Apagão e aumento de impostos: a conta chegou!

There is no such thing as a free lunch, repetia Milton Friedman, o guru da Escola de Chicago, a mesma onde Joaquim Levy, o atual ministro da fazenda, obteve seu doutorado. Pois é, leitor, mesmo que ainda hoje existam economistas que acreditem em almoço grátis - eles até fazem manifestos! -, a conta chegou. Particularmente, hoje, ela veio em dose dupla: um apagão coordenado pelo Operador Nacional do Sistema (ONS) e aumento de impostos (CIDE, PIS/Cofins e IOF). Ambos refletem, respectivamente, os problemas no setor elétrico, vividamente negados pela equipe anterior, e o atoleiro fiscal. Ademais, é preciso colocar na conta o aumento de até 40% nas tarifas de energia elétrica, cujo impacto sobre a inflação é de até 1,6 ponto percentual. Não por outro motivo, a expectativa para os preços administrados está acima de 8% e para o índice cheio em 6,7% esse ano. Para quem negou a realidade na campanha eleitoral - eleitores, inclusive - deve ser mesmo uma baita surpresa todos esses problemas. Espero, apenas, que o atual ajuste seja estudado nas escolas de economia, com o devido contexto...

Update: Para quem ainda tem dúvidas sobre por que o ajuste é necessário, recomendo ler aqui, aqui e aqui. Sobre os problemas no setor elétrico aqui. Para o contraditório, leia aqui e aqui. E ai, é ou não é necessário? 🙂

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Regimes da Política Monetária Brasileira com Markov Switching no Python

Este exercício analisa a política monetária brasileira utilizando modelos de Markov Switching Regression. O objetivo é identificar diferentes regimes de política monetária e como eles influenciam a taxa Selic, a meta de inflação e o hiato do produto. Usamos a linguagem de programação Python para o processo de coleta, tratamento, análise e modelagem dos dados.

Como criar janelas móveis de séries temporais usando o Python

Janelas Móveis/Deslizantes, ou Rolling Windows, são termos frequentes na análise de séries temporais. Mas o que são e como aplicá-las no Python? Neste tutorial, mostramos como essa ferramenta é essencial para a análise de dados utilizando como exemplo a correlação móvel de ações brasileiras.

Como incorporar choques em cenários de previsão?

Neste exercício mostramos como incorar choques no cenário de variáveis exógenas para fins de previsão. Usando como exemplo a previsão do IPCA, através de um modelo de machine learning, mostramos os cuidados a serem tomados e uma forma simples de definir o cenário com os choques. Ao final, apresentamos uma previsão com um suposto choque e uma previsão sem o choque para comparação.

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.