Tag

conjuntura econômica Archives - Análise Macro

O que esperar do mercado de trabalho em 2020?

By | Comentário de Conjuntura

A situação do mercado de trabalho em geral e da taxa de desemprego, em particular, têm sido grandes preocupações minhas, expressas nesse espaço ao longo de 2019. Nesse primeiro comentário de conjuntura de 2020, por suposto, gostaria de fazer uma análise conjunta das duas principais pesquisas da área, o CAGED e a PNAD Contínua, de modo a mostrar como vai se comportar o mercado de trabalho ao longo do ano. Para isso, vou utilizar os scripts automáticos das pesquisas que ensino/disponibilizo no nosso Curso de Análise de Conjuntura usando o R.

Para começar, creio que deixei clara ao longo de 2019 a relação existente entre CAGEd, PNAD e crescimento econômico. Na Edição 58 do Clube do Código, mostrei que o saldo do CAGED ajuda a explicar o crescimento econômico, bem como explica mais de 95% da variância do crescimento. Já na Edição 67, mostrei que o CAGED tem precedência temporal sobre a PNAD Contínua. Por fim, na Edição 68, construí um modelo VEC que buscava projetar a taxa de desemprego [medida pela PNAD Contínua] com base em um vetor X_t de variáveis explicativas. Os exercícios estão disponíveis para membros do Clube do Código e para alunos do plano premium dos nossos Cursos Aplicados de R.

Meu otimismo com o mercado de trabalho em 2020 vem, em parte, desses exercícios. Como mostrei em vários posts nesse espaço, os dados do CAGED mostraram ao longo de 2019 uma melhora na criação líquida de vagas. O gráfico abaixo mostra a média móvel trimestral do saldo dessazonalizado do CAGED. Como é possível observar, houve uma aceleração na margem no saldo. O trimestre móvel encerrado em novembro teve criação líquida de 67,7 mil vagas.

Fazendo uma suavização um pouco maior nos dados, de modo a ter uma perspectiva mais global da pesquisa, podemos olhar a média móvel anual do saldo líquido. O gráfico a seguir ilustra o comportamento dessa série. Como é possível ver pela área hachurada em laranja, há criação positiva de vagas desde o início de 2018, com gradativa aceleração ao longo dos meses seguintes. Enquanto a média móvel anual encerrada em novembro de 2018 era de 35,5 mil vagas criadas, a mesma métrica encerrada em novembro de 2019 apontava para criação líquida de 44,3 mil vagas.

Conquanto o CAGED mostre melhora nítida no mercado formal, é preciso ressaltar que há uma assimetria nítida nos dados por setores. O gráfico abaixo ilustra o comportamento da média móvel anual por quatro setores: indústria, construção civil, comércio e serviços. Enquanto esses três mostram geração líquida positiva de vagas ao longo dos últimos meses, a indústria ainda flerta com números nada animadores.

É cedo para dizer que isso se configura em tendência, mas acho que é o momento para mostrar os dados da PNAD Contínua, bem como apresentar uma hipótese de trabalho para a situação do mercado de trabalho em 2020.  A tabela a seguir faz um retrato das principais métricas da PNAD Contínua.

Métricas Principais da PNAD Contínua
Nov/19 Nov/18 Variação (%)
População 209.944 208.332 0,8
PIA 171.401 169.936 0,9
PEA 106.279 105.078 1,1
PO 94.416 92.915 1,6
PD 11.863 12.164 -2,5
PNEA 65.122 64.858 0,4
Carteira 33.420 32.904 1,6
Sem Carteira 11.812 11.634 1,5
Doméstico 6.356 6.243 1,8
Público 11.686 11.729 -0,4
Empregador 4.483 4.468 0,3
Conta Própria 24.597 23.736 3,6
TFA 2.062 2.201 -6,3
Agropecuária 8.388 8.513 -1,5
Indústria 12.105 11.784 2,7
Construção 6.925 6.791 2,0
Comércio 17.833 17.715 0,7
Transporte 4.911 4.664 5,3
Alojamento 5.613 5.426 3,4
Informação 10.572 10.314 2,5
Administração Pública 16.561 16.457 0,6
Outros Serviços 5.088 4.966 2,5
Serviços Domésticos 6.400 6.249 2,4
Renda Nominal 2.332 2.240 4,1
Renda Real 2.332 2.305 1,2
Massa Nominal 215.104 203.039 5,9
Massa Real 215.104 208.926 3,0

