-
Notifications
You must be signed in to change notification settings - Fork 0
/
trab_ecn_mon.Rmd
338 lines (267 loc) · 19.6 KB
/
trab_ecn_mon.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
---
output:
pdf_document:
latex_engine: xelatex
urlcolor: blue
number_sections: true
title:
"**Trabalho de Economia Monetária - UDESC**"
subtitle:
"_Análise do comportamento da taxa de juros_"
author:
"Cairê Britto Barletta e Gabriel Akira"
date:
"08/08/2021"
geometry: margin = 1in
fontsize: 12pt
fig_caption: yes
indent: true
---
```{r, include = F}
#bibliotecas utilizadas
library(knitr)
library(dplyr)
library(tidyquant)
library(readxl)
library(ggplot2)
library(scales)
library(BETS)
```
## 1. Introdução
   A taxa básica de juros brasileira (Selic) após a mudança de governo em 2019 sofreu diversas alterações. A Selic Meta era 6,50% a.a em janeiro de 2019 chegando ao vale de 2,00% a.a em agosto de 2020, e no período vigente a taxa é de 5,25% a.a, conforme o _Gráfico 1_. No presente trabalho, iremos analisar o comportamento da taxa de juros no período, e entender as movimentações feitas pelo Banco Central.
```{r, include = F}
#inputs iniciais
first_date <- "2019-01-01"
last_date <- "2021-06-01"
#puxando dados da Selic Meta definida pelo Copom
selic <- BETSget(432, data.frame = T) %>%
filter(date >= first_date)
```
```{r, echo = F, error = F, warning = F, message = F}
graf_selic <- selic %>%
ggplot(aes(x = date)) +
geom_line(aes(y = value), color = "darkblue", size = 1) +
geom_line(aes(y = tail(value, 1)), linetype = 2, color = "red") +
scale_x_date(breaks = "3 months",
labels = scales::date_format("%Y/%m")) +
scale_y_continuous(labels = scales::number_format(accuracy = 0.01, decimal.mark = ',')) +
labs(title = "Meta da taxa Selic definida pelo Copom (% a.a.)",
x = element_blank(),
y = element_blank(),
caption = "Fonte: Banco Central do Brasil. Elaboração dos Autores.") +
theme_light() + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
```
\vspace{12pt}
\begin{center}
\emph{Gráfico 1}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 4, fig.width = 10}
graf_selic
```
## 2. Regime de metas de inflação e Regra de Taylor
   Antes de começarmos a analisar os dados, é necessária uma revisão teórica para entender quais são os motivos que levam o Banco Central a alterar a meta da taxa de juros. Assim faremos uma breve análise sobre o regime de **metas de inflação e a Regra de Taylor**.
A partir de 1990, bancos centrais do mundo todo começaram a basear sua política monetária no regime de metas de inflação, o Brasil por sua vez, adotou o regime em 1999.
Segundo documento do Banco Central do Brasil: “O regime de metas para a inflação é um regime monetário no qual o banco central se compromete a atuar de forma a garantir que a inflação efetiva esteja em linha com uma meta pré-estabelecida, anunciada publicamente.” (Banco central, 2016). Na prática, o Banco Central determina uma meta de inflação, e altera as taxas de juros para atingir a meta. Para entender o processo de forma mais clara vejamos a Regra de Taylor:
$$i_t = i^* + \alpha (\pi_t - \pi^*) - \beta (\mu_t - \mu_n)$$
\vspace{12pt}
**Onde**:
$i_t$ é a taxa nominal de juros;
$i^*$ é a meta da taxa nominal de juros;
$\pi_t$ é a taxa de inflação;
$\pi^*$ é a meta da taxa de inflação;
$\mu_t$ é a taxa de desemprego desemprego; e
$\mu_n$ é a taxa natural de desemprego.
A regra de Taylor é uma regra proposta por John Taylor, no qual ele sugere que o Banco Central deve escolher uma meta para inflação, e fixar uma taxa de juros para atingir essa meta. Por exemplo, supondo uma situação na qual $\pi_t > \pi^*$, seguindo a regra de Taylor, para manter a inflação dentro da meta, o Banco central deve fazer alterações em $(\mu_t - \mu_n)$, em que uma das formas seria aumentar a meta da taxa de juros $i^*$, o que levaria a uma redução no investimento agregado, que por sua vez, aumentaria o desemprego, levando a uma diminuição da inflação.
