Taxa básica de juros vai à mínima histórica

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

O Comitê de Política Monetária reduziu agora há pouco a taxa básica de juros em 50 pontos-base, levando-a para 7% a.a., o menor valor da série histórica. Isso deve se refletir, com efeito, no juro real ex-ante, que está próximo a 3% como ilustra o código e o gráfico abaixo.


library(ggplot2)
library(BETS)
library(xts)
library(scales)
library(mFilter)

swap = BETS.get(7806)
swap = swap[complete.cases(swap),]
swap$date = as.Date(swap$date, format='%d/%m/%Y')
swap = xts(swap$value, order.by = swap$date)
swap = apply.monthly(swap, FUN=mean)
swap = ts(swap, start=c(1999,8), freq=12)

expectativa = read.csv('expectativa.csv', header=T, sep=';', dec=',')
expectativa$date = as.Date(expectativa$date, format='%d/%m/%Y')
expectativa = xts(expectativa$expectativa, order.by = expectativa$date)
expectativa = apply.monthly(expectativa, FUN=mean)
expectativa = ts(expectativa, start=c(2001,11), freq=12)

data = ts.intersect(swap, expectativa)

juroreal = (((1+(data[,1]/100))/(1+(data[,2]/100)))-1)*100

jr = window(juroreal, start=c(2016,01))

df = data.frame(time=as.Date(time(jr)), juroreal=jr)

ggplot(df, aes(x=time, y=juroreal))+
 annotate("rect", fill = "red", alpha = 0.5, 
 xmin = min(df$time), 
 xmax = max(df$time),
 ymin = 4, ymax = 5.5)+
 annotate('text', x=as.Date('2016-08-01'), y=4.8, 
 label='Zona de Juro Neutro',
 colour='white', size=5)+
 annotate('text', x=as.Date('2017-06-01'), y=7, 
 label='Política monetária restritiva',
 colour='red', size=4)+
 annotate('text', x=as.Date('2017-02-01'), y=3.5, 
 label='Política monetária expansionista',
 colour='red', size=4)+
 geom_line(size=.8)+
 scale_x_date(breaks = date_breaks("1 months"),
 labels = date_format("%m/%Y"))+
 theme(axis.text.x=element_text(angle=45, hjust=1))+
 geom_point(size=9, shape=21, colour="#1a476f", fill="lightblue")+
 geom_text(aes(label=round(juroreal,1)), size=3, 
 hjust=0.5, vjust=0.5, shape=21, colour="black")+
 xlab('')+ylab('% a.a.')+
 labs(title='Juro Real ex-ante',
 subtitle='Swap DI 360 deflacionado pela Expectativa do IPCA 12 meses à frente',
 caption='Fonte: analisemacro.com.br com dados do BCB.')

Como ilustra o gráfico, a propósito, a poítica monetária se situa nesse momento em posição expansionista, contribuindo para a retomada do nível de atividade. Isso ocorre com expectativas de inflação 12 meses à frente próximas à 4%, abaixo, portanto, da meta de inflação.

 

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/12/modelos.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/central-banking-training/modelos-do-banco-central/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]
[/et_pb_image][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/11/datascience.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]
[/et_pb_image][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

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.