Enquanto o CAGED é uma pesquisa de fluxo restrita ao mercado de trabalho formal, a PNAD Contínua com base em trimestres móveis é uma pesquisa de estoque do mercado de trabalho global. Nessa pesquisa, a situação de desemprego é definida a partir de uma pergunta aos entrevistados: se o mesmo tomou alguma providência para procurar emprego. Caso não tenha procurado emprego, o mesmo não é considerado desempregado.

Isso dito, observa-se pela tabela que a População Economicamente Ativa (PEA) saiu de 105 para 106,2 milhões de pessoas na comparação interanual. Abrindo os componentes da PEA, vemos que a população ocupada (PO) registrou aumento de 1,6% e a população desocupada (PD) caiu 2,5%. Com efeito, o total de desempregados no país está em 11,8 milhões de pessoas.

A população não economicamente ativa (PNEA), o complemento da PEA para formar a população em idade ativa (PIA), também avançou, chegando a 65,1 milhões de pessoas. Em perspectiva, a taxa de participação, importante medida para mostrar desalento, tem mostrado avanço ao longo dos últimos anos. O gráfico a seguir ilustra.

Quanto mais pessoas participam da PEA, mesmo que na condição de procura por emprego, maior é o otimismo com a situação econômica. Menor é o desalento. O dado na margem, diga-se, está cerca de meio ponto percentual acima da média histórica. A dessazonalização da série, por suposto, fica como exercício para o leitor. O gráfico a seguir mostra o comportamento da PEA ao longo dos últimos anos. Há um nítido avanço na série.

Se por um lado a PEA mostrou avanço nos últimos anos, há também um crescimento na população ocupada, saindo de 88,6 milhões no início de 2017 para 94,4 milhões no último dado disponível. O gráfico a seguir ilustra.

A abertura do dado de população ocupada, diga-se, nos faz mostrar a hipótese de trabalho para 2020 que comentei anteriormente. Os gráficos a seguir ilustram o comportamento da PO. Como é possível verificar, só nos últimos meses há um avanço na ocupação com carteira. A recuperação da população ocupada tem sido liderada pelos conta própria e pelos ocupados sem carteira.

Isso dito e como comentado anteriormente sobre o CAGED, isso não significa que o emprego com carteira não vá mostrar reação nos próximos meses. Como mostrei na Edição 67 do Clube do Código, há uma relação de causalidade entre os dados do CAGED e da PNAD [no corte com carteira]. O gráfico a seguir ilustra. Ou seja, devemos ver em 2020, enfim, um aumento maior na população ocupada com carteira na PNAD Contínua, refletindo os bons números do CAGED.

A hipótese de trabalho, contudo, é que deveremos observar novas formas de trabalho daqui para frente, explorando as possibilidades abertas pela reforma trabalhista. Ademais, serão criadas cada vez mais vagas no setor de serviços e não propriamente na indústria, refletindo as novas tecnologias - talvez em uma intersecção entre um e outro, no que as pessoas têm denominado como "Indústria 4.0". Sobre isso, dois comentários rápidos: (i) quanto às novas formas de tralbaho, vejo isso como algo positivo posto que reduz a assimetria entre os mercados formal e informal de trabalho. Ou, entre "todos os direitos" e "nenhum direito" que existia antes da reforma; (ii) sobre novas tecnologias, creio que a atividade industrial deve continuar perdendo participação relativa no PIB. E isso não é algo negativo a princípio, mas implica em mudanças fundamentais na estrutura produtiva do país. Em particular, em termos de educação formal: será preciso preparar as novas gerações para operar/construir robôs, ao invés de pregar parafusos.