Outra situação é quando, por exemplo $\mu_t > \mu_n$, onde nesse caso o desemprego está menor que o natural, de forma que seguindo a regra de Taylor, o Banco central, para manter a inflação dentro da meta, deve diminuir a meta da taxa de juros $i^*$, para diminuir o desemprego, e manter a inflação na meta.
Taylor ainda propõe que o termo $\alpha$ da equação deve ser maior que um, uma vez que as decisões de investimento são tomadas em relação a taxa real de juros. Assim, para diminuir a inflação, o Banco Central deve fazer um aumento de proporção maior na taxa de juros nominal, até ultrapassar o efeito da inflação sobre a taxa de juros real. O exemplo todo é inspirado em (BLANCHARD , 2004).
## 3. Análise dos dados
   O Banco Central do Brasil não segue exatamente a regra de Taylor para decidir a Selic Meta. No entanto, a regra pode dar uma boa noção do comportamento dos Bancos Centrais que seguem o regime de meta de inflação.
Como visto no exemplo anterior, caso $\pi_t > \pi^*$, o Banco Central deverá aumentar a taxa de juros, e de forma análoga caso $\pi_t < \pi^*$, o Banco central deverá reduzir a taxa de juros. Essas duas situações aconteceram no Brasil no período analisado, conforme podemos observar no _Gráfico 2_.
```{r, include = F}
#dados diversos do ipca obtidos da serie 11427 do BCB, em formato .csv
dados_ipca <- read.csv("dados_ipca.csv", sep = ",")
#dados para elaboração do gráfico 2
subdados1 <- dados_ipca %>%
select(c(data, IPCA.var....a, lim_sup, lim_inf, meta))
colnames(subdados1) <- c("data", "ipca", "lim_sup", "lim_inf", "meta")
#dados para elaboração do gráfico 3
subdados2 <- dados_ipca %>%
select(c(data, IPCA.var....a, ipca_EX0.var....a, lim_sup, lim_inf))
colnames(subdados2) <- c("data", "ipca", "ipca_ex0","lim_sup", "lim_inf")
```
```{r, echo = F, error = F, warning = F, message = F}
graf_ipca1 <- subdados1 %>%
ggplot(aes(x = as.Date(data), group = 1)) +
geom_line(aes(y = ipca, colour = "IPCA"), size = 0.8) +
geom_line(aes(y = lim_sup, colour = "Limite superior"), linetype = 2, size = 0.8) +
geom_line(aes(y = lim_inf, colour = "Limite inferior"), linetype = 2, size = 0.8) +
geom_line(aes(y = meta, colour = "Meta"), size = 0.8) +
scale_color_manual(name = element_blank(),
values = c("IPCA" = "darkblue",
"Limite superior" = "red",
"Limite inferior" = "red",
"Meta" = "cyan")) +
scale_x_date(breaks = "3 months",
labels = scales::date_format("%Y/%m")) +
scale_y_continuous(labels = scales::number_format(accuracy = 0.01, decimal.mark = ',')) +
labs(title = "IPCA, limites e meta (% a.a.)",
x = element_blank(),
y = element_blank(),
caption = "Fonte: Banco Central do Brasil. Elaboração dos Autores.") +
theme_light() + theme(legend.position = "bottom",
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
```
\newpage
\begin{center}
\emph{Gráfico 2}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 4, fig.width = 10}
graf_ipca1
```
Como podemos observar, a inflação estava abaixo do limite inferior em outubro de 2019, entre abril e julho de 2020, e estava acima da meta, a partir de março de 2021 até o período atual. De forma a aprofundar um pouco mais a análise, podemos verificar os núcleos de inflação, dado que essa diferença entre inflação real e a meta, pode ocorrer pela diferença de preços em apenas alguns produtos (núcleos), de forma que o IPCA cheio, não representaria de forma real a inflação do país.
