O papel da credibilidade do Banco Central na desinflação da economia

O objetivo deste trabalho é mensurar a credibilidade da política monetária brasileira através de diferentes métricas e verificar empiricamente se uma maior credibilidade contribui para a redução da inflação. Realizamos a modelagem econométrica usando o pacote {systemfit} disponível na linguagem. Ao fim, criamos um relatório reprodutível com a combinação Quarto + R.

1. Introdução

A estabilidade de preços é o objetivo fundamental da política monetária no Brasil desde a implementação do Regime de Metas para a Inflação (RMI) em junho de 1999. A teoria macroeconômica moderna postula que a capacidade do Banco Central (BCB) em atingir esse objetivo depende crucialmente de sua credibilidade. A credibilidade pode ser definida como a confiança que os agentes econômicos depositam na determinação e na capacidade da autoridade monetária em cumprir as metas anunciadas.

Quando o Banco Central é crível, ele consegue ancorar as expectativas de inflação com maior facilidade. Isso implica que choques de oferta ou flutuações na demanda agregada têm menor impacto sobre a inflação futura, reduzindo o custo de desinflação — ou seja, exige-se um menor sacrifício em termos de produto e emprego (via taxa de juros) para trazer a inflação de volta à meta.

Este estudo analisa a evolução da credibilidade do BCB ao longo de mais de duas décadas, cobrindo diversos ciclos econômicos e choques, desde a crise de confiança de 2002 até a desancoragem recente pós-pandemia. Utilizamos a linguagem de programação R para a coleta, tratamento, e análise de dados. Realizamos a modelagem econométrica usando o pacote {systemfit} disponível na linguagem. Ao fim, criamos um relatório reprodutível com a combinação Quarto + R.

Quer ver a vídeoaula do tutorial deste exercício? E receber o código que o produziu? Faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

2. Objetivo e Motivação

A motivação reside na necessidade de atualizar a metodologia clássica de Mendonça e Souza (2007) para o contexto atual (2025). O período recente foi marcado por choques inflacionários globais e domésticos. Compreender se a “reputação passada” (backward-looking) ou as “expectativas presentes” (forward-looking) são mais determinantes para a dinâmica inflacionária é essencial para o desenho da política monetária.

3. Metodologia

A construção dos índices de credibilidade segue a abordagem de índices limitados entre 0 (nenhuma credibilidade) e 1 (credibilidade total), adaptando as formulações de Mendonça e Souza (2007).

3.1. Índices de Credibilidade

Foram calculados dois tipos principais de índices:

A. Índice de Credibilidade Forward-Looking Padrão ( $IC_{M,F}$ )

Este índice mede a aderência das expectativas de mercado à meta central. Ele é extremamente rigoroso: a credibilidade só é máxima (1) se a expectativa for exatamente igual à meta. Qualquer desvio dentro da banda de tolerância penaliza o índice linearmente, zerando nos limites da banda (piso ou teto).

$IC_{M,F} = \begin{cases} 1 & \text{se } E(\pi)_t = \pi^*_t \\ 1 - \frac{|E(\pi)_t - \pi^*_t|}{\delta} & \text{se } \pi^*_{min} < E(\pi)_t < \pi^*_{max} \\ 0 & \text{caso contrário} \end{cases}$

Onde $E(\pi)_t$ é a expectativa de inflação, $\pi^*_t$ é a meta central e $\delta$ é a tolerância da banda.

B. Índice de Credibilidade com Intervalos ( $IC_{M,F}^{Int}$ )

Este índice é mais flexível e institucionalmente aderente ao regime brasileiro. Ele considera que a credibilidade é preservada (valor 1) enquanto as expectativas estiverem dentro do intervalo de tolerância. A perda de credibilidade ocorre apenas quando as expectativas rompem o teto (ou piso), degradando-se até um limite crítico ( $\pi^{crit}$ ).

C. Índice de Reputação Ponderada ( $ICRP$ )

Diferente da credibilidade (que olha para o futuro), a reputação olha para o passado. O $ICRP$ é uma média ponderada dos índices de credibilidade calculados com a inflação observada ( $IPCA_{12m}$ ) nos últimos 12 meses. A ponderação é decrescente, dando maior peso aos meses mais recentes.

$ICRP_t = \sum_{i=1}^{12} \omega_i \cdot R_{t-i}$

Onde $R$ é o índice calculado com a inflação realizada e $\omega_i$ são os pesos que somam 1.

3.2. Modelo Econométrico

Para testar a eficácia da credibilidade na desinflação, estimou-se uma Curva de Phillips.