Tudo isso dito, concluo esse [extenso] comentário de conjuntura com a taxa de desemprego, a principal métrica do mercado de trabalho.

Como é possível ver no gráfico acima, houve queda na taxa de desemprego ao longo dos últimos anos, desde o pico de 13,7% no início de 2017 até chegar aos 11,2% de novembro último. Feito o ajuste sazonal, o desemprego está na casa dos 11,7%. Para os próximos meses, conforme atualização que fiz do modelo apresentado na edição 68 do Clube do Código, o desemprego deve manter seu padrão sazonal ao longo dos próximos meses, chegando aos 12,1% em maio de 2020, com mínima projetada em 11,3% e máxima em 12,8%.

Certamente, não é a rapidez que precisávamos para incluir os atuais 11,8 milhões de desempregados dentro do mercado de trabalho. Mas a série de desemprego é mesmo a última a se recuperar dentro do ciclo econômico. Para além dos seis meses projetados, é difícil fazer alguma avaliação, já que é muito difícil projetar o desemprego para além disso. O que se espera, contudo, é que a melhora dos dados do CAGED cheguem ao desemprego, como já é possível projetar pela relação existente entre aquele e o corte com carteira da população ocupada. Tudo indica, portanto, que será um 2020 melhor para o mercado de trabalho.

___________________

(*) Aprenda tudo sobre política monetária com a nossa área de Central Banking.

(**) Aprenda a usar o R para fazer análise de dados com nossos Cursos Aplicados de R.

(***) Os códigos desse comentário estarão disponíveis no Clube do Código daqui a pouco.

O papel da política monetária no ciclo econômico

By | Comentário de Conjuntura

O Banco Central busca calibrar a taxa de juros de curto prazo, seu instrumento de política, de modo a manter a taxa de juros real próxima à taxa de juros de equilíbrio da economia. Em situações onde o hiato do produto é diferente de zero, entretanto, isto é, ou bem o PIB da economia está abaixo/acima do PIB potencial, cabe ao Banco Central manter uma política monetária expansionista/contracionista, de modo a reagir às pressões inflacionárias baixistas/altistas.

Em termos formais, o Banco Central possui uma função de perda social quadrática e intertemporal a ser minimizada a cada período como a que segue:

(1)   \begin{align*} E \left [ (1 - \delta) \sum_{\tau = 0}^{\infty} \delta^{\tau} L_{t+\tau} | I_t \right ] \end{align*}

onde E \left [ . | I_t \right ] representa a expectativa racional do Banco Central, condicionada pelo conjunto de informação I_t. \delta é um fator de desconto, que varia de 0 a 1 (exclusive) e L_t uma função de perda para o período t como abaixo

(2)   \begin{align*} L_t = \frac{1}{2} \left [ (\pi_t - \pi^{*})^2 + \gamma (h_t)^2 \right ]  \end{align*}

onde \pi_t é a inflação corrente, \pi^{*} é a meta de inflação, h_t é o hiato do produto e \gamma é um parâmetro que mede o peso relativo dado à estabilização do produto na FPS. \gamma > 0 implica que a variância de \pi_t será maior do que zero, ou seja, o Banco Central se preocupa com a estabilização do produto e o regime de metas é do tipo flexível. Acaso, \gamma = 0, a variância de \pi_t será igual a zero e o regime é do tipo estrito, o Banco Central só se preocupa com a inflação. Svensson (1997) argumenta que o tipo flexível é o mais comum entre os regimes adotados, isto é, os Bancos Centrais buscam manter a inflação baixa e estável ao mesmo tempo em que se preocupam com os efeitos da política monetária sobre o nível de atividade.