O _Gráfico 3_, semelhante ao _Gráfico 2_, mostra o índice de preço e seus limites, com o acréscimo nos núcleos de inflação _IPCA_EX0_.
```{r, echo = F, error = F, warning = F, message = F}
graf_ipca2 <- subdados2 %>%
ggplot(aes(x = as.Date(data), group = 1)) +
geom_line(aes(y = ipca, colour = "IPCA"), size = 0.8) +
geom_line(aes(y = lim_sup, colour = "Limite superior"), linetype = 2, size = 0.8) +
geom_line(aes(y = lim_inf, colour = "Limite inferior"), linetype = 2, size = 0.8) +
geom_line(aes(y = ipca_ex0, colour = "IPCA_EX0"), size = 0.8) +
scale_color_manual(name = element_blank(),
values = c("IPCA" = "darkblue",
"Limite superior" = "red",
"Limite inferior" = "red",
"IPCA_EX0" = "cyan")) +
scale_x_date(breaks = "3 months",
labels = scales::date_format("%Y/%m")) +
scale_y_continuous(labels = scales::number_format(accuracy = 0.01, decimal.mark = ',')) +
labs(title = "IPCA, IPCA_EX0 e limites (% a.a.)",
x = element_blank(),
y = element_blank(),
caption = "Fonte: Banco Central do Brasil. Elaboração dos Autores.") +
theme_light() + theme(legend.position = "bottom",
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
```
\vspace{12pt}
\begin{center}
\emph{Gráfico 3}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 4, fig.width = 10}
graf_ipca2
```
Nota-se que o _IPCA_EX0_, que exclui os preços de alimentação em domicílio e os preços administrados, está para todo período, bem abaixo do IPCA cheio. Isso significa que grande parte da inflação do período pode ser explicada, pelos preços de alimentação e administrados, de forma que a diferença entre a inflação e o limite inferior entre abril e julho de 2020 era ainda maior, e que a inflação atual está fora da meta, também muito por conta desses preços. Assim, qual foi a reação observada do Banco Central nesses momentos?
No primeiro momento de destaque (outubro de 2019), a inflação estava abaixo do limite inferior, no entanto, o IPCA já vinha em constante queda desde julho de 2019. Assim, como esperado pela regra de Taylor, as [reuniões do Copom 224, 225 e 226](https://www.bcb.gov.br/controleinflacao/historicotaxasjuros) reduziram a taxa de juros de 6,50% até 5,00%. A justificativa do Banco Central foi justamente a constante queda nos preços, devido a ociosidade do produto brasileiro, devido aos baixos índices de utilização da capacidade da indústria e, principalmente, pela alta taxa de desemprego. Note-se que de acordo com a Regra de Taylor, quando têm-se $\mu_t > \mu_n$, o Banco Central deve reduzir os juros, e que uma alta no desemprego é equivalente a um produto abaixo do potencial.
Os mesmos fatores podem ser vistos no segundo momento destacado (abril e julho de 2020). No entanto, com um grande agravante do _lockdown_. Assim, nas reuniões do Copom 227 até 232, o Banco Central decidiu por reduzir a Meta da Selic, de 5,00% até 2,00%.
No _Gráfico 4_, temos o hiato do produto, que é a diferença do PIB efetivo e do PIB potencial. Assim, em setembro de 2019 o hiato era -5,80% e em junho de 2020 o hiato era de -13,30%, o que confirma as justificativas do Banco Central para reduzir a taxa de juros.
