Taxa de juros neutra

No mercado e mesmo na parte corporativa da academia - aqueles professores e faculdades que prestam algum tipo de consultoria, como o Ibre/FGV - era consensualmente aceito que a atual taxa de juros neutra da economia brasileira situava-se no intervalo entre 4,5% e 5,5%. Essa referência era dada por um estudo do FMI de outubro de 2012, entre diferentes métodos de estimação. Atualmente, a taxa de juros real está bem próxima disso: pela média do swap pré-DI 360 de abril, deflacionada pela expectativa para o IPCA 12 meses a frente, o juro real ficou em 5,1%. A Selic deflacionada ficou em 4,6%. Ou seja, bem próximas ao limite inferior da "zona de juro neutro". Ocorre que, como sabe o estudante de economia, a taxa de juros neutra, aquela que não pressiona a inflação, muda ao longo do tempo. Desse modo, em estudo publicado esse mês por dois membros do mesmo FMI, a taxa neutra situa-se entre 3% e 4%. Como o Banco Central vem comunicando desde o ano passado sua intenção em parar o atual ciclo de contração - algo que deve fazer na quarta-feira - é muito provável que essa seja sua própria referência para a taxa neutra brasileira. Se é assim, a política monetária já estaria em zona de contração há alguns meses. Faltou apenas combinar com as expectativas. O artigo antigo aqui e o novo aqui.

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.