Isso dito, em uma situação onde o PIB efetivo está abaixo do PIB potencial, configurando um hiato do produto negativo, recomenda-se que a política monetária seja expansionista. Isto porque, um hiato do produto negativo irá produzir, tudo o mais constante, pressões deflacionárias sobre a economia.

Nesse contexto, o Banco Central deve calibrar o juro nominal de modo que o juro real se posicione abaixo do juro neutro.

A operacionalização disso envolve, entretanto, tanto arte quanto ciência. O Banco Central calibra o juro nominal de acordo com uma regra de Taylor, olhando para a diferença entre inflação esperada e meta e hiato do produto. O efeito da diferença entre o juro real e o juro neutro sobre o hiato do produto ocorrerá via Curva IS, mas com alguma defasagem para a tomada de decisão sobre o juro nominal. Por fim, o efeito do hiato sobre a inflação ocorre via Curva de Phillips, com mais alguma defasagem. Em outras palavras, o Banco Central precisa manter um arsenal robusto de forecasting, de modo que o efeito da decisão expansionista de política monetária ocorra de fato sobre uma economia com hiato do produto negativo, dadas as defasagens envolvidas.

Como mostram os dados, o trabalho atual do Banco Central no Brasil está correto, posto que o hiato do produto ainda é bastante negativo, prescrevendo uma política monetária expansionista no curto prazo.

___________________

Svensson, L. E. O. Optimal inflation targets conservative central banks and linear inflation contracts. The American Economic Review, 87(1):98114, 1997.

(*) Aprenda tudo sobre política monetária com a nossa área de Central Banking.

(**) Aprenda a usar o R para fazer análise de dados com nossos Cursos Aplicados de R.

(***) Os códigos desse comentário estarão disponíveis no Clube do Código daqui a pouco.

(****) Super promoção de Natal: combos com até 50% de desconto. Veja aqui.

Condições para aceleração da retomada estão dadas

By | Comentário de Conjuntura

A economia brasileira passou os últimos três anos por uma intensa agenda de reformas. Foram debatidos e aprovados temas polêmicos como o Teto de Gastos, a nova taxa de juros dos empréstimos do BNDES [a TLP], o cadastro positivo, a reforma da previdência e, mais recentemente, o novo marco regulatório do saneamento.

Ainda que estejamos longe de voltar a gerar `superávits primários` nas contas públicas, ponto de fragilidade da conjuntura recente, essa intensa agenda sinaliza um caminho de crescimento econômico mais virtuoso e sustentável.

Em outras palavras, do ponto de vista doméstico, o Brasil está pronto para experimentar uma retomada mais forte no ciclo econômico capaz de *fechar* o hiato do produto deixado pela grande recessão de 2014-2016. A seguir, trazemos alguns indicadores que apontam nessa direção.

As sondagens da Fundação Getúlio Vargas mostram uma recuperação nos últimos anos. Ainda que esses indicadores não possam servir como parâmetro para antecipar uma recuperação dos índices de consumo e produção, o que se observa é que não há nenhum empecilho no lado das expectativas dos consumidores e dos empresários que comprometa uma retomada mais forte do crescimento econômico.

As reformas feitas nos últimos anos, por seu turno, tiveram um impacto considerável sobre o risco-país, como mostra o gráfico acima. Essa redução do risco é um sinal importante para que investimentos estrangeiros voltem ao país.

Houve na ponta também uma redução dos níveis de incerteza, como mostra o gráfico acima. Mesmo que o índice ainda permaneça acima da média histórica, essa redução na margem reflete um melhor ambiente doméstico e deve afetar positivamente decisões de consumo e investimento nos próximos meses.

Em relação ao crédito, observa-se uma expansão nos últimos meses, tanto no segmento pessoa física quanto no de pessoa jurídica. O gráfico acima mostra os dados deflacionados e dessazonalizados. Um ponto relevante sobre o crédito é que o crédito livre tem mostrado avanço maior do que o crédito direcionado, algo saudável para o mercado de crédito.

