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

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.