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

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

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.