Por fim, mostramos que também houve um avanço no rendimento médio real.

E também na massa de rendimentos, como mostra o gráfico abaixo.

Em suma, os dados mostram que as condições para uma aceleração na retomada cíclica da economia estão dadas. Como ressalva, há de se mencionar apenas dois aspectos. O primeiro é uma parada súbita na agenda de reformas, em particular, na agenda fiscal, que busca ampliar as desvinculações no Orçamento. O segundo é o cenário externo, que sempre pode jogar contra a retomada cíclica da economia brasileira.

Ambos os fatores podem aumentar a incerteza, abortando precocemente as reações no consumo e no investimento, os dois vetores mais importantes no momento para a retomada do crescimento.

O cenário-base, contudo, é que haja uma continuação da agenda reformista e que o cenário externo se mantenha estável, sem maiores impactos para a economia brasileira.

________________________

(*) Aprenda a usar o R para fazer análise de dados com nossos Cursos Aplicados de R.

(**) Os códigos desse comentário estarão disponíveis no Clube do Código daqui a pouco.

Dados do CAGED indicam crescimento mais forte em 2020

By | Comentário de Conjuntura

Os dados do Cadastro Geral de Empregados e Desempregados (CAGED) divulgados pelo Ministério da Economia mostram que o fluxo de emprego líquido formal se acelerou ao longo de 2019. O saldo dessazonalizado saiu de uma média de 32 mil empregos líquidos no 1º trimestre para 48 mil no terceiro. Dada a relação existente entre o saldo do CAGED e o crescimento do PIB, como mostro na Edição 58 do Clube do Código, espera-se que essa aceleração vista no CAGED tenha efeito sobre o crescimento econômico. Para ilustrar, abaixo nós coletamos os dados do PIB e do saldo do CAGED.


#####################################
####### CAGED vs. PIB ###############

## Pacotes
library(ecoseries)
library(sidrar)
library(xts)
library(ggplot2)
library(scales)
library(BMR)
### Pacote Seasonal
library(seasonal)
Sys.setenv(X13_PATH = "C:/Séries Temporais/R/Pacotes/seas/x13ashtml")
#checkX13()

## Baixar dados
caged = ts(series_ipeadata('272844966',
periodicity = 'M')$serie_272844966$valor,
start=c(1999,05), freq=12)

tabela = get_sidra(api='/t/1620/n1/all/v/all/p/all/c11255/90707/d/v583%202')
pib = ts(tabela$Valor, start=c(1996,01), freq=4)

O saldo do CAGED é mensal enquanto o PIB é uma série trimestral. Assim, precisaremos fazer alguns ajustes nas séries. O código abaixo implementa.


## Dessazonalizar Caged
cagedsa <- final(seas(caged))

## Criar variação anual
anual <- (((pib+lag(pib,-1)+lag(pib,-2)+lag(pib,-3))/4)/
((lag(pib,-4)+lag(pib,-5)+lag(pib,-6)+lag(pib,-7))/4)-1)*100

## Trimestralizar Caged
dates = seq(as.Date('1999-07-01'), as.Date('2019-09-01'),
by='1 month')
caged = window(cagedsa, start=c(1999,07), end=c(2019,09))
caged = data.frame(dates=dates, caged=caged)
caged = xts(caged$caged, order.by = caged$dates)
caged = apply.quarterly(caged, FUN=mean)
caged = caged[-1]
## Juntar os dados
pib = window(anual, start=c(1999,4))
pib = data.frame(dates=as.Date(time(caged)), pib=pib)
pib = xts(pib$pib, order.by = index(caged))
data = cbind(caged/1000, pib)
colnames(data) = c('Saldo CAGED', 'Crescimento PIB')

Uma vez que os dados estejam tratados, podemos criar um gráfico como abaixo.

