Regime de Metas de Inflação no Brasil e Modelos de Previsão para o IPCA

Regime de Metas de Inflação no Brasil e Modelos de Previsão para o IPCA

Texto: Amanda Seixas Diniz e Sinézio Fernandes Maia

Para ler em PDF,  clique aqui.

A taxa de inflação é um importante agregado macroeconômico, o qual é responsável por medir a variação dos preços dos produtos que compõem a cesta básica dos consumidores de uma determinada economia. Por definição, a taxa de inflação é medida pelos índices de preços. Dado o objetivo de cada índice, estes podem ser construídos a partir das mais variadas cestas de bens e serviços, com diferentes periodicidades, considerando os preços mais relevantes para determinados grupos de consumidores (por exemplo, produtores, residentes de uma região específica). No Brasil, o Índice de Preço ao Consumidor Amplo é o principal indicador de inflação, tendo em vista que o mesmo foi escolhido pelo Conselho Monetário Nacional como referência do sistema de metas de inflação. O IPCA é um índice de preço do tipo Laspeyres, o qual considera uma cesta básica comum aos residentes de 9 Regiões Metropolitanas mais Brasília e Goiânia, sendo calculada a variação de preços de seus itens, ponderando de acordo com sua respectiva relevância na cesta. O índice fechou o ano de 2017 com uma variação de 2,95%, abaixo da taxa de 6,98% registrada em 2016. Em dezembro, o IPCA registrou uma alta de 0,44%, sendo influenciado pela alta dos grupos de alimentos e bebidas e de transportes.* O resultado do indicador encontra-se abaixo do estabelecido pelo regime de metas de inflação, o qual determina que o centro da meta a ser perseguida pelo Banco Central do Brasil é de uma taxa de inflação de 4,5%, variando em 1,5p.p. para mais ou para menos do centro.

O regime de metas de inflação surgiu como proposição prática do chamado monetarismo tipo II, também conhecido como modelo novo-clássico, substituindo o regime de metas monetárias. Alguns dos principais percursores desses modelos foram Neil Wallace, Thomas Sargent e Edward Prescott. Apesar de ser um modelo distinto do monetarismo tipo I, os autores incorporaram aos seus modelos a hipótese da existência de uma taxa natural de desemprego e a concepção monetarista de que a inflação é um fenômeno monetário (MODENESI, 2005). Outras hipóteses dos modelos novo-clássicos são as expectativas racionais, bem como, o equilíbrio contínuo do mercado.

Países como Canadá, Nova Zelândia, Austrália, Reino Unido e Espanha foram um dos primeiros a adotarem o regime de metas de inflação. Tal regime consiste em uma estratégia de condução da política monetária baseada no anúncio de uma meta de inflação a ser perseguida pela autoridade monetária. O anúncio das metas gera uma maior transparência em tal condução, de modo a aprimorar os canais de comunicação entre o Banco Central e os agentes, possibilitando um maior monitoramento e avaliação da política monetária.

No Brasil, após o agravamento do processo inflacionário, na década de 1980, bem como, dos inúmeros planos de estabilização, e, da implantação do Plano Real; o regime de metas de inflação foi adotado formalmente no dia 1º de julho de 1999. Por meio do Decreto Presidencial nº 3.088, de 21 de junho de 1999, o regime foi estabelecido como diretriz da política monetária, sendo a taxa básica de juros Selic utilizada como instrumento de política monetária. O Conselho Monetário Nacional (CMN) estabeleceu, por meio da Resolução nº 2.165, de 30 de junho de 1999, que o índice de preços a ser utilizado seria o Índice de Preços ao Consumidor Amplo (IPCA) divulgado pelo Instituto Brasileiro de Geografia e Estatística. Com um intervalo de tolerância de 2p.p. para menos ou para mais, a meta da inflação para o ano de 1999, 2000, 2001 foram de 8%, 6% e 4%, respectivamente.

Tendo em vista que tal regime tem como estratégia uma maior transparência na condução da política monetária, o anúncio das metas funciona como um balizador das expectativas dos agentes, de modo que a inflação convirja para sua taxa natural (BERNANKE et. al., 1999). Segundo Carvalho e Minella (2009), as previsões têm um papel importante no processo de decisão da política monetária, pois estas também fazem parte do processo decisório das firmas, afetando a inflação efetiva, levando o Banco Central a definir instrumentos que conduzam as expectativas de inflação a estarem ancoradas nas metas. Sendo assim, outro aspecto importante da política monetária no Brasil é a coleta das expectativas dos agentes quanto ao comportamento da economia. Para isto, o Boletim Focus, divulgado semanalmente pelo Banco Central, contempla as projeções de 100 analistas e agências de investimentos para os principais indicadores macroeconômicos, inclusive para a própria inflação, pautados nos mais diversos métodos de estimação para obtenção de tais projeções. Segundo a pesquisa divulgada na última semana de dezembro de 2017, os agentes esperavam uma inflação de 0,28% para dezembro e, de 2,78% (acumulada 12 meses) para 2017.

Dentre os diversos métodos de previsão, a metodologia Box-Jenkins (BJ), também conhecida como método ARIMA, é amplamente utilizada no processo de obtenção de projeções do comportamento das variáveis econômicas. Segundo Gujarati (2011), a ênfase dessa ferramenta de previsão não está na construção de modelos uniequacionais ou de sistemas de equações simultâneas, mas na construção de previsões a partir do passado da própria variável de estudo. Por isso, os modelos ARIMA são comumente considerados como ateoréticos por não derivarem de nenhuma teoria econômica. Apesar disso, a metodologia BJ é amplamente utilizada por apresentar uma alta capacidade de previsão.