Diferentemente de abordagens tradicionais que utilizam Mínimos Quadrados Ordinários (OLS), este estudo adota o método de Mínimos Quadrados em Dois Estágios (2SLS - Two-Stage Least Squares). A escolha metodológica justifica-se pela presença de endogeneidade em variáveis-chave:

Expectativas de Inflação: Sofrem de simultaneidade, pois afetam a inflação corrente ao mesmo tempo que reagem a choques inflacionários contemporâneos.
Hiato do Produto: A função de reação do Banco Central cria um viés de simultaneidade (juros sobem em resposta à inflação, reduzindo o hiato), o que frequentemente inverte o sinal esperado do hiato em estimações OLS simples.

Para corrigir esses vieses, utilizam-se instrumentos baseados em defasagens das próprias variáveis endógenas e variáveis exógenas. A equação estrutural estimada é dada por:

$\pi_t = \beta_1 \pi_{t-12} + \beta_2 \hat{E}_t(\pi) + \beta_3 \hat{h}_{t-6} + \beta_4 IC_t + \beta_5 \Delta ICBr_{t/t-12} + \beta_6 D_{pandemia} + \varepsilon_t$

Onde:

$\pi_t$ : Inflação acumulada em 12 meses.
$\pi_{t-12}$ : Inércia inflacionária (inflação observada há um ano).
$\hat{E}_t(\pi)$ : Expectativas de inflação instrumentadas (livres de viés).
$\hat{h}_{t-3}$ : Hiato do produto instrumentado, com defasagem de 6 meses para capturar o atraso de divulgação do indicador e a transmissão da atividade aos preços.
$IC_t$ : Índice de Credibilidade ( $IC_{M,F}$ ) ou Reputação ( $ICRP$ ), instrumentados por suas defasagens para evitar correlação com o erro contemporâneo.
$\Delta ICBr_{t}$ : Choque de oferta (commodities).
$D_{pandemia}$ : Variável *dummy* para controle de quebra estrutural.

Os instrumentos utilizados na primeira etapa da regressão incluem as defasagens da expectativa ( $t-1$ ), do hiato ( $t-12$ ), da credibilidade ( $t-1$ ) e as variáveis exógenas do modelo.

4. Dados e Transformações

O estudo utiliza dados mensais compreendendo o período de janeiro de 2004 a 2025. As séries sofreram as seguintes transformações para adequação ao modelo econométrico:

Inflação ( $\pi_t$ ): Utilizou-se o IPCA acumulado em 12 meses (IBGE). Para capturar a inércia inflacionária, definiu-se a variável explicativa como a inflação defasada em 12 meses ( $\pi_{t-12}$ ), representando o “efeito memória” de indexadores anuais.
Expectativas ( $E_t(\pi)$ ): Mediana das expectativas de mercado do Relatório Focus para o IPCA suavizado para o horizonte de 12 meses à frente.
Hiato do Produto ( $h_t$ ): Calculado a partir do Índice de Atividade Econômica do Banco Central (IBC-Br). A série foi submetida ao Filtro Hodrick-Prescott (HP) com parâmetro de suavização $\lambda = 129.600$ (padrão mensal) para extração da tendência. O hiato corresponde ao desvio percentual do IBC-Br em relação à sua tendência potencial. No modelo, utiliza-se a defasagem de 6 meses ( $t-6$ ) para refletir o atraso na divulgação do IBC-br em comparação ao IPCA e o tempo de maturação entre aquecimento da atividade e repasse aos preços.
Choque de Oferta ( $\Delta ICBr$ ): Índice de Commodities Brasil (IC-Br) em reais, calculado pelo BCB. A variável entra no modelo como a variação anual (diferença entre $t$ e $t-12$ ), capturando choques de custos persistentes e a desvalorização cambial implícita nos preços das commodities.
Credibilidade ( $IC_t$ ): Índices calculados conforme metodologia descrita na seção 3.1, variando entre 0 e 1.
Dummy Pandemia ( $D_{pandemia}$ ): Variável binária assumindo valor 1 entre março de 2020 e junho de 2022 e 0 nos demais períodos. Essa dummy é essencial para isolar a volatilidade extrema e a desorganização das cadeias produtivas globais durante a crise da COVID-19, evitando que esses ruídos distorçam os coeficientes estruturais da curva de Phillips.

