Juro Real abaixo de 2%

Na próxima semana, o Comitê de Política Monetária (COPOM) se reúne para decidir sobre a trajetória da taxa básica de juros, a Selic, em meio a uma guinada no juro real ex-ante. O Swap DI 360 deflacionado pela expectativa de inflação 12 meses à frente está hoje abaixo de 2% a.a, como mostra o gráfico abaixo.

Ao que parece, o cenário convergiu para uma redução na taxa básica de juros, a começar na próxima semana. Dado o comportamento da inflação condicionada, há espaço para corte até, pelo menos, 5,5% a.a.

_____________________________

Quer entender mais sobre isso? Conheça nosso Curso de Teoria da Política Monetária.

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Como incorporar choques em cenários de previsão?

Como preparar os dados para um modelo preditivo?

Transfer Learning para Previsão de Séries Temporais com o Python

Como usar o Python para tratar e manipular dados financeiros

Como usar o Python para tratar e manipular dados de Séries Temporais

Um modelo explicativo para a inflação de alimentos

Outros artigos relacionados

Como incorporar choques em cenários de previsão?

Neste exercício mostramos como incorar choques no cenário de variáveis exógenas para fins de previsão. Usando como exemplo a previsão do IPCA, através de um modelo de machine learning, mostramos os cuidados a serem tomados e uma forma simples de definir o cenário com os choques. Ao final, apresentamos uma previsão com um suposto choque e uma previsão sem o choque para comparação.

Como preparar os dados para um modelo preditivo?

Modelos de previsão macroeconômica podem facilmente alcançar um número elevado de variáveis. Mesmo modelos simplificados, como o Modelo de Pequeno Porte (MPP) do Banco Central, usam cerca de 30 variáveis. Isso impõe um grande desafio ao nosso dia a dia: como fazer a gestão destes dados para uso em modelos, desde a coleta até o tratamento?

Transfer Learning para Previsão de Séries Temporais com o Python

A aprendizagem por transferência (ou transfer learning) é a técnica de reutilizar um modelo previamente treinado em um novo problema. Esse conceito representa um grande avanço para a previsão de variáveis, especialmente aquelas organizadas ao longo do tempo, como séries temporais. Neste post, exploramos como usar transfer learning com Python para trabalhar com esse tipo de dado.

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!