A meta de inflação deixou de influenciar as expectativas dos agentes econômicos?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="16" use_border_color="off" border_color="#ffffff" border_style="solid"]

Na sétima aula do nosso Curso de Macroeconometria usando o R replicamos o modelo exposto em Carvalho e Minella (2012) para explicar o comportamento das expectativas de inflação no Brasil. O objetivo básico da aula era utilizar esse modelo para verificar de que forma a qualidade da comunicação do Banco Central afeta as expectativas de inflação dos agentes. Entretanto, um resultado chamou atenção: na amostra que estimamos o modelo, a meta de inflação não era relevante para explicar as expectativas. De forma a verificar em qual momento isso passou a ocorrer, uma vez que nos resultados originais de Carvalho e Minella (2012) a meta era importante, construímos na edição 26 do Clube do Código uma rolling regression tendo por base a equação dos autores, estimada via Mínimos Quadrados em 2 Estágios (TSLS).

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2016/11/macroeconometria.png" show_in_lightbox="off" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" alt="WordCloud da última ata do Copom" url="https://analisemacro.com.br/cursos-de-r/macroeconometria/"] [/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][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"]

Introdução

A hipótese de expectativas racionais, elaborada por Muth (1961), teve grande impacto sobre a teoria de política monetária. Por um lado, influenciou o desenvolvimento de ampla literatura sobre qual seria a melhor forma de conduzir a política monetária: se por meio de regras ou de forma discricionária. Por outro, é responsável tanto pelo comprometimento com metas explícitas para inflação quanto pela maior transparência nas ações de Bancos Centrais ao redor do mundo.

A contribuição seminal de KYDLAND e PRESCOTT (1977) usou a hipótese de expectativas racionais para mostrar que políticas discricionárias são inconsistentes intertemporalmente. Tentar manter a taxa de desemprego abaixo daquela considerada natural gerará apenas mais inflação nos períodos seguintes. BARRO e GORDON (1983a; 1983b), por seu turno, mostraram que em um ambiente onde existe predisposição inflacionária por parte dos Bancos Centrais e inconsistência intertemporal, a busca por reputação ou credibilidade tem um papel importante no relacionamento entre autoridade monetária e o público.

Uma literatura significativa foi desenvolvida a partir desses dois trabalhos. Nela, buscou-se inferir qual seria a melhor forma de conduzir a política monetária. Enquanto a discrição estava sujeita à inconsistência intertemporal, seguir uma regra muito rígida comprometia a estabilização do produto em um ambiente econômico cercado de incerteza. Dentre as várias formas de enfrentar o trade-off entre comprometimento e flexibilidade, o regime de metas explícitas para inflação tem sido utilizado por diversos países atualmente. Esse regime, em sua abordagem flexível, serve tanto para ancorar as expectativas dos agentes privados como dá a possibilidade do policymaker acomodar ou reagir a choques sobre a estrutura econômica.

Isso dito, a presente edição do Clube do Código investiga a atratividade da meta de inflação em relação às expectativas dos agentes privados no Brasil. Em outras palavras, verificaremos se a meta de inflação definida pelo Conselho Monetário Nacional (CMN) tem sido uma variável importante para explicar o comportamento das expectativas de inflação dos agentes econômicos. Para isso, nos basearemos em Minella e Carvalho (2012) para construir um modelo explicativo para as expectativas de inflação. A estimação, por suposto, será feita via Mínimos Quadrados em 2 Estágios (TSLS).

Metodologia e Dados

Replicaremos nessa edição do Clube do Código o modelo básico utilizado por Minella e Carvalho (2012) para explicar o comportamento das expectativas de inflação dos agentes econômicos ao longo do tempo. A equação que estimaremos é a que segue

(1)   \begin{equation*} E_t \pi_{t,t+11} = \beta_1 + \beta_2 \bar{\pi}_{t,t+11} + \beta_3 \pi_{t-12,t-1} + \beta_4 (e_{t-1} - e_{t-7}) + \beta_5 (p_{t-1}^{c} - p_{t-7}^{c}) + \beta_6 h_{t-2} + \varepsilon_{t}  \end{equation*}

onde E_t \pi_{t,t+11} é a expectativa de inflação para os próximos 12 meses, \bar{\pi}_{t,t+11} é a meta de inflação para os próximos 12 meses, \pi_{t-12,t-1} é a inflação acumulada nos últimos 12 meses, e_t é a taxa de câmbio R$/US$, p_{t}^{c} é o índice CRB e h_{t} é o hiato do produto obtido a partir do PIB mensal do IBRE/FGV. Com base em 1, verificaremos se a meta de inflação continua sendo importante para explicar o comportamento das expectativas. Os resultados são postos abaixo.