Todo o processo foi feito através da Linguagem de Programação R, desde a coleta de dados através da API do Banco Central do Brasil (SGS), passando pelo tratamento de dados por meio dos pacotes disponíveis no {tidyverse}. Em seguida, analisamos os resultados encontrados.

5. Análise de Dados

A análise visual das séries temporais revela a dinâmica cíclica da credibilidade monetária no Brasil.

5.1. Panorama da Inflação e Desancoragem

O gráfico “Panorama da Inflação no Brasil” evidencia três momentos críticos de desancoragem onde a linha do IPCA (vermelha) e das Expectativas (azul pontilhada) superaram o teto da meta (área sombreada):

2002-2003: A crise de confiança pré-eleitoral, onde a inflação superou 15%.
2015-2016: O realinhamento de preços administrados, levando a inflação a dois dígitos.
2021-2022: O choque pós-pandemia e de oferta global.

Nota-se que, nos períodos de estabilidade, as expectativas tendem a convergir para o centro da meta, validando o funcionamento do regime.

5.2. Dinâmica dos Índices de Credibilidade

A comparação entre os índices “Meta Central” e “Intervalos” mostra comportamentos distintos:

O $IC_{M,F}$ (Meta Central) é extremamente volátil. Como penaliza qualquer desvio do centro, ele oscila frequentemente entre 0 e 1, indicando uma “fragilidade” na métrica estrita.
O $ICRP$ (Reputação Ponderada) apresenta um comportamento mais suave e cíclico. Observa-se que a reputação demora a ser destruída (inércia da confiança), mas também demora a ser reconquistada após um choque inflacionário. Isso é visível nas recuperações lentas pós-2003 e pós-2016.

5.3. Relação Credibilidade vs. Desvio da Meta

Os gráficos de dispersão confirmam visualmente a hipótese central do estudo. Existe uma correlação negativa clara entre o nível de credibilidade (eixo X) e o desvio da inflação em relação à meta (eixo Y).

Vemos que pontos concentrados no canto inferior direito indicam que, quando a credibilidade é alta (próxima de 1), os desvios da inflação tendem a ser pequenos ou nulos. À medida que a credibilidade cai (move-se para a esquerda), a dispersão dos desvios aumenta significativamente, corroborando a ideia de que a perda de credibilidade abre espaço para descontrole inflacionário.

6. Análise da Regressão

Os resultados da estimação da Curva de Phillips Modificada, utilizando o método de Mínimos Quadrados em Dois Estágios (2SLS) para o tratamento adequado da endogeneidade, fornecem evidência estatística robusta sobre o papel da credibilidade na dinâmica inflacionária brasileira. Foram estimados dois modelos: um utilizando a credibilidade forward-looking e outro a reputação backward-looking (ambos com base na meta de inflação, e não nos intervalos).

Curva de Phillips Modificada com Instrumentos
	ICM,F			ICRP,M
Variáveis	Coef.	CI	p-valor	Coef.	CI	p-valor
IPCA 12m (t-12)	-0.004	-0.123 – 0.115	0.948	-0.077	-0.226 – 0.071	0.307
Expectativas Inflação 12 meses	1.276 ^***	1.078 – 1.474	<0.001	1.336 ^***	1.101 – 1.571	<0.001
Hiato do Produto t-6	-0.071	-0.265 – 0.124	0.475	0.033	-0.170 – 0.236	0.749
Índice de Commodities (R$, t - t-12)	0.010 ^**	0.003 – 0.018	0.010	0.010 ^*	0.002 – 0.018	0.011
dummy_pandemia	1.340 ^***	0.642 – 2.038	<0.001	1.403 ^***	0.722 – 2.084	<0.001
Credibilidade	-1.348 ^***	-1.996 – -0.699	<0.001
Reputação				-1.828 ^***	-2.665 – -0.991	<0.001
Observations	252			252
eq1	0.639			0.660
* p<0.05 p<0.01 * p<0.001

Principais Resultados:

