Pós-Copom: bom-senso venceu.

expinfOntem, o Comitê de Política Monetária decidiu, por unanimidade, elevar a taxa básica de juros, a Selic, em 50 pontos-base, de 10% para 10,5%. Na minha leitura pesou na decisão dos membros do comitê o IPCA divulgado na última semana, mostrando uma inflação bastante disseminada pelos 365 bens e serviços que compõem o índice, com a difusão beirando os 70%. A despeito dos problemas de comunicação da autoridade monetária, notadamente ao explicitar as defasagens envolvidas no processo e a indecisão sobre o cenário fiscal, observo que a Selic deve ir mesmo a 11% na próxima reunião, como havia projetado na Carta de Dezembro e no cenário normativo da Carta de Janeiro. O Banco Central, com essa decisão, mostrou que não abandonou, ainda, a ancoragem das expectativas - que só cederão quando a inflação efetiva mostrar algum alívio, como pode ser visto no gráfico ao lado. As pressões remanescentes sobre o índice, como a desvalorização do câmbio e o contínuo crescimento da massa salarial, são desafios para o movimento contracionista. A minha leitura, nesse ponto, é que o Banco faça mais um ajuste de 50 pontos-base em fevereiro e suste o processo, verificando a transmissão sobre os principais canais (expectativas, notadamente). A aguardar a ata na próxima semana para confirmar essa leitura. O bom-senso, leitor, venceu: ao  menos, por enquanto.

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.