Para ler em PDF, clique aqui!
A recuperação da atividade econômica brasileira tem apresentado sinais de continuidade nos primeiros meses de 2018. Em 2017, com a safra recorde de grãos no setor agrícola, bem como, com a baixa inflação e a queda no custo do crédito, influenciando o aumento do consumo; o PIB brasileiro voltou a crescer. Além disso, apesar do alto nível de capacidade ociosa dos fatores de produção registrado atualmente, o processo de recuperação tem sido marcado pela redução gradual desse indicador, bem como, pela queda na taxa de desemprego. Todavia, tal melhora nos principais indicadores econômicos é considerada fraca, estando abaixo do esperado pelos agentes. Segundo o Relatório da Inflação, divulgado no mês passado, o núcleo da inflação voltou a recuar nos últimos meses, indicando uma queda no comportamento "estrutural"do IPCA.
O núcleo da inflação exclui variações de preços que foram causados por fatores pontuais, atribuindo menor relevância a esses na composição do índice. Uma queda (aumento) generalizada(o) dos preços na economia será captada pelo núcleo, sendo excluídas as variações exógenas. Portanto, seu cálculo consiste na filtragem da decomposição do índice, precisando a captação do movimento real da inflação, o qual está relacionado ao comportamento estrutural da economia.
Da mesma forma que o núcleo de inflação funciona como um filtro de variações, buscando captar o real comportamento do IPCA; os modelos de previsões utilizam técnicas de filtragem com o objetivo de precisar seus resultados. Por definição, conforme apresentado por Morettin e Toloi (2006), as séries temporais são compostas por um componente de tendência, um componente sazonal, bem como, um componente cíclico; os quais apresentam frequências distintas dentro da série. Vale ressaltar que a variância de uma série está distribuída de forma diferenciada entre as frequências. Com isso, filtros lineares são aplicados com o intuito de eliminar os componentes não desejáveis da série, mantendo aquele que apresenta a frequência de interesse. O objetivo da filtragem é que a série obtida apresente propriedades estatísticas diferentes (e melhores) que a série original, reduzindo sua variância.
Na publicação Inflação, Sazonalidade e Modelos de Previsão, os modelos SARIMA foram incorporados ao conjunto de modelos de previsão utilizados, com a finalidade de filtrar o componente de sazonalidade, estimando seu comportamento em conjunto com o da série original. Os resultados obtidos a partir deles apresentaram maior precisão em seus resultados, obtendo uma taxa de acerto de 100% na previsão da inflação de fevereiro. Após isolar a sazonalidade, será utilizada a série do componente cíclico do IPCA buscando precisar ainda mais os resultados.
O ciclo de uma série corresponde aos seus movimentos de curto prazo, sendo, portanto, as flutuações que apresentam média frequência (4 e 32 trimestres). Para sua obtenção, foi utilizada a metodologia de Hodrick-Prescott (1997), a qual consiste em um procedimento empiricista - não está embasado explicitamente em um modelo teórico. A função do filtro é a remoção dos componentes de baixa frequência, os quais representam a tendência. A tendência estimada a partir da série do IPCA pode ser visualizada na Figura 1 (linha vermelha). Os desvios da inflação em relação à sua tendência caracterizam, portanto, o componente cíclico da série.
Figura 1: IPCA - Tendência (Filtro HP) Jan/2007-Mar/2018
Os modelos de previsão foram reestimados utilizando a série filtrada. Ao efetuar o diagnóstico dos modelos, observou-se que os mesmos apresentaram ruído branco, bem como, baixos erros quadrados médios; indicando que estes podem ser utilizados como ferramentas de previsão. Com isso, de acordo com a Tabela 1, as previsões obtidas por meio do ciclo preveem uma inflação entre 0,31 e 0,45; semelhantemente aos resultados dos modelos utilizando a série do número-índice, bem como, dos modelos sazonais.
Ao comparar os resultados das previsões com o IPCA-15, percebe-se uma diferença significativa. Tal indicador, que é considerado como uma prévia da inflação mensal, apontou um aumento de apenas 0,10%, acumulando 2,87% ao ano, dando continuidade à inflação em um baixo patamar. Dado o contexto de recuperação da economia brasileira, a tendência de queda do núcleo da inflação evidencia uma condução adequada da política monetária. Entretanto, o mercado já enxerga uma possível reversão desse cenário de baixa inflação.
Referências
ANGELIS, Cristiano T. Um Estudo Sobre os Filtros Hodrick-Prescott e Baxter-King. UFSC: 2004.
BANCO CENTRAL DO BRASIL, Home Page Acesso em: 02 abr. 2018.
____________________________, Relatório de Inflação, Gerin, Brasília, 2018, v.20. Publicação em meio eletrônico. Disponível em: Acesso em: 02 abr. 2018.
BITTENCOURT, Angela. "Ciclo de queda termina no 1º semestre, mas Copom admite um 'chorinho'". Valor Econômico, acesso em: 02 abr. 2018.
BOX, G.E.P.; JENKINS, G.M.; REINSEL, G. Time Series Analysis: Forecasting and Control. Third Edition. Englewood Cliffs: Prentice Hall.
COCHRANE, J. H. , Time Series for Macroeconomics and Finance, 1997; disponível em:
GUJARATI, D. N., PORTER, D. C. Econometria Básica. Porto Alegre: AMGH, 2011.
HODRICK, R. J.; PRESCOTT, E. C. Post-war US business cycles: an empirical investigation', reimpresso no Journal of Money, Credit, and Banking, v.29, 1997. p.1-16.
MAIA, S. F. Notas de Aula 2: Modelos Box-Jenkins.
MORETTIN, Pedro A. Econometria Financeira: Um curso em séries temporais financeiras. São Paulo: Universidade de São Paulo, 2006.
MORETTIN, P.A.; TOLOI, C.M.C. Análise de Séries Temporais. Segunda Edição. São Paulo: Editora E. Blücher-Associação Brasileira de Estatística.
SARGENT, T. Macroeconomic theory. Academic Press: IIth edition 1987.
0 comments:
Postar um comentário
Agradecemos seu comentário.