Por que o Banco Central não baixa os juros?

Tem causado um misto de surpresa e perplexidade em uma grande parte dos analistas e economistas o fato de que diante da maior recessão da história brasileira, a inflação ter cedido de forma ainda muito gradual no período recente. Dissipados os efeitos do que o Banco Central classificou como ajustes de preços relativos, era esperado que diante da abertura do hiato do produto, a inflação estivesse caindo com mais força.

grafico01

A figura acima dá alguma pista de onde devemos partir para começar a entender essa resistência da inflação elevada no país. Para ilustrar o argumento, suponha que a inflação, \pi_{t}, evolua no curto prazo conforme a Curva de Phillips abaixo:

(1)   \begin{equation*} \pi_{t} = \beta_{0} + \beta_{1}\pi_{t-1} + \beta_{2}E_{t}\pi_{t+1} + \beta_{3}h_{t} + \beta_{4}(e_{t} - e_{t-3}) + \varepsilon_{t}\end{equation*}

 Onde E_{t} \pi_{t+1} é a expectativa de inflação, h_{t} é o hiato do produto (pib efetivo menos o pib potencial) e e_{t} é a taxa de câmbio. Nesses termos, a inflação em cada ponto do tempo será influenciada pela inflação passada, pelas expectativas, pelo hiato do produto, pela variação da taxa de câmbio e por choques de oferta.

Observe o leitor que de meados de 2010 para cá, o que temos é um desvio crescente entre a inflação observada e a meta de inflação. Esse comportamento da inflação observada gera um efeito imediato: a desancoragem das expectativas. A meta deixa de ser uma referência para os agentes, que passam a dar importância cada vez maior à inflação passada para formarem seus preços ou para pedirem reajustes salariais. Desse modo, à medida que o desvio entre inflação e meta continua aumentando, a inflação passada ganha importância cada vez maior na dinâmica inflacionária.

Isso é um problema para o policymaker, na medida em que para desinflacionar a economia, ele precisará exigir cada vez mais do hiato do produto. Em outras palavras, o custo, em termos de emprego, de desinflacionar a economia se eleva.

Nesse contexto, é importante, uma vez mais, ter em mente que a política monetária serve para controlar a inflação. O policymaker certamente tem uma preocupação com o hiato do produto, que pode ser expressa pelo valor  de \gamma na função de perda abaixo 

(2)   \begin{equation*} L(\pi_{t+2}) = E[(\pi_{t+2} - \pi^*)^2 + \gamma(h_{t})^2] \end{equation*}

Tal preocupação, entretanto, não deve ser confundida com a ideia frequentemente espalhada em nossas faculdades de economia de que a política monetária causa crescimento econômico. Não. O que causa crescimento econômico são aumentos persistentes de produtividade, derivados dos incentivos presentes nas instituições do país. Ou seja, crescimento econômico não é um ato de vontade de um Banco Central benevolente.

O que colhemos nesse momento, uma inflação alta e resistente, é tão somente consequência de um Banco Central capturado, que foi obrigado a reduzir a taxa básica de juros em 2011, sem olhar para a inflação ou para os fundamentos da economia. Agora, portanto, teremos que conviver com uma taxa de juros alta por algum tempo até as expectativas de inflação voltarem à meta, ao menos no próximo ano.

Em outras palavras, leitor, há sempre um custo para a irresponsabilidade. Seja ela fiscal, ou monetária... Triste, não? 🙁

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.