inflação mais adiante, quando a política monetária finalmente age com toda a força.

Os limites do modelo

Duas limitações merecem registro, uma do modelo e outra de quem tenta reproduzi-lo de fora.

A do modelo é o hiato do produto. Mesmo estimado dentro do sistema, ele continua sendo uma variável não observável, cuja trajetória depende das quatro séries de atividade escolhidas, das restrições impostas e do tratamento dado a períodos atípicos. Estimativas do mesmo trimestre variam conforme o método, e essa incerteza se propaga para toda a leitura do modelo. A vantagem do tratamento em espaço de estados é que ela ao menos aparece explicitamente, em vez de ficar escondida atrás de um filtro aplicado antes.

A de quem observa de fora é uma espécie de ilusão de transparência. O BCB publica as formas gerais das especificações econométricas e, desde 2020, as tabelas de parâmetros estimados, mas os detalhes das variáveis de controle efetivamente usadas, o número exato de defasagens de cada termo e as séries em sua construção precisa nem sempre aparecem. Quem quiser reproduzir o modelo precisa inferir a especificação particular a partir da teoria, de testes estatísticos e do material divulgado. O nível de abertura melhorou bastante com os boxes recentes; a reprodução exata continua sendo um exercício de inferência.

Considerações finais

O MPP é um sistema de cinco equações que descreve como o juro alcança a inflação na economia brasileira: pela demanda, via curva IS; pelo câmbio, via paridade de juros; e pelas expectativas, via curva de expectativas. Os três caminhos convergem na curva de Phillips, e a identidade de agregação fecha no IPCA cheio.

Sua história mostra que a estrutura econômica se manteve estável enquanto o método mudou bastante. Saiu-se de equações isoladas com hiato importado de um filtro externo, passou-se pela estimação conjunta por GMM e chegou-se a um modelo em espaço de estados que estima parâmetros e variáveis latentes ao mesmo tempo. Cada geração resolveu uma fragilidade da anterior e trouxe suas próprias escolhas discutíveis — a priori na bayesiana ocupa o lugar que os instrumentos ocupavam no GMM.

Para quem acompanha o Copom, o valor do modelo está menos no número exato de cada projeção e mais na disciplina que ele impõe ao raciocínio. Ao explicitar por quais canais um choque se propaga e com que defasagem, ele transforma a discussão sobre a próxima decisão numa discussão sobre parâmetros, cenários e condicionantes.

Perguntas frequentes

O que é o modelo de pequeno porte do Banco Central?

É o modelo semiestrutural que serve de base às projeções condicionais de inflação de médio prazo do Banco Central do Brasil. Sua estrutura tem cinco equações comportamentais: uma curva de Phillips para a inflação de preços livres, uma curva IS para o hiato do produto, uma regra de Taylor, uma equação de paridade descoberta da taxa de juros e uma curva de expectativas de inflação. É chamado de semiestrutural porque suas equações são inspiradas na teoria econômica sem microfundamentação completa, e de pequeno porte pelo número reduzido de equações.

Qual a diferença entre o modelo agregado e o desagregado?

As duas versões têm praticamente o mesmo conjunto de equações e diferem apenas na representação da inflação de preços livres. O agregado usa uma única curva de Phillips para todos os preços livres. O desagregado usa três curvas setoriais — serviços, bens industriais e alimentação no domicílio —, cuja soma ponderada reproduz a inflação de livres. A desagregação permite separar efeitos primários de secundários de um choque, identificar a dinâmica própria de cada setor e acompanhar o núcleo EX0.

Como o modelo de pequeno porte é estimado?

Desde 2020, por técnicas bayesianas em representação de espaço de estados, resolvida por filtro de Kalman. Antes disso, entre 2011 e 2019, a estimação era conjunta por Método Generalizado dos Momentos (GMM); e nos primeiros anos do regime de metas, equação a equação por mínimos quadrados e variáveis instrumentais. A mudança para o espaço de estados permite estimar as variáveis não observáveis — hiato do produto e juro real neutro — ao mesmo tempo que os parâmetros, em vez de calculá-las antes por um filtro externo.

Por que o Banco Central passou a usar estimação bayesiana?

Porque um modelo com muitos parâmetros e variáveis latentes, estimado em amostra trimestral curta, tem verossimilhança pouco informativa em várias direções, e a estimação clássica fica instável. As distribuições a priori regularizam o problema. O BCB usa prioris pouco informativas, que na maior parte dos casos apenas limitam o suporte do parâmetro, para que o resultado reflita sobretudo o ajuste das equações aos dados observados. O que se publica passa a ser a moda a posteriori e o intervalo de credibilidade de 90%, em vez de coeficiente e erro-padrão.

O que é a restrição de verticalidade da curva de Phillips?

É a exigência de que os coeficientes da inflação passada, das expectativas de inflação e da inflação importada somem um. Ela garante que, no longo prazo, a curva de Phillips seja vertical: se a inflação passada e a esperada convergirem para o mesmo valor e o hiato do produto for nulo, a inflação corrente reproduz esse valor, e a política monetária não consegue sustentar um hiato positivo permanente por meio de inflação mais alta. As variáveis de controle não afetam a condição porque sua média não condicional é nula por construção.

Por que a regra de Taylor do modelo não tem o hiato do produto?