A elevada correlação entre as séries também implica em uma causalidade, no sentido do saldo do CAGED para o  crescimento do PIB. Em outras palavras, o maior emprego líquido formal vai gerar maior crescimento econômico nos próximos trimestres. Na margem, isso já foi sentido, inclusive, com o número acima do esperado no 3º tri. Isso deve ser visto nas métricas mais suavizadas daqui para frente.

________________________

(*) Aprenda a usar o R para fazer análise de dados com nossos Cursos Aplicados de R.

Os preços que pararam o Brasil

By | Comentário de Conjuntura

O interregno benigno, expressão utilizada pelo Banco Central para caracterizar a calmaria no cenário externo, parece estar se desfazendo. A preocupação com o processo inflacionário nos Estados Unidos fez a taxa de juros de 10 anos se mover, ultrapassando a barreira "psicológica" de 3%. O gráfico abaixo ilustra o processo.


library(ggplot2)
library(scales)
library(Quandl)

juro = Quandl('FRED/DGS10', start_date='2017-01-01')

ggplot(juro, 
aes(Date, Value))+
geom_line()+
geom_hline(yintercept=3, colour='red')+
scale_x_date(breaks = date_breaks("1 months"),
labels = date_format("%b/%Y"))+
theme(axis.text.x=element_text(angle=25, hjust=1))+
labs(title='Juro de 10 anos dos EUA')+
xlab('')+ylab('% a.a.')

A chamada normalização dos juros nos EUA e em outros países avançados está tendo efeito direto sobre a taxa de câmbio R$/US$, causando uma forte desvalorização. Isso está ilustrado abaixo.


library(BETS)

cambio.diario = BETS.get(1, from='2017-01-01')

ggplot(cambio.diario, 
aes(cambio.diario$date, cambio.diario$value))+
annotate("rect", fill = "blue", alpha = 0.3, 
xmin = as.Date('2018-03-14'), 
xmax = as.Date('2018-05-24'),
ymin = -Inf, ymax = Inf)+
geom_line(size=.8)+
scale_x_date(breaks = date_breaks("1 months"),
labels = date_format("%b/%Y"))+
theme(axis.text.x=element_text(angle=25, hjust=1))+
labs(title='Taxa de Câmbio R$/US$ diária',
caption='Fonte: analisemacro.com.br com dados do BCB.')+
xlab('')+ylab('')

Além de uma mudança nos juros internacionais, com efeito sobre a taxa de câmbio R$/US$, o cenário externo é ainda caracterizado por uma trajetória altista no preço do petróleo, como pode ser visto abaixo.


library(quantmod)

getSymbols('DCOILBRENTEU', src='FRED')

brentd = DCOILBRENTEU

plot(window(brentd[complete.cases(brentd)], start='2017-01-01'))

 

Essa mudança no cenário externo, destacando-se a desvalorização da taxa de câmbio e o aumento do preço do petróleo, causou dois efeitos diretos sobre o país. O primeiro, a interrupção na queda da taxa de juros pelo Banco Central, dado o repasse que a desvalorização cambial possui sobre a inflação doméstica - ainda que o mesmo seja reduzido em um ambiente de elevada ociosidade da economia. O segundo efeito é a crise quase institucional vivida pelo país, proporcionada pela greve dos caminhoneiros, que tem causado desabastecimento e aumento do preço de combustíveis.

