Operações Compromissadas já são mais de 1/5 da Dívida Bruta brasileira

Na seção 09 do nosso Curso de Análise de Conjuntura usando o R, nossos alunos aprendem a lidar com dados fiscais. São esmiuçados os gastos e despesas do governo central, as necessidades de financiamento do setor público consolidado - que inclui estados e municipios -, bem como dados de endividamento público. Nesses últimos, chama atenção o aumento da participação das operações compromissadas do Banco Central no estoque de endividamento do estado brasileiro.

Operações compromissadas são operações de compra (ou venda) de títulos com compromisso de revenda (ou recompra) dos mesmos títulos em uma data futura, anterior ou igual à data de vencimento dos títulos. Em geral, por suposto, são títulos de curtíssimo prazo, usados pelo Banco Central para regular a liquidez do mercado, mantendo assim a taxa básica efetivo de juros próxima à meta definida pelo Comitê de Política Monetária (COPOM).

Para se ter uma ideia do avanço das compromissadas no estoque de endividamento brasileiro, a preços de fevereiro de 2019,  elas eram algo como R$ 152 bilhões em dezembro de 2006, passando para R$ 1,2 trilhão em fevereiro de 2019. Ou, em termos relativos, menos de 1% para mais de 1/5 da Dívida Bruta brasileira.

Em outros termos, o endividamento público brasileiro não só aumentou em nível como o seu serviço - e a sua gestão, diga-se - se deteriorou de forma bastante forte nos últimos anos.

___________________________

Essa e outras análises, você aprende em nosso curso de Análise de Conjuntura usando o R.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

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.