À espera do Copom: os reflexos de um erro.

expselicDaqui a algumas horas o Comitê de Política Monetária (Copom) torna pública a decisão sobre os juros básicos, a Selic. Na expectativa do mercado está, agora, de volta à cena a manutenção do ritmo de 50 pontos-base, devido, principalmente, ao IPCA divulgado na última sexta-feira. Essa expectativa, entretanto, não é unânime: há quem ainda trabalhe com o cenário de redução do ritmo de aumento, para 25 pontos-base. A despeito dessa discussão, importante para balizar as expectativas de inflação dos agentes, sobre o grau do ajuste, os problemas na condução da política monetária brasileira são frutos do erro de diagnóstico feito lá em agosto de 2011, na 161ª reunião.

A opção por reduzir os juros reais, abaixo de 2% ao ano, em uma economia com pleno emprego do fator trabalho, desancorou de vez as expectativas de inflação, como pode ser visto no gráfico acima. Nele é possível verificar que a expectativa no mês j para a inflação média dos próximos cinco anos encontra-se não apenas elevada, fora do centro da meta, como em ascensão. Sendo essas expectativas um importante canal de transmissão da política monetária - em alguns modelos, o principal -, o fato do Banco Central "ignorá-las" torna o seu próprio trabalho menos produtivo.

Dito isto leitor, é importante ressaltar que nenhum economista sério é a favor de termos juros reais elevados. O problema que muitos na profissão estão chamando atenção desde algum tempo é que esse erro de diagnóstico lá atrás força agora uma postura mais conservadora da política monetária, isto é, maior elevação da taxa básica visando ancorar novamente as expectativas de inflação. Isto porque, como o próprio Banco Central deixou claro no último relatório de inflação, nem no 4º trimestre de 2015, com juros nesse patamar, a inflação efetiva converge para o centro da meta, de 4,5%. É um sinal inequívoco de que os juros nesse patamar são incoerentes com inflação estável.

Em outros termos, a decisão de hoje do Copom é um reflexo desse erro de diagnóstico: optar por reduzir o ritmo de ajuste hoje, após a divulgação de inequívoca resistência inflacionária no IPCA de 2013, será um tiro no pé. Esperamos que a autoridade monetária haja de forma autônoma, frente a esse cenário. A aguardar.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com Python”.

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.