A estagflação heterodoxa

estagflacaoNão foi por acaso, leitor, que chegamos ao 7x0, mostrado no boletim Focus divulgado hoje: 7,15% de inflação e 0% de crescimento. Nos últimos anos, uma vez mais, fizemos experimentação. Usando teoria velha e com um monte de evidências empíricas contrárias, insistimos em política econômica expansionista. Usamos a política fiscal, os bancos públicos e a política monetária para incentivar os componentes da demanda agregada. Como, entretanto, a economia brasileira está sujeita a inúmeros constrangimentos no lado da oferta agregada, a manutenção de oferta e demanda crescendo a taxas diferentes gerou mais inflação e mais déficit em conta corrente. E, claro, quando os componentes da demanda, consumo principalmente, cansaram, dado a redução da taxa de crescimento dos salários e, principalmente, o maior endividamento das famílias, o crescimento insustentável da economia deixou de ser vistoso. Esse quadro, aliás, perpassou os últimos cinco anos. Logo, não é novidade alguma. E também não é por outro motivo que o atual ministro da fazenda é Joaquim Levy, um economista que é contrário a tudo o que foi feito nos últimos anos. Ao invés, portanto, de críticas ao atual ajuste fiscal, alguns economistas deveriam explicar por que, uma vez mais, o que eles dizem estava errado: um pouquinho mais de inflação não gerou mais crescimento... 🙁

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.