```{r, include = F}
#dados do hiato do pib obtidos no IFI
url <- 'https://www12.senado.leg.br/ifi/dados/arquivos/estimativas-do-hiato-do-produto-ifi/at_download/file'
download.file(url, destfile = "hiato_pib.xlsx", mode = "wb")
#lendo o arquivo excel
hiato_pib <- read_excel("hiato_pib.xlsx", sheet = 2, skip = 1)
colnames(hiato_pib) <- c("trim", "lim_inf", "hiato", "lim_sup")
```
```{r, echo = F, error = F, warning = F, message = F}
graf_hp <- hiato_pib %>%
ggplot(aes(x = as.Date(trim))) +
geom_line(aes(y = hiato), color = "darkblue", size = 1) +
geom_line(y = 0, linetype = 2, color = "red") +
scale_x_date(breaks = "1 year",
labels = scales::date_format("%Y")) +
scale_y_continuous(labels = scales::number_format(accuracy = 0.01, decimal.mark = ',')) +
labs(title = "Hiato do Produto Brasileiro",
x = element_blank(),
y = "Variação percentual (a.t.)",
caption = "Fonte: Instituto Fiscal Independente. Elaboração dos Autores.") +
theme_light() + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
```
\vspace{12pt}
\begin{center}
\emph{Gráfico 4}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 4, fig.width = 10}
graf_hp
```
Uma variável que pode verificar a ociosidade do PIB é o IBC-br, que é construído com base em _proxies_ representativas dos índices de volume da produção da agropecuária, da indústria e
do setor de serviços, além do índice de volume dos impostos sobre a produção. Assim, o _Gráfico 5_ mostra o índice ao longo do período.
```{r, include = F}
#dados IBC-Br
ibc_br <- BETSget(24363, data.frame = T) %>%
filter(date >= first_date) %>%
rename(ibc_br = value)
```
```{r, echo = F, error = F, warning = F, message = F}
graf_ibcbr <- ibc_br %>%
ggplot(aes(x = as.Date(date))) +
geom_line(aes(y = ibc_br), color = "darkblue", size = 1) +
geom_line(y = mean(ibc_br$ibc_br), linetype = 2, color = "red") +
scale_x_date(breaks = "3 months",
labels = scales::date_format("%Y/%m")) +
scale_y_continuous(labels = scales::number_format(accuracy = 0.01, decimal.mark = ',')) +
labs(title = "Índice de Atividade Econômica do Banco Central",
x = element_blank(),
y = element_blank(),
caption = "Fonte: Banco Central do Brasil. Elaboração dos Autores.") +
theme_light() + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
```
\newpage
\begin{center}
\emph{Gráfico 5}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 4, fig.width = 10}
graf_ibcbr
```
Outra variável para verificar a ociosidade do PIB, com o mesmo intuito, é a taxa de desemprego, onde o _Gráfico 6_ mostra a taxa ao longo do período.
```{r, include = F}
#dados taxa de desocupacao
tx_desemp <- BETSget(24369, data.frame = T) %>%
filter(date >= first_date) %>%
rename(tx_desemp = value)
```
```{r, echo = F, error = F, warning = F, message = F}
graf_txdesemp <- tx_desemp %>%
ggplot(aes(x = as.Date(date))) +
geom_line(aes(y = tx_desemp), color = "darkblue", size = 1) +
geom_line(y = mean(tx_desemp$tx_desemp), linetype = 2, color = "red") +
scale_x_date(breaks = "2 months",
labels = scales::date_format("%Y/%m")) +
scale_y_continuous(labels = scales::number_format(accuracy = 0.01, decimal.mark = ',')) +
labs(title = "Taxa de Desemprego",
x = element_blank(),
y = "%",
caption = "Fonte: Banco Central do Brasil. Elaboração dos Autores.") +
theme_light() + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
```
\vspace{12pt}
\begin{center}
\emph{Gráfico 6}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 4, fig.width = 10}
graf_txdesemp
```
Verificando os dados, fica evidente que o Banco Central, segundo a regra de Taylor, tomou uma decisão adequada, de reduzir a taxa de juros, porém vale se questionar: “Será que o Banco Central demorou muito para reduzir essa taxa? E será que a redução foi na magnitude correta?”.
Para responder essas perguntas, a Regra de Taylor não nos ajuda muito, uma vez que a única informação que o modelo traz a respeito do valor da redução, é que o parâmetro $\alpha$ deve ser maior que 1. No entanto, principalmente para um país subdesenvolvido e com histórico de hiperinflação como o Brasil, seguir a recomendação de $\alpha > 1$, ou seja, a reduzir a taxa de juros em proporção maior que diferença da inflação meta e inflação real, nem sempre é o mais recomendável, pois outros fatores devem ser levados em consideração, como o câmbio, o risco-país e a inflação esperada, vejamos.
