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

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.