[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="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]
Analistas de dados são acostumados a interpretar a realidade através de modelos estatísticos. O objetivo de um modelo é ressaltar a importância de um determinado conjunto de fatores em detrimento de todo o resto para a explicação de um evento ou variável. Em outros termos,
(1) 
onde 
e 
são variáveis observáveis e, importante, 
representa o que não sabemos e sobre o qual fazemos algumas suposições importantes para tornar o modelo interpretável. Com esse modelo teórico (básico) em mente, o analista corre atrás de dados sobre e , de modo a estimar a relação existente entre as mesmas. A coleta de dados, entretanto, pode ser um grande problema. Sobretudo em um país como o Brasil, cuja História de hiperinflação reduz de forma implacável a amostra disponível. Além disso, há mudanças metodológicas importantes nas séries disponíveis, o que as encurta ainda mais.
Mas não é apenas isso. Uma vez disponíveis, os dados ainda sofrem toda a sorte de problemas práticos. Para ilustrar, considere, por exemplo, que você esteja interessado em prever a inflação mensal no Brasil, medida pelo Índice de Preços ao Consumidor Amplo (IPCA). Podemos pegar os dados diretamente do Banco Central utilizando o pacote BETS do R com o código abaixo, já considerando o período posterior ao Plano Real.
library(BETS) ipca = window(BETS.get(433), start=c(1994,07))
Um gráfico desses dados é posto abaixo.
Mesmo retirando o período de hiperinflação, ainda há nítidos problemas nessa série, não é mesmo? Primeiro, há todo o processo de desinflação que vai de 1994 até 1998. Depois, há o choque de confiança de 2002 e, mais recentemente, o choque de preços administrados, em particular o aumento nos preços de energia elétrica.
Poderíamos incorporar todos esses choques no nosso modelo, isto é, buscar os fatores que causaram essas perturbações em e levá-los para . Ao fazer isso, possivelmente, teríamos um modelo mais completo na explicação da inflação brasileira. Mas será que faz sentido para os nossos propósitos de projeção entender os fatores que causaram a desinflação de 1994 a 1998 ou o choque de confiança de 2002 ou mesmo o choque de preços administrados?
Talvez aqui haja alguma confusão. E justamente por isso comecei esse exemplo e faço a discussão entre modelos e a realidade dos fatos. Um modelo, por mais completo que possa ser, jamais conseguirá incorporar todas as possibilidades ou fatores que afetam . Haverá sempre um termo de erro sobre o qual precisamos fazer algumas suposições de distribuição. A realidade, naturalmente, pode complicar o alcance dessas suposições. Na prática, pode ser muito difícil verificar que os resíduos de um modelo sejam normalmente distribuídos com média nula e variância constante.
E isso será ainda mais difícil de alcançar quanto maior for a incerteza do ambiente político e econômico. No nosso exemplo da inflação, pode ser que durante um período, o Banco Central tenha afinco em alcançar uma determinada meta. Mas pode ser que no meio do caminho, ele mude de ideia e ache que não deva mais perseguir uma meta, mas se preocupar com o desemprego, por exemplo. Isso, naturalmente, terá efeitos sobre a inflação mensal medida pelo IPCA.
Em termos um pouco mais recentes, a incerteza política pode facilmente causar um overshooting cambial, com impactos significativos sobre a inflação. Tudo isso, claro, pode ser incorporado ao nosso modelo, de modo a melhor calibrá-lo para novas projeções. Mas a incerteza do ambiente seguramente continuará produzindo novos choques, afetando o nosso erro de previsão.
Em ambientes com maior incerteza política ou fortes interferências do governo sobre o organismo econômico, os modelos estatísticos certamente são bastante limitados em oferecer projeções acuradas sobre o futuro. Nesse sentido, o grau de aderência dos modelos à realidade pode ser uma forma de captar o quão estável são as instituições de um determinado país.
O Brasil, infelizmente, está muito longe disso.
[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]