Supondo um cenário em que o Banco Central ao invés de ter reduzido de forma gradual a Selic de 6,50% para 2,00%, fizesse isso de uma vez, em abril de 2020. Nesse cenário, se considerarmos que o câmbio no curto prazo segue a hipótese da paridade descoberta da taxa de juros, a baixa taxa de juros brasileira faria com que os títulos ficassem menos atraentes, sendo assim, teríamos uma redução na demanda por Reais (R$), de forma que o câmbio dispararia de uma vez, causando um forte aumento nos preços dos produtos relacionados ao dólar, e com isso, teríamos aumento da inflação. De forma parecida, o risco do país também reduz a demanda por títulos brasileiros, e pode levar ao mesmo efeito.
Já no terceiro momento (março de 2021 até o período atual), a inflação se encontrava acima da meta. Entretanto, como visto no _Gráfico 3_, muito por conta dos preços de alimentação e dos preços administrados. Assim, o Banco Central nas reuniões do Copom 237 (em março de 2021) até a 240, aumentou a meta da Selic de 2,00% para 5,25%. A principal justificativa desse aumento foi a recuperação da economia mundial devido aos avanços na implementação dos programas de imunização contra a Covid-19, a retomada econômica brasileira e a reversão da expectativa de inflação. Portanto, no terceiro momento analisado, o Banco Central agiu novamente de acordo com a Regra de Taylor, conforme o _Gráfico 4_.
## 4. Aprofundando a análise: o impacto das expectativas de inflação
   A Regra de Taylor, apresentada na Sessão 2, não levava em consideração as expectativas de inflação. No entanto, as discussões de política monetária, principalmente depois da conhecida crítica de Lucas, começaram a levar em consideração as hipóteses de expectativas racionas. Assim, modelos como o de viés inflacionário Barro-Gordon (1983), Kydland e Prescott (1977) e Sargent e Wallace (1981) tratam do problema.
De qualquer maneira, nesse trabalho será feito apenas um ajuste na Regra de Taylor, para analisar o comportamento da taxa de juros com base nos dados de expectativas de inflação.
Se substituirmos $\pi_t$ por $\pi^e$ e $\mu_t$ por $\mu^e$ na Regra de Taylor apresentada na Sessão 2, temos uma nova Regra de Taylor, na qual o Banco Central deve decidir uma meta na taxa de juros com base na diferença entre inflação esperada e meta de inflação. Temos então:
$$i_t = i^* + \alpha (\pi^e - \pi^*) - \beta (\mu^e - \mu_n)$$
\vspace{12pt}
A [_Tabela 1_](https://www3.bcb.gov.br/expectativas2/#/consultaSeriesEstatisticas) mostra a mediana da expectativa de inflação de curto prazo das top cinco empresas do boletim Focus nos períodos de mudança da taxa de juros.
\newpage
\begin{center}
\emph{Tabela 1}
\end{center}
```{r, echo = F, error = F, warning = F, message = F, fig.align = "center", fig.height = 3, fig.width = 7}
knitr::include_graphics("img1.png")
```
Por fim, é possível verificar que todas as vezes que ocorreu uma mudança nas expectativas de inflação, o Banco Central reagiu de acordo, reduzindo a meta da taxa de juros no primeiro e segundo e momento, e aumentando a taxa de juros no terceiro momento, o que vai de acordo com a Regra de Taylor, considerando as expectativas de inflação.
\newpage
## Referências
- BLANCHARD, Olivier. "Macroeconomia. Tradução de Mônica Rosemberg." (2004), Cap 25.
- WILHER.V, “Definindo o hiato do produto” disponível no link: https://analisemacro.com.br/economia/pib/definindo-o-hiato-do-produto/
- Barro, Robert J., and David B. Gordon. "Rules, discretion and reputation in a model of monetary policy." Journal of monetary economics 12.1 (1983): 101-121.
- Kydland, Finn E., and Edward C. Prescott. "Rules rather than discretion: The inconsistency of optimal plans." Journal of political economy 85.3 (1977): 473-491.
- Sargent, Thomas J., and Neil Wallace. "Some unpleasant monetarist arithmetic." Federal reserve bank of minneapolis quarterly review 5.3 (1981): 1-17.