Os modelos ARIMA(p,d,q) admitem que o comportamento de determinada variável seja explicado por um processo autorregressivo integrado de médias móveis, isto é, pelo seu próprio passado, bem como, por uma combinação linear de termos de erro ruído branco. Além disso, o termo "integrado" está associado ao fato que, se a variável não for estacionária, esta é integrada, sendo sua primeira (ou mais) diferença(s) estacionária. O termo "p" indica o número de defasagens da própria variável que explicam seu comportamento, enquanto o termo "q" representa o número de defasagens dos termos de erros i.i.d., e, o termo "d", a quantidade de diferenciações necessárias para estabilizar a série. 

Vale ressaltar que as variáveis podem incorrer em um processo autorregresivo puro - AR(p), bem como, em um processo de médias móveis puro - MA(q), ou uma combinação de ambos os processos - ARMA(p,q). Segundo Gujarati (2011), a primeira etapa da metodologia BJ busca identificar qual processo descreve o comportamento da variável, ou seja, busca identificar os números correspondentes aos termos p, d e q. A ferramenta utilizada na identificação são as funções de autocorrelação e autocorrelação parcial, as quais resultam graficamente em correlogramas, os quais demonstrarão os números relativos a p e q. Ao estimar tais funções para a série mensal do IPCA, de janeiro de 1999 a setembro de 2017, mesmo em primeira diferença, não foram obtidos resultados satisfatórios. Com isso, optou-se por trabalhar com a série do número-índice do IPCA, de janeiro de 2005 a setembro de 2017 (descartando o período anterior por apresentar quebra estrutural), logaritmizada, em primeira diferença. Também foram efetuadas tentativas com modelos SARIMA, retirando a sazonalidade da série. Todavia, os resultados obtidos não foram convincentes.

Ao serem gerados os correlogramas, observou-se que quantidade de coeficientes de correlação fora do intervalo de confiança indicaram uma grande quantidade de defasagens para a variável e para os termos de erro ruído branco. Logo, foram estimados 45 modelos, correspondendo à segunda etapa da metodologia BJ. A terceira etapa consiste na verificação do diagnóstico, com ênfase nos testes relacionados ao termo de erro de cada modelo - testes de raiz unitária, bem como, de normalidade, buscando identificar a presença de ruído branco. Pelo fato de todos os modelos apresentarem termo de erro i.i.d, foram escolhidos os modelos com os menores erros quadrados médios (EQM), sendo estes monitorados desde setembro de 2017 quanto à sua capacidade de previsão, a qual, por fim, representa a última etapa da metodologia. Além disso, após a divulgação da taxa de inflação de cada mês, a mesma foi incorporada à base de dados para estimação das previsões do mês seguinte. A tabela a seguir contempla os modelos com os seus respectivos EQM, bem como, as previsões para os meses de outubro, novembro, e dezembro de 2017, e, janeiro de 2018.

Apesar de apresentarem os menores EQMs, os modelos acima ainda exigem uma maior dedicação para torná-los ainda mais robustos. Isto pode ser justificado pelo fato de se tratarem de modelos ARIMA de série univariada, ou seja, que levam em consideração apenas o comportamento da variável em questão. Outra explicação se deve ao comportamento do IPCA-15, indicador considerado como uma prévia do próprio IPCA. Foi perceptível que, quando divulgado o IPCA-15, houve uma correção das expectativas por parte dos agentes, o que, provavelmente, influenciou no resultado da inflação oficial, fato negligenciado pelos autores do texto, e que merece posterior atenção.


*IPCA fecha 2017 em 2,95%, a menor alta do indicador em quase 20 anos - Valor Econômico


Referências

BANCO CENTRAL DO BRASIL. Índices de preços. Brasília: Gerin, 2003. (Série Perguntas Mais Frequentes).
BANCO CENTRAL DO BRASIL. Resolução nº 2615 de junho de 1999. Disponível em: <https://www.bcb.gov.br/pre/normativos/busca/downloadNormativo.asp?arquivo=/Lists/Normativos/Attachments/45112/Res_2615_v2_L.pdf>. Acesso em: 20 jan. 2018.
BERNANKE, B. et a. Inflation targeting: lessons from the international experience. Princeton: Princeton University, 1999.
BRASIL. Decreto nº 3.088, de 21 de junho de 1999. Estabelece a sistemática de "metas de inflação"como diretriz para fixação do regime de política monetária e dá outras providências. Diário Oficial da União, Brasília, p. 4. Retirado no DOU, de 23/06/1999, p. 1.
FRIEDMAN, M. Should there be an independent monetary authority? IN: LEUBE, K. R. (Ed.) The Essence of Friedman. Stanford: Hoover Institution Press, 1987.
GUJARATI, D. N., PORTER, D. C. Econometria Básica. Porto Alegre: AMGH, 2011.
KYDLAND, F.; PRESCOTT, E.C. Rules Rather than Discretion: The inconsistency of optimals plans. Journal of Political Economi, v. 85, n.3, p. 473-492, 1977.
MODENESI, A. M. Regimes Monetários: Teoria e experiência do Real. Rio de Janeiro: Manole, 2005.
MORETTIN, Pedro A. Econometria Financeira: Um curso em séries temporais financeiras. São Paulo: Universidade de São Paulo, 2006.