 

 

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="1_2"][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"]

Resultados

A tabela ao lado traz os resultados da regressão. Observe que à exceção da meta, todas as demais variáveis escolhidas são estatisticamente significativas para explicar as expectativas de inflação. O resultado difere do originalmente publicado por Carvalho e Minella (2012), uma vez que dado o aumento da amostra, a meta perdeu a capacidade de influenciar as expectativas de inflação. A explicação provável para isso é a mudança na função de reação do Banco Central, mais preocupado com o hiato do produto do que propriamente com a ancoragem das expectativas de inflação em uma grande parte do período da amostra considerada. Sobre isso, ver por exemplo, Pastore (2015).

De forma a verificar em que ponto da amostra a meta de inflação deixou de inflenciar as expectativas dos agentes, procedemos agora uma rolling regression de 48 meses sobre a equação 1 estimada acima. Uma vez feito isso, guardamos os p-valores dos coeficientes. O gráfico abaixo, por suposto, traz o p-valor da meta de inflação ao longo do tempo.

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/03/plot1-2.png" show_in_lightbox="off" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"] [/et_pb_image][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"]

Conclusões

O objetivo da presente edição do Clube do Código foi investigar em termos empíricos se a meta de inflação continua sendo importante para guiar as expectativas dos agentes privados no Brasil. Para isso, utilizamos o modelo base exposto em Carvalho e Minella (2012) de determinação das expectativas de inflação, que tem por base o framework da Curva de Phillips. Os resultados encontrados sugerem que a meta de inflação deixou de ser importante para influenciar as expectativas dos agentes privados.

Essa evidência, por fim, parece estar em linha com as mudanças observadas na função de reação do Banco Central brasileiro em parte da amostra que utilizamos.

OBS: Todos os códigos do exercícios estão disponíveis na 26ª edição do Clube do Código

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_code admin_label="Código"]<table style="text-align:center"><caption><strong>Modelo Base</strong></caption> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left"></td><td><em>Dependent variable:</em></td></tr> <tr><td></td><td colspan="1" style="border-bottom: 1px solid black"></td></tr> <tr><td style="text-align:left"></td><td>expectativa</td></tr> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">meta</td><td>0.029</td></tr> <tr><td style="text-align:left"></td><td>(0.211)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">lag(inflacao, -1)</td><td>0.331<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.017)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">lag(cambio, -1)</td><td>1.191<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.160)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">lag(commodities, -1)</td><td>0.002<sup>*</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.001)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">lag(hiato, -2)</td><td>0.128<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.022)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">dlula</td><td>3.453<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.409)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td style="text-align:left">Constant</td><td>3.063<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.951)</td></tr> <tr><td style="text-align:left"></td><td></td></tr> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">Observations</td><td>174</td></tr> <tr><td style="text-align:left">R<sup>2</sup></td><td>0.834</td></tr> <tr><td style="text-align:left">Adjusted R<sup>2</sup></td><td>0.828</td></tr> <tr><td style="text-align:left">Residual Std. Error</td><td>0.586 (df = 167)</td></tr> <tr><td style="text-align:left">F Statistic</td><td>140.030<sup>***</sup> (df = 6; 167)</td></tr> <tr><td colspan="2" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left"><em>Note:</em></td><td style="text-align:right"><sup>*</sup>p<0.1; <sup>**</sup>p<0.05; <sup>***</sup>p<0.01</td></tr> </table>[/et_pb_code][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][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"]

__________________________________________________

BARRO, R. J. and GORDON, D. B. A positive theory of monetary policy in a natural rate model. The Journal of Political Economy, 91(4):589–610, 1983a.
BARRO, R. J. and GORDON, D. B. Rules, discretion and reputation in a model of monetary policy. Journal of monetary economics, 12(7):101–121, 1983b.
Bevilaqua, A. S.; Mesquita, M., and Minella, A. Brazil: taming inflation expectations. Bank for International Settlements (Ed.), Transmission Mechanisms for Monetary Policy in Emerging Market Economies, (35):139–158, 2008.
Carvalho, F. A. and Minella, A. Survey forecasts in Brazil: A prismatic assessment of epidemiology, performance and determinants. Journal of International Money and Finance, 31:1371–1391, 2012.
KYDLAND, F. E. and PRESCOTT, E. C. Rules rather than discretion: the inconsistency of optimal plans. The Journal of Political Economy, 85(3):473–492, 1977.
MUTH, J. F. Rational expectations and the theory of price movements. Econometrica, 29(3):315–335, 1961.
Pastore, A. C. Inflação e Crises - o papel da moeda. Editora Campus, 2015.

__________________________________________________

[/et_pb_text][/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 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.