O Efeito da Credibilidade: Em ambos os modelos, os coeficientes dos índices de credibilidade e reputação apresentaram-se negativos e estatisticamente significativos (p < 0.001), confirmando a hipótese central do estudo.
- O coeficiente de -1.365 para o $IC_{M,F}$ indica que um aumento na credibilidade forward-looking atua como um poderoso redutor da inflação corrente.
- O coeficiente de -1.858 para o $ICRP_M$ sugere que a reputação histórica (construída pelo cumprimento passado das metas) possui um impacto desinflacionário ainda mais intenso do que a métrica de expectativas correntes.
Dominância das Expectativas sobre a Inércia: Os resultados apontam que a inflação brasileira no período analisado é predominantemente prospectiva (forward-looking). O coeficiente das expectativas de inflação é elevado e significativo (entre 1.283 e 1.345). Em contrapartida, a inércia inflacionária (medida pela inflação defasada em 12 meses) não apresentou significância estatística. Isso sugere que, ao controlar adequadamente pela credibilidade e pelas expectativas futuras, o peso do passado (t-12) torna-se irrelevante para a formação de preços atual.
Choques de Oferta e Exógenos:
- O Índice de Commodities (IC-Br) apresentou sinal positivo (0.010) e significativo (p < 0.05), capturando o efeito do pass-through cambial e a pressão de custos internacionais sobre a inflação doméstica.
- A variável dummy da pandemia mostrou-se altamente significativa e positiva, isolando o choque inflacionário exógeno ocorrido entre 2020 e 2022, evitando que essa volatilidade distorcesse os parâmetros estruturais do modelo.
Achatamento da Curva de Phillips (Hiato do Produto): Os coeficientes do hiato do produto não apresentaram significância estatística (p > 0.05) em nenhuma das especificações. Esse resultado indica que, para a amostra e especificação utilizadas, a sensibilidade da inflação ao ciclo econômico (atividade) é baixa ou nula. Isso pode sugerir duas questões:

- Hiato do produto estimado com valores do IBC-br acumulados em 12 meses e filtro HP não capturaram corretamente o ciclo econômico;
- Uma Curva de Phillips “achatada”, onde a dinâmica inflacionária é dominada pelas expectativas e pelos choques de oferta, sobrepondo-se ao efeito tradicional da demanda agregada no curto prazo.

8. Considerações Finais

A análise empírica dos dados brasileiros entre 1999 e 2025 confirma que a credibilidade não é apenas um conceito abstrato, mas uma variável fundamental na função de reação da economia.

Os resultados demonstram que a construção de reputação (backward-looking) e a manutenção de expectativas ancoradas (forward-looking) atuam como poderosos desinflacionários. O Banco Central que goza de alta credibilidade consegue manter a inflação sob controle com menor custo social. Por outro lado, a deterioração desses índices, como visto nos gráficos de dispersão e na regressão, está associada a desvios inflacionários severos.

Portanto, a preservação da credibilidade institucional e o cumprimento das metas estabelecidas não são apenas formalidades legais, mas pré-requisitos econômicos para a eficiência da política monetária no Brasil.

Referências Bibliográficas

BANCO CENTRAL DO BRASIL. Relatório Focus: expectativas de mercado. Brasília, DF: Banco Central do Brasil. Disponível em: https://www.bcb.gov.br/publicacoes/focus. Acesso em: 12 dez. 2025.

BANCO CENTRAL DO BRASIL. Sistema Gerenciador de Séries Temporais (SGS). Brasília, DF: Banco Central do Brasil. Disponível em: https://www3.bcb.gov.br/sgspub/. Acesso em: 12 dez. 2025.

HENNINGSEN, Arne; HAMANN, Jeff D. systemfit: A Package for Estimating Systems of Simultaneous Equations in R. Journal of Statistical Software, v. 23, n. 4, p. 1–40, 2007. Disponível em: https://www.jstatsoft.org/v23/i04/.

MENDONÇA, Helder Ferreira de; SOUZA, Gustavo José de Guimarães e. Credibilidade do regime de metas para inflação no Brasil. Pesquisa e Planejamento Econômico (PPE), Rio de Janeiro, v. 37, n. 2, p. 247–271, ago. 2007. Disponível em: http://repositorio.ipea.gov.br/handle/11058/3775

O papel da credibilidade do Banco Central na desinflação da economia

1. Introdução

2. Objetivo e Motivação

3. Metodologia

3.1. Índices de Credibilidade

3.2. Modelo Econométrico

4. Dados e Transformações

5. Análise de Dados

5.1. Panorama da Inflação e Desancoragem

5.2. Dinâmica dos Índices de Credibilidade

5.3. Relação Credibilidade vs. Desvio da Meta

6. Análise da Regressão

8. Considerações Finais

Referências Bibliográficas

Compartilhe esse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Simulação de Choques em Modelos Macroeconômicos

Previsões do Boletim Focus em Anos Eleitorais

Como Medir o Ciclo das Concessões de Crédito usando Python

Choque de juros e renda em bens duráveis e não duráveis usando Python

Atualização de resultados dos modelos de inflação da AM

Decomposição do Impulso de Crédito no Brasil usando Python