Porque o coeficiente não se mostrou bem identificado e significativo na estimação. O próprio Banco Central adverte que isso não deve ser lido como ausência de reação à atividade econômica: as expectativas de inflação são correlacionadas ao hiato, tendendo a ser mais altas quanto mais positivo ele está, de modo que a resposta à atividade entra na regra pela via das expectativas.

Quanto tempo leva para a Selic afetar a inflação segundo o modelo?

Um aumento de 1 ponto percentual na Selic mantido por quatro trimestres reduz a inflação do IPCA acumulada em quatro trimestres em cerca de 0,27 p.p., com efeito máximo no quarto trimestre após o choque, segundo a versão agregada estimada com amostra até 2023. Essa defasagem é o principal argumento para a atuação forward-looking do banco central: como o juro de hoje só alcança os preços depois de vários trimestres, a política responde à inflação projetada, não à observada.

Qual a diferença entre o modelo de pequeno porte e o DSGE Samba?

A diferença está no grau de microfundamentação e no uso. O Samba é um DSGE de médio porte, em que cada equação deriva do comportamento otimizador de famílias e firmas, e hoje é usado sobretudo para exercícios contrafactuais, decomposição de choques e cenários de estresse macroeconômico. O modelo de pequeno porte tem poucas equações, inspiradas na teoria sem microfundamentação completa, e é a base das projeções condicionais de médio prazo publicadas nos relatórios.

Referências

BANCO CENTRAL DO BRASIL. Modelo agregado de pequeno porte – 2017. Relatório de Inflação, v. 19, n. 2, p. 53-58, jun. 2017.

BANCO CENTRAL DO BRASIL. Modelo de preços desagregados de pequeno porte – 2018. Estudo Especial n. 18/2018. Divulgado originalmente como boxe do Relatório de Inflação, v. 20, n. 2, jun. 2018.

BANCO CENTRAL DO BRASIL. Novo modelo agregado de pequeno porte com estimação bayesiana. Relatório de Inflação, set. 2020.

BANCO CENTRAL DO BRASIL. Resultados das estimações do novo modelo agregado de pequeno porte com estimação bayesiana. Relatório de Inflação, dez. 2020.

BANCO CENTRAL DO BRASIL. Novo modelo desagregado de pequeno porte. Relatório de Inflação, v. 23, n. 1, p. 76-85, mar. 2021.

BANCO CENTRAL DO BRASIL. Revisão do modelo agregado de pequeno porte. Relatório de Inflação, v. 23, n. 4, p. 73-80, dez. 2021.

BANCO CENTRAL DO BRASIL. Atualização dos modelos semiestruturais de pequeno porte. Relatório de Inflação, v. 26, n. 2, p. 97-107, jun. 2024.

BANCO CENTRAL DO BRASIL. Atualização do modelo para projeção de médio prazo dos preços administrados. Relatório de Política Monetária, jun. 2025.

BERG, A.; KARAM, P.; LAXTON, D. Practical Model-Based Monetary Policy Analysis: A How-To Guide. IMF Working Paper WP/06/81, 2006.

BOGDANSKI, J.; TOMBINI, A. A.; WERLANG, S. R. C. Implementing Inflation Targeting in Brazil. Banco Central do Brasil, Working Paper Series n. 1, 2000.

CASTRO, M. R. de; GOUVEA, S. N.; MINELLA, A.; SANTOS, R. C.; SOUZA-SOBRINHO, N. F. SAMBA: Stochastic Analytical Model with a Bayesian Approach. Banco Central do Brasil, Working Paper Series n. 239, 2011.

CLARIDA, R.; GALÍ, J.; GERTLER, M. The science of monetary policy: a New Keynesian perspective. Journal of Economic Literature, v. 37, n. 4, p. 1661-1707, 1999.

HERBST, E. P.; SCHORFHEIDE, F. Bayesian Estimation of DSGE Models. Princeton: Princeton University Press, 2015.

LENZA, M.; PRIMICERI, G. E. How to estimate a vector autoregression after March 2020. Journal of Applied Econometrics, v. 37, n. 4, p. 688-699, 2022.

LIMA, E. J. A.; ARAUJO, F.; COSTA E SILVA, J. R. Previsão e Modelos Macroeconômicos no Banco Central do Brasil. In: Dez Anos de Metas para a Inflação no Brasil: 1999-2009. Brasília: Banco Central do Brasil, 2011.

MAVROEIDIS, S.; PLAGBORG-MØLLER, M.; STOCK, J. H. Empirical Evidence on Inflation Expectations in the New Keynesian Phillips Curve. Journal of Economic Literature, v. 52, n. 1, p. 124-188, 2014.

SIMS, C. A. Macroeconomics and Reality. Econometrica, v. 48, n. 1, p. 1-48, 1980.

SVENSSON, L. E. O. Inflation forecast targeting: implementing and monitoring inflation targets. European Economic Review, v. 41, n. 6, p. 1111-1146, 1997.

TAYLOR, J. B. Discretion versus policy rules in practice. Carnegie-Rochester Conference Series on Public Policy, v. 39, p. 195-214, 1993.

Leia também:

• O modelo básico novo-keynesiano
• Replicando modelos VAR/VEC do Banco Central
• Nível de atividade, inflação e a curva de Phillips