Dado que o segundo efeito possui impactos de curto prazo mais graves do que o primeiro, passo a analisá-lo a seguir. Como visto no gráfico acima do preço do petróleo, o mesmo vem aumentando de forma consistente desde meados do ano passado. Justamente o período em que a Petrobras alterou a forma como constrói seus preços, dando maior atenção à cotação do preço do petróleo. Isso teve um efeito direto sobre o preço da gasolina no mercado doméstico, que passou a acompanhar o aumento do preço do petróleo no mercado internacional.


library(sidrar)
library(XLConnect)

library(png)
library(grid)
library(forecast)
library(gridExtra)

ipca = ts(get_sidra(api='/t/1737/n1/all/v/2266/p/all/d/v2266%2013')
$Valor, start=c(1979,12), freq=12)

### Importa dados dos preço da gasolina

url1 = 'http://www.anp.gov.br/images/Precos/Mensal2001-2012/Brasil.xlsx'
temp = tempfile()
download.file(url1, destfile=temp, mode='wb')
data1 = loadWorkbook(temp)

url2 = 'http://www.anp.gov.br/images/Precos/Mensal2013/MENSAL_BRASIL-DESDE_Jan2013.xlsx'
temp = tempfile()
download.file(url2, destfile=temp, mode='wb')
data2 = loadWorkbook(temp)

tabela1 = readWorksheet(data1, sheet = 1, header = TRUE, startRow = 13)
gasolina1 = tabela1$PRECO.MÉDIO.DISTRIBUIÇÃO[tabela1$PRODUTO=='GASOLINA COMUM']

tabela2 = readWorksheet(data2, sheet = 1, header = TRUE, startRow = 15)
gasolina2 = tabela2$PREÇO.MÉDIO.DISTRIBUIÇÃO[tabela2$PRODUTO=='GASOLINA COMUM']

gasolina = ts(c(gasolina1, gasolina2), start=c(2001,07), freq=12)

img = readPNG('logo.png')
g = rasterGrob(img, interpolate=TRUE)

autoplot(gasolina)+
annotate("rect", fill = "lightblue", alpha = 0.5, 
xmin = 2017.5, 
xmax = 2018.3,
ymin = -Inf, ymax = Inf)+
scale_x_discrete(limits=2001:2018)+
xlab('')+ylab('')+
labs(title='Preço médio mensal de distribuição da gasolina comum (R$)',
subtitle='Valores nominais',
caption='Fonte: Dados Importados do Site da ANP.')+
annotation_custom(g, xmin=2001.1, xmax=2005.5,
ymin=2.5, ymax=4)+
geom_line(size=.8, colour='darkblue')

Mesmo antes da mudança na política de preços da Petrobras, é bom dizer, o preço nominal da gasolina já vinha subindo desde o início de 2015, refletindo uma tentativa da empresa em recompor sua margem, após os diversos choques que lhe afetaram nos anos pretéritos. Em particular, o uso da empresa como instrumento de política econômica por parte do governo anterior, numa tentativa frustrada de conter o avanço ainda maior da inflação.

Como se nota pelos gráficos acima, o preço nominal da gasolina se manteve praticamente estável no período de 2006 a 2014, a despeito da oscilação natural do preço do petróleo no período. Os gráficos abaixo ilustram.

O efeito direto desse quase "congelamento" (via subsídio) no preço nominal da gasolina foi a queda no seu preço real, com sérias repercussões para a Petrobras. O gráfico abaixo ilustra.

O que se vê na conjuntura atual, nesse contexto, é apenas uma consequência dos anos de "congelamento" no preço nominal da gasolina. Por não acompanhar o que estava acontecendo com o preço do petróleo no cenário internacional, esse processo - além, claro, da corrupção desvendada pela operação Lava Jato - causou sérias consequências sobre o fluxo de caixa da Petrobras e sobre o seu endividamento. O que se tenta, por suposto, desde o início de 2015, com o fim do represamento no preço da gasolina, é readequar o mecanismo de preço e, consequentemente, a saúde financeira da empresa.

Por fim, a mudança no cenário externo põe ainda mais urgência sobre as negociações em torno do problema fiscal brasileiro. Dada a trajetória preocupante da dívida pública brasileira, o real é uma das moedas que mais tem sofrido desvalorização na esteira da normalização dos juros norte-americanos - evento, diga-se, para lá de antecipado entre os profissionais da área. Oxalá que consigamos eleger alguém comprometido com essa agenda.

 

 

 

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente