Escolar Documentos
Profissional Documentos
Cultura Documentos
t=0
_
sujeito a:
_
K
t
-(1 -o) K
t-1
= Z
t
y K
t-1
u
N
t-1
1-u
-C
t-1
ln (Z
t
) = p ln (Z
t-1
) +e
t
~N(u, o
2
)
Traduzindo o problema acima, a primeira expresso a funo a ser maximizada,
que o valor esperado da funo de bem-estar das famlias. Nesta funo, o termo
[
t
o termo de desconto da utilidade futura. Em outras palavras, com u [ < 1, se
[ prximo de 1, potncias deste termo sero mais prximas de 1.
Consequentemente, maior ser o peso da utilidade (bem-estar) futura, dada pela
expresso (ln(C
t
) -A N
t
) . J a expresso da utilidade (bem-estar) em cada
instante de tempo, funo de uma felicidade em consumir, dada por ln(C
t
) e uma
tristeza em trabalhar, dada por A N
t
. A escolha pela funo logaritmo de suma
10
importncia, dadas caractersticas interessantes do comportamento dos
consumidores, que pode ser melhor entendido ao observar a Figura 2.1.
Figura 2.1 r!"ico da Funo #ogaritmo.
Assim, vale destacar a primeira caracterstica da funo, que o fato de ser uma
funo estritamente crescente. Em termos de consumo, isso significa que quanto
mais o agente consome, mais feliz ele fica. A segunda caracterstica no menos
importante o fato de que quanto mais ele consome, menos bem-estar adicional
acrescido, ou seja, mais satisfeito ele est.
Matematicamente, isto se torna mais evidente ao analisar as derivadas (taxas de
variao) da funo logaritmo:
u(ln(x))
ux
=
1
x
u
2
(ln(x))
ux
2
=
u[
1
x
ux
= -
1
x
2
Portanto, a funo varia positivamente quanto mais se consome (primeira derivada
positiva para todo consumo positivo), s que, no entanto, esta variao
decrescente para todo consumo (segunda derivada negativa).
Por outro lado, a tristeza em trabalhar neste modelo simplificada por uma relao
diretamente linear da quantidade de trabalho alocado pela famlia.
Este problema de maximizao tem restries, pois, seno, a maximizao do bem-
estar das famlias seria simplesmente consumir muito e no trabalhar.
Implicitamente, se impe uma restrio estabelecendo uma relao de equilbrio, j
que todo o trabalho vendido pelas famlias comprado em sua integralidade
pelas empresas, que o utilizam como insumo em sua funo de produo. Logo, a
primeira equao das restries dada por:
K
t
-(1 -o) K
t-1
= Z
t
y K
t-1
u
N
t-1
1-u
-C
t-1
11
que traduz simplificadamente a evoluo da economia decorrente da interao entre
famlias e empresas. No lado esquerdo da equao, a expresso K
t
-(1 -o) K
t-1
exprime o investimento lquido de depreciao a ser feito pelas empresas,
decorrente da diferena entre o estoque de capital atual (K
t
) e o estoque de capital
descontada a depreciao (dada pela frao o) do perodo anterior. J no lado
direito da equao, o primeiro termo a riqueza gerada pela aplicao do trabalho
(termo N
t
1-u
), do capital (termo K
t-1
u
), de um nvel de produtividade base (termo y ) e
de um termo de produtividade Z
t
, que segue um processo estocstico, que ser
abordado mais adiante. Este primeiro termo multiplicativo pelo simples motivo de
que, se somente houver mo de obra disponvel, sem equipamento necessrio para
transformar este trabalho em material, a renda decorrente da produo igual a
zero. O mesmo vale para ter capital sob a forma de mquinas e equipamentos, e
sem mo de obra para produzir. O segundo termo do lado direito (C
t-1
) o prprio
consumo, tal que ele diminui a quantidade de renda disponvel.
Assim, a primeira restrio para avaliar a evoluo macroeconmica, neste modelo,
condensa matematicamente o fato de que o investimento s possvel a partir de
um excedente entre a renda gerada nos processos produtivos e o que foi consumido
pelas famlias, sendo esta renda gerada decorrente da aplicao do trabalho e do
prprio estoque de capital.
A segunda restrio funo de que eventuais acrscimos ou decrscimos na
funo de produtividade decorrem do nvel de produtividade (tecnologia) do perodo
anterior (p ln(z
t-1
)), acrescido de uma flutuao (choque) normalmente distribuda
(e
t
~ N(u, o
2
)), que visa modelar saltos de produtividade decorrente de pesquisas ou
decrscimos decorrentes de adversidades. Conforme pode ser visto nos Apndices
A e B, o resultado da soluo do problema de maximizao proposto, resulta no
seguinte sistema de equaes:
1
C
t
= [ E _
1
C
t+1
[(1 -o) +o Z
t
y K
t+1
u-1
N
t+1
1-u
_
A =
1
C
t
(1 -o)Z
t
y K
t
u
N
t
-u
K
t
-(1 -o) K
t-1
= Z
t
y K
t-1
u
N
t-1
1-u
-C
t-1
ln(Z
t
) = p ln(Z
t-1
) +e
t
~ N(u, o
2
)
onde as duas primeiras so solues explcitas a partir da aplicao de tcnicas de
programao dinmica e as duas segundas equaes so equaes de estado j
descritas pelas restries do problema. sobre este resultado bsico que sero
discorridos os principais aspectos da calibragem de modelos DSGE.
2.1.3.2. Modelo Estendido de Ciclo de Negcios Reais
com Empresas
Um modelo um pouco mais complexo/completo pode ser obtido a partir das
respectivas solues dos programas matemticos de outros agentes envolvidos.
Para fim da extenso mais simples do modelo bsico, a fim de se estruturar um
agente representativo das firmas, basta introduzir um novo programa matemtico e
alterar o previamente exposto, tal como na pgina seguinte.
12
Famlias:
max
C
t
,N
t
,s
t+1
E
0
_[
t
(ln(C
t
) -A N
t
)
t=0
_
sujeito a:
s
t+1
= R
t
s
t
+w
t
N
t
-C
t
Empresas:
max
N
t
,K
t
B
t
=
t
-w
t
N
t
-K
t
(R
t
-1 +o)
sujeito a:
_
t
= Z
t
y K
t
o
N
t
1-o
ln(Z
t
) = p ln(Z
t-1
) + e
t
~ N(u, o
2
)
Em palavras, as famlias, ainda como no problema anterior, buscam maximizar sua
felicidade, fazendo escolhas timas entre consumir e trabalhar (que so as
respectivas variveis de controle do seu oramento), s que agora com os salrios
determinados (w
t
) em uma relao de equilbrio de acordo com a produtividade
marginal do insumo trabalho; e ao invs de deter diretamente os ativos, as famlias
agora possuem poupanas ( s
t
) que so remuneradas por um determinado
rendimento (R
t
). J as empresas, agora, como agentes distintos, tm seu prprio
objetivo, que a maximizao de seu lucro, dado pela diferena entre a renda
decorrente da venda da produo Y
t
, do pagamento s famlias pelo trabalho, dado
um determinado salrio (w
t
) e, do pagamento aos financiadores do capital (K
t
),
lquido de depreciao ( o ). A funo de produo continua semelhante do
problema anterior.
Portanto, com a adio desse programa de maximizao da felicidade do
empresariado, que em geral medido pelo lucro, o modelo passa a ter um
acrscimo significativo de complexidade, visto que passa a explicar as relaes de
remunerao do capital e da evoluo da dinmica salarial.
Como pode ser visto em Vernazza (2013), ao aplicar as mesmas ferramentas de
soluo empregadas no problema mais simples para as famlias e, ao aplicar a
otimizao esttica simples s empresas (j que no intertemporal), segue que:
on
oN
t
= u - (1 -o) Z
t
y K
t
u
N
t
-u
= w
t
on
oK
t
= u - o Z
t
y K
t
u-1
N
t
1-u
= (R
t
-1 +o)
R
t
= o Z
t
y K
t
o-1
N
t
1-o
+ (1 - o)
13
1
C
t
= [ E _
1
C
t+1
R
t+1
_
A =
w
t
C
t
t
= Z
t
y K
t
o
N
t
1-o
ln(Z
t
) = p ln(Z
t-1
) +e
t
~ N(u, o
2
)
Neste caso, R
t+1
est ligando a remunerao da poupana das famlias ao
pagamento do custo de capital pago pelas empresas (equilbrio onde todo o capital
advm da aplicao da poupana das famlias), criando um circuito monetrio
extremamente simplificado; e w
t
determina o salrio pago pelas empresas junto s
famlias, criando um esquema de mercado de trabalho muito simplificado.
2.1.3.3. Modelo Estendido de Ciclo de Negcios Reais
com Famlias, Empresas e Autoridade Monetria
Neste terceiro modelo, apresentada uma extenso ainda mais ampla em relao
ao modelo bsico, onde:
as famlias agora poupam explicitamente sob a forma de aplicao junto a
instituies financeiras, sob a forma de ttulos simples, com durao de 1
perodo, acumulam capital e alugam para as empresas e, podem escolher
estocar dinheiro;
as firmas, em um cenrio competitivo, contratam trabalho e dispem de
capital para produzir bens homogneos;
existe uma autoridade monetria que imprime dinheiro, de maneira a
produzir um efeito inflacionrio positivo, como ocorre na grande maioria dos
pases, seguindo um processo AR(1); e
existe um nvel de tecnologia (produtividade) que segue um processo AR(1).
Logo, o modelo proposto possui agora duas variveis aleatrias responsveis por
explicar as flutuaes na economia, uma responsvel pelos choques monetrios e
outra responsvel pelas flutuaes na produtividade.
Portanto, o conjunto de programas matemticos e restries a ser resolvido dado
por:
Famlias
mox
C
t
,N
t
,K
t+1
,B
t+1
,M
t+1
E
0
[
t
`
1
1
ln(C
t
) +0 ln(1 -N
t
) +
[
H
t+1
p
t
1-y
-1
1 -y
1
1
1
t=0
sujeito a:
C
t
+K
t+1
-(1 -o)K
t
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
= w
t
N
t
+R
t
k
t
+i
t
B
t
p
t
onde N
t
denota ainda as horas trabalhadas, C
t
o consumo, H
t
o dinheiro em poder,
B
t
os ttulos em poder, i
t
o rendimento dos ttulos, w
t
os salrios, K
t
o capital
14
acumulado, R
t
o rendimento sobre o aluguel do capital e p
t
o ndice de preos que
corrige os ttulos e a unidade monetria. A tristeza em trabalhar, agora segue uma
funo parecida com a do consumo, ao invs de ser linear.
Firmas:
mox
C
t
,N
t
L
t
=
t
-w
t
N
t
-R
t
k
t
sujeito a:
t
= Z
t
K
t
u
N
t
(1-u)
ln(Z
t
) = p ln(Z
t-1
) +e
t
~ N(u, o
2
)
onde as variveis seguem a mesma notao do modelo anteriormente proposto.
Autoridade Monetria:
ln(m
t+1
) -ln(m
t
) = (1 -p
m
)n
-
+p
m
n
t-1
+p
m
(ln(m
t
) -ln(m
t-1
)) -c
m,t
c
m,t
~ N(u, o
m
)
com:
m
t
=
H
t+1
p
t
que denota um processo de injeo monetria na economia, relacionado inflao
no estado estacionrio n
-
. Por conseguinte, um aumento no nvel de preos leva a
famlia a aumentar seu desejo de ter mais dinheiro, introduzindo simplificadamente
as interaes entre dinheiro e inflao.
A soluo deste conjunto, conforme pode ser visto em Sims (2011), dada no
Apndice C.
2.1.3.4. Modelo Estendido de Ciclo de Negcios Reais
com Famlias, Indstria de Bens Intermedirios,
Firmas Finais e Autoridade Monetria
Neste quarto e ltimo modelo introdutrio apresentada uma extenso ainda mais
ampla em relao ao modelo bsico, onde este acaba por ter uma boa parte das
caractersticas do modelo apresentado por Smets & Wouters (2007), porm, ainda
sendo acessvel a uma apresentao breve. Este modelo uma composio da
combinao dos modelos apresentados anteriormente, feita pelo presente autor
para fins deste trabalho, combinando diversas caractersticas tambm discutidas por
Sims (2011), com situaes ainda mais realistas.
Firmas Finais: estas no produzem nenhum bem, somente empacotam
estes bens e disponibilizam na prateleira ao consumidor final, aplicando um
diferencial de preos sobre os estabelecidos pelas empresas intermedirias
que produzem os bens. Este diferencial de preos (mark-up) segue um
processo estocstico, que tambm explicar parte das flutuaes
econmicas. Esta estrutura primitiva se assemelha bastante ao setor tercirio
da economia (comrcio e servios). Os bens produzidos pelas empresas
intermedirias formam os insumos dos servios e produtos por elas (finais)
vendidos e so agregados conforme a funo:
15
y
t
= __ y
],t
-1
J]
1
0
_
-1
onde : denota a elasticidade de cada um dos produtos y
],t
produzidos pelas
firmas intermedirias.
Firmas Intermedirias: so estas firmas que contratam trabalho, captam
recursos da poupana das famlias para aplicar sob a forma de capital,
determinam a intensidade da utilizao do capital e, consequentemente,
podem acelerar/desacelerar a depreciao e desgaste dos bens de maneira
conveniente e pagam juros sobre a poupana das famlias. Tambm
determinam os salrios. Esta estrutura primitiva (agente representativo) se
assemelha bastante aos setores primrios e secundrios da economia. No
obstante, existe uma populao contnua destas empresas, indexadas por
] e |u,1] , produzindo bens diferenciados entre si. Este intervalo unitrio
arbitrrio simplesmente significa que existem muitas empresas, nada mais
do que isso.
Familias: como no modelo anterior, escolhem a quantidade de dinheiro,
ttulos, horas de trabalho e consumo. S que agora escolhem o nvel de
poupana ao invs de acumular explicitamente o capital produtivo.
A autoridade monetria age identicamente em relao ao modelo anterior.
Portanto, o conjunto de programas matemticos e restries a ser resolvido dado
por:
Famlias
mox
C
t
,N
t
,S
t+1
,B
t+1
,M
t+1
E
0
[
t
`
1
1
ln(C
t
) +0 ln(1 -N
t
) +
[
H
t+1
p
t
1-y
-1
1 -y
1
1
1
t=0
sujeito a:
C
t
+S
t+1
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
= w
t
N
t
+R
t
S
t
+i
t
B
t
p
t
As famlias maximizam um programa quase idntico ao do modelo anterior, com
uma pequena alterao j mencionada. Ao invs de acumularem explicitamente o
capital e, alugarem este capital s firmas, agora elas poupam explicitamente sob a
forma de uma poupana S
t
e recebem um rendimento R
t
pago pelas firmas
intermedirias.
Firmas Finais:
mox
],t
,p
t
t
= p
t
__ y
],t
-1
J]
1
0
_
-1
-_ p
],t
y
],t
J]
1
0
J as Firmas Finais maximizam seu lucro, compondo uma escolha tima entre os
subprodutos (insumos) y
],t
que tm preo estabelecido pelas firmas intermedirias
16
dado por p
],t
. Esta escolha tima depende da substitubilidade do bem, estabelecida
por : que, por conseguinte, afetar o mark-up do preo p
t
do produto final vendido
por elas. Por inovaes constantes nos subprodutos,
-1
segue um processo
estocstico dado por:
ln(
t
) = (1 -p
-
+p
ln(
t-1
) +c
,t
~ N(u, o
:
: -1
=
t
Firmas Intermedirias:
mox
N
],t
,
],t
,
],t
,
],t
,
],t
],t
= E
0
t
p
],t
y
],t
-w
t
N
],t
-R
t
S
],t
t=0
sujeito a:
y
],t
= Z
t
(
],t
K
],t
u
N
],t
(1-u)
K
],t+1
=
],t
+[1 -o
0
],t
K
],t
S
],t
=
],t
+K
],t
y
],t
=
p
],t
p
t
-
y
t
ln(Z
t
) = p ln(Z
t-1
) +e
t
~ N(u, o
2
)
As Firmas Intermedirias, que so aquelas que escolhem os nveis timos de capital
e trabalho, funcionam de maneira um pouco mais complexa do que em relao s
Firmas dos modelos anteriores. Sua funo de utilidade passa a ser intertemporal,
tendo em vista que elas escolhem como utilizar a poupana disponibilizada pelas
Famlias. O acmulo do capital passa agora pela escolha de duas variveis, no
caso, a intensidade da utilizao do capital
],t
A)
onde A um determinado modelo, 0
+ X
t
+
t
X
t
= (0) X
t-1
+ :
t
E
t
|:
t
:
t
] =
E
t
|
t
] =
onde X
t
-H X
t
t
= H
t
H
t
+
K
t
=
t
H
t
t
-1
X
t+1
= X
t
+K
t
:
t
t+1
=
t
( -
t
H)
Para maiores detalhes em relao derivao do Filtro de Kalman, consultar
Apndice I.
A aplicao do Filtro de Kalman se d pelo fato de que os parmetros que
estabelecem as utilidades dos agentes envolvidos no so observveis atravs de
sries histricas. Por outro lado, possvel observar os principais agregados
macroeconmicos, como consumo, investimento, PIB, desemprego, atravs de
levantamentos realizados pelo IBGE em frequncia trimestral.
Assim, os agregados macroeconmicos so as variveis observveis no problema
de filtragem e as equaes do movimento so aquelas obtidas atravs do processo
de log-linearizao das equaes dinmicas obtidas na soluo dos problemas
matemticos de maximizao da utilidade de cada um dos agentes representativos.
23
2.2.4. Obteno da Funo de Verossimilhana
A funo de Verossimilhana obtida a partir dos valores estimados utilizando o
Filtro de Kalman obtido na subseo anterior. Assim, ao comparar os valores
observados com os efetivamente previstos, se obtm os resduos, que ao se
pressupor sua normalidade, so inseridos na seguinte expresso:
=
1
2n
xp_-
_ (x
-x
i
)
2 N
=1
N -1
_
onde x
t
=
1
t-1
+
2
t-2
++
p
t-p
+0
1
c
t-1
+0
2
c
t-2
++0
q
c
t-q
+p
onde
t
denota a observao no instante t, c
t
as inovaes normalmente distribudas
no instante t e p denota a mdia da varivel. Estes modelos so referenciados pela
nomenclatura ARMA(p,q), onde p o nmero de retardos sobre a prpria varivel
observada que so considerados e q a quantidade de retardos das inovaes
(erros) para a composio da previso para o prximo perodo.
Tambm importante ressaltar que os modelos ARMA partem do pressuposto que a
srie
t
estacionria, conforme pode ser visto em (Morettin & Toli, 2004), ou seja,
flutuam em torno de uma mdia fixa. Quando a srie em questo no estacionria,
dever ser aplicado o processo de diferenciao da srie, at que esta se torne
estacionria. Logo, um processo ARMA pode ser visto como um subtipo dos
processos ARIMA, onde a srie modelada j estacionria.
Assim, por exemplo, uma srie que somente estacionria na segunda diferena,
seu processo de modelagem via modelos ARIMA ser dada pela transformao
desta em uma srie estacionria e aps isso, modelar a srie resultante utilizando
um modelo ARMA(p,q) padro.
Por conseguinte, um modelo ARIMA denotado por ARIMA(p,d,q), onde d denota o
nmero de diferenas aplicadas sobre a srie original, at o atingir a condio de
estacionariedade. O modelo ARIMA tem a seguinte forma:
w
t
=
1
w
t-1
+
2
w
t-2
++
p
w
t-p
+0
1
c
t-1
+0
2
c
t-2
++0
q
c
t-q
+p
onde, seguindo a mesma notao dos modelos ARMA apresentados, w
t
decorrente da diferenciao em d vezes da srie original.
A fim de se detectar a quantidade de termos referentes s inovaes (c
t-q
) e s
componentes autorregressivas ( w
t-p
), uma busca pelo melhor modelo feita
atravs da anlise do Critrio de Informao de Akaike (1974), que tem por
caracterstica a imposio de penalidades para a imposio de coeficientes a serem
estimados visto que o aumento gradual de coeficientes diminui a confiabilidade
dos prprios parmetros estimados e contribui para o fenmeno de Overfitting
1
ponderados pela verossimilhana do modelo, que por sua vez uma medida de
aderncia do modelo atravs da anlise da soma dos resduos quadrticos.
1
Fa!a de #a3a#idade do mode!o em 3rever 3onos 8ora da amosra ui!iAada 3ara sua in8er<n#ia. Bo #aso de
um sisema din/mi#o dese i3o; #ara#eriAa a in#a3a#idade do mode!o em 3rever o 8uuro; somene em
des#rever o o#orrido.
27
A frmula a seguir, que condensa em um nico nmero o total da distncia entre
ocorrido e previsto, evitando compensaes entre erros positivos e negativos,
representa a funo de soma dos resduos quadrticos:
SR = (
-
`
2
N
=1
onde N o nmero de observaes,
o observado e
`
t
= |
1 1 1 1
]
l
l
l
l
X
1,t
X
2,t
X
3,t
X
4,t
1
1
1
1
onde
t
a srie agregada, tal que se deseja corrigir as sries desagregadas (X
,t
)
para que a soma (combinao linear) destas seja igual a ela. Assim as sries
desagregadas so combinadas a partir do vetor de uma srie de operaes
matriciais que combinam o vetor de pesos e a matriz de covarincias das sries X
,t
,
dada por uma matriz quadrada L de ordem quatro (no caso para quatro sries).
Ao impor que:
|
1 1 1 1
] = E
l
l
l
l
X
1,t
X
2,t
X
3,t
X
4,t
1
1
1
1
= Z
t
e sabendo que o objetivo do algoritmo a minimizao da distncia quadrtica entre
a combinao linear (soma) das sries desagregadas que sero modificadas, ao
definir que:
e
1
= [I
-1
(Z
t
-Z
t
1
ou seja, que e
1
um vetor ponderado pela inversa da matriz de covarincias (a fim
de se normalizar a distncia) entre o vetor Z
t
e o respectivo esperado, dado por Z
t
.
E tambm, ao definir que:
E(Ie +Z
t
-
t
= u
Realizando as seguintes operaes algbricas, segue que:
EIe =
t
-EZ
t
e =
t
-EZ
t
e = (
t
-EZ
t
-1
e
1
= |(
t
-EZ
t
-1
]
1
Ao formar uma funo Lagrangeana para o programa de minimizao da distncia
entre as observaes e a combinao linear (soma) das variveis desagregadas,
segue que:
L = e e
1
+z
1
(E(Ie +Z
t
-
t
29
Derivando esta funo por e e igualando a zero, segue que:
z
1
EI - z
1
= -2e
1
z
1
= -2e
1
-1
z
1
= -2j[I
-1
(Z
t
-Z
t
-1
[
1
-1
z
1
= -2|(
t
-EZ
t
-1
]
1
-1
z = -2|(
t
-EZ
t
]|
1
]
-1
Substituindo-se na prpria equao derivada, conforme Bayes (2013), segue que:
z
1
= -2e
1
1
|(
t
-EZ
t
]|
1
]
-1
= e
I
1
|(
t
-EZ
t
]|
1
]
-1
= (Z
t
-Z
t
Finalmente, se obtm:
I
1
|(
t
-EZ
t
]|
1
]
-1
+Z
t
= Z
t
Por conseguinte, tendo em vista a obteno de uma expresso que torne possvel a
combinao das previses tendenciais da evoluo do consumo de cada uma das
fontes que compem a matriz energtica versus a evoluo do consumo total
esperada em funo do nvel de atividade econmica, se tem o arcabouo tcnico
completo para a anlise proposta ao longo deste trabalho.
Portanto, no prximo captulo se discutem os resultados obtidos decorrentes do
emprego das tcnicas aqui discorridas.
30
3. Discusso dos Resultados
Neste captulo so apresentados os resultados referentes modelagem que j foi
realizada que, em suma, se deu sobre o modelo macroeconmico proposto, suas
respectivas componentes, a captura da elasticidade PIB versus Consumo
Energtico e uma breve anlise do Balano Energtico Brasileiro.
3.1. Modelo Macroeconmico
Ao longo desta seo so apresentados os resultados obtidos na calibragem dos
parmetros e sries necessrias inferncia do modelo macroeconmico, assim
como sobre os resultados preliminares dos parmetros do prprio modelo que so
calibrados via mtodo de amostreamento bayesiano.
3.1.1. Calibragem dos parmetros estruturais via inferncia
Bayesiana
Seguindo Smets & Wouters (2007), foram estimados os parmetros estruturais da
economia de acordo com o algoritmo de inferncia bayesiana implementado sob a
plataforma DYNARE, que funciona tanto sobre o Matlab quanto sobre o Octave. As
distribuies a priori seguiram as sugestes feitas por estes autores, tendo em vista
que, em grande parte da literatura nacional analisada, os autores nacionais tambm
as seguiram. Assim, seguem nas Figuras 3.1 e 3.2, as estimativas das distribuies
a priori (em cinza) consideradas, e as respectivas distribuies a posteriori (preto)
obtidas aps a execuo do algoritmo de calibragem. Vale tambm notar que a linha
tracejada em verde a mdia da distribuio a posteriori.
31
Figura $.1 +esultados das Estimaes dos Par,metros do )odelo.
32
Figura $.2 +esultados das Estimaes dos Par,metros do )odelo continuao.
Assim, conforme pode ser visto nas Figuras 3.1 e 3.2, possvel verificar
primeiramente que h um considervel distanciamento entre as distribuies a priori
(em cinza) inseridas no modelo versus as distribuies a posteriori (em preto)
obtidas depois da execuo do algoritmo de inferncia bayesiana, a menos de
poucas excees. O segundo ponto, no menos interessante, que as distribuies
tm uma grande assimetria, quando no tambm, caudas gordas grandes, fato este
que merece destaque, pois o tradicional mtodo dos mnimos quadrados, que
amplamente utilizado na inferncia de sistemas dinmicos, pressupe que os
parmetros sigam distribuies conhecidas e bem comportadas.
Para a soluo do sistema de equaes de diferenas, a fim de se computar as
previses, o programa de computador considera os valores mdios (em verde
tracejado) das distribuies. A distribuio a posteriori indica a densidade de
probabilidade de se assumir diferentes valores como verdadeiros e, em conjunto
com simulaes de choques, utilizada para simular os intervalos de confiana das
previses, que so discutidos na prxima subseo.
33
3.1.2. Convergncia dos Parmetros do Modelo
Um dos pontos centrais deste trabalho o fato de que com todas as variveis
contempladas no modelo original de Smets & Wouters (2007), no se obtm
convergncia e estacionariedade na inferncia dos parmetros, condio esta
necessria para se afirmar que os parmetros inferidos so estveis para qualquer
condio inicial imposta ao algoritmo de amostreamento.
Tal problema para a economia brasileira j havia sido reportado por Boynard &
Divino (2012), que contornaram tal questo eliminando as variveis investimento,
horas trabalhadas e salrios reais do modelo como variveis observveis, e
eliminando os choques nas horas trabalhadas e no investimento, acabando por ficar
com quatro variveis observveis e cinco choques estocsticos. Tais mudanas
contriburam para a convergncia das sries dos parmetros estimados.
As variveis observveis cujo objetivo a previso, so:
dy: denota a diferena da srie logartmica do PIB real
dc: denota a diferena da srie logartmica do Consumo Total
pinfobs: denota a diferena da srie logartmica do IPCA
robs: o logaritmo da taxa anual de juros em base 100
Tendo em vista esta literatura j existente, neste trabalho tambm se adotou tal
estratgia de inferncia, acabando por se obter resultados de convergncia
satisfatrios.
3.1.3. Previses Resultantes do Modelo DSGE
Tendo calibrado os parmetros estruturais e conhecidas as sries, cujo objetivo a
previso, basta, atravs da evoluo das variveis de estado do modelo, fazer as
previses.
Vale lembrar que algumas das sries que possuem tendncia, como o PIB,
Consumo, ndice de Preos, so transformadas em sries estacionrias a partir da
remoo de tendncias decorrentes da evoluo populacional. Assim, por exemplo,
as variaes so estudadas sob a ptica per capita e no em termos absolutos. Os
resultados so mostrados na Figura 3.3.
34
Figura $.$ Previses das -ari!veis Observadas Feitas pelo )odelo D.E.
Portanto, ao olhar para a Figura 3.3, possvel verificar que h uma tendncia de
subida da taxa de juros (funo da poltica monetria, visando trazer a inflao para
o centro da meta) no curto prazo e essa subida causa uma desacelerao no
consumo e no Produto Interno Bruto. J a inflao (IPCA) parece ter seu valor de
equilbrio (longo prazo) por volta de 5,5%.
Vale ressaltar que a economia parece ter uma tendncia de crescimento em termos
de renda per capita (PIB sobre populao) de cerca de 0,5% por trimestre e a taxa
de juros permanece em um patamar de 7,5% nominais (cerca de 1,8% em termos
trimestrais), se todas as condies permanecerem constantes, fatores estes os
principais determinantes no estabelecimento de estratgias de investimento.
3.1.4. Respostas a Impulsos Resultantes do Modelo DSGE
Um dos aspectos mais interessantes da modelagem DSGE a previso de como os
agentes econmicos reagiriam a choques sobre as taxas de juros, assim como o
Governo e o Banco Central responderiam a choques na inflao, visando maximizar
o bem-estar geral.
Estas respostas advm dos parmetros estruturais calculados na inferncia e da
aplicao dos respectivos choques sobre o sistema em espao de estados. Assim,
por exemplo, ao reconsiderar o primeiro modelo simplificado apresentado no
Captulo 2, que era o modelo de Ciclo de Negcios Reais, ao somar um choque
determinstico na varivel de nvel estocstico de tecnologia, simula-se um choque
tecnolgico, conforme pode ser visto em Uhlig (2006).
A situao se torna um pouco mais complexa quando o pesquisador se depara com
um modelo onde existe mais de uma componente estocstica, e consequentemente,
0;00C
2;00C
4;00C
6;00C
8;00C
10;00C
12;00C
m
a
r
*
1
4
a
(
o
*
1
4
:
a
n
*
1
5
:
u
n
*
1
5
n
o
v
*
1
5
a
b
r
*
1
6
s
e
*
1
6
8
e
v
*
1
7
:
u
!
*
1
7
d
e
A
*
1
7
m
a
i
*
1
8
o
u
*
1
8
m
a
r
*
1
9
a
(
o
*
1
9
:
a
n
*
2
0
:
u
n
*
2
0
n
o
v
*
2
0
a
b
r
*
2
1
s
e
*
2
1
8
e
v
*
2
2
:
u
!
*
2
2
d
e
A
*
2
2
m
a
i
*
2
3
o
u
*
2
3
Ta2a de Duros Bomina! 12 "eses In8!a,o 12 meses
Cres#imeno PI& -#umu!ado 12 meses Cres#imeno Consumo -#umu!ado 12 meses
Ta2a de Duros +ea! 12 "eses
35
mais de um possvel choque, que acaba necessitando de mtodos de perturbao
de soluo de ordem superior, seguindo a mesma lgica do que fora apresentado no
Captulo 2, conforme Collard & Juillard (2001).
Consequentemente, alm de possvel, se torna interessante fazer anlises de
cenrios hipotticos, como os feitos nesta subseo, permitindo complementar
anlises condicionais aos dados passados. Portanto, ao se incorporar os resultados
obtidos nas Figuras 3.4 a 3.6 possvel fazer tais anlises condicionais.
Figura $./ 0 %mpulso0+esposta a um (1oque na %n"lao.
Figura $.2 0 %mpulso0+esposta a um (1oque na 3a4a de 5uros.
36
Figura $.6 0 %mpulso0+esposta a um (1oque na Produtividade.
Conforme pode ser visto na Figura 3.4, um choque na inflao (IPCA), desestimula o
consumo (dc) (pois afeta a renda disponvel para consumo) e o Produto Interno
Bruto (dy), o que leva o Banco Central, a fim de diminuir a inflao, a praticar uma
taxa de juros mais alta (robs), at que a inflao esteja sob efetivo controle, indo de
encontro com o que prega a Teoria Econmica.
J na Figura 3.5, possvel ver que um choque na taxa de juros, por sua vez, reduz
a inflao por meio de desestmulo do consumo (queda no consumo por
financiamento, por exemplo, j que o custo do financiamento se torna maior),
afetando as demais variveis macroeconmicas.
Por fim, na Figura 3.6, verificvel que um aumento na produtividade eleva o
Produto Interno Bruto, diminuindo a presso inflacionria, resultante do aumento da
capacidade ofertiva e de ganhos marginais inerentes ao prprio aumento de
produtividade, tambm indo de encontro ao que prev a Teoria Econmica moderna
de Ciclo de Negcios Reais (Gal, 2008).
Logo, nesta subseo, se torna evidente o poder que este tipo de anlise hipottica
tem em relao a possveis cenrios e como os agentes econmicos devem reagir a
eles.
No obstante, tambm vale ressaltar que os outros dois choques estimados pelo
modelo no foram aqui comentados tendo em vista que so de difcil interpretao
como forma de validao dos resultados junto Teoria Econmica.
3.2. Modelo Setorial
O modelo setorial, para efeitos de simplicidade deste trabalho, parte da premissa
que todo o consumo energtico do Brasil tem sua demanda ditada pelo nvel de
atividade de produo (PIB). Logo, conforme j discorrido no Captulo 2, foi
calculada a elasticidade PIB-Consumo Energtico e verificada a consistncia de tal
premissa a partir da anlise do coeficiente de explicao do modelo proposto versus
as realizaes passadas do consumo energtico, conforme indicado na Figura 3.7.
37
Figura $.7 0 )odelo de (onsumo de Energia vs Desempen1o Econ*mico.
Assim, como pode ser verificado na Figura 3.7, possvel a obteno de um modelo
com um alto grau de explicao (R
2
de 0,99), com a mencionada simplificao, para
a previso do consumo de Energia em Toneladas Equivalentes de Petrleo.
Neste caso especial, possvel se afirmar que um timo modelo, tendo em vista
que a equao obtida possui somente dois parmetros (elasticidade e constante)
representando um baixo risco de overfitting, dada a pequena quantidade de
parmetros e tendo uma alta correlao entre o modelo obtido e os dados
observados por um longo perodo de observaes (mais de 40 observaes anuais).
O parmetro de elasticidade obtido deste modelo de 1,05, extrado da relao de
co-integrao existente (conforme Apndice J), ou seja, para cada 1% que a
economia cresce, em mdia, o consumo de energia cresce 1,05%. Portanto, a partir
dos cenrios econmicos gerados e da traduo da produo econmica em
quantidade de energia consumida para tal, basta aplicar os percentuais de variao
obtidos sobre o vetor mdio de participao de cada um dos subprodutos na
composio da matriz energtica brasileira.
Consequentemente, a partir do Balano Energtico Nacional de 2013, possvel
extrair um vetor sobre a participao de cada um dos principais subprodutos na
matriz energtica, assim como (para um prximo trabalho), modelar as tendncias
de mudana da matriz energtica, como apresentado na Figura 3.8.
10;5
11
11;5
12
12;5
13
1
9
7
2
1
9
7
4
1
9
7
6
1
9
7
8
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
2
0
0
8
2
0
1
0
2
0
1
2
E
v
o
l
u
o
d
o
(
o
n
s
u
m
o
d
e
E
n
e
r
g
i
a
e
m
#
o
g
a
r
i
t
m
o
)
i
l
1
e
s
d
e
3
E
P
Per8odo 9:nos;
5#orrido Previso
38
Figura $.< 0 (omposio da )atri= Energ>tica ?rasileira no Per8odo 1@7A 2A12.
Como pode ser visto na Figura 3.8, h um aumento crescente e considervel na
participao da eletricidade, lcool e bagao de cana, enquanto que os derivados do
petrleo e lenha tiveram sua participao diminuda. A partir dos valores obtidos
para 2012 e aplicando um cenrio ceteris paribus na participao das fontes
energticas, possvel projetar, a partir das mudanas no cenrio econmico, o
crescimento das fontes de interesse para o setor petroqumico.
Os ajustes individuais de cada um dos setores obtidas atravs de modelos ARIMA
seguem em conformidade com as Figuras 3.9 a 3.18, onde a linha em vermelho
representa cada uma das observaes setoriais. As linhas em preto representam os
respectivos ajustes do melhor modelo ARIMA e o consumo est representado em
Milhes de Toneladas Equivalentes de Petrleo.
0C
10C
20C
30C
40C
50C
60C
70C
80C
90C
100C
1
9
7
0
1
9
7
3
1
9
7
6
1
9
7
9
1
9
8
2
1
9
8
5
1
9
8
8
1
9
9
1
1
9
9
4
1
9
9
7
2
0
0
0
2
0
0
3
2
0
0
6
2
0
0
9
2
0
1
2
P
a
r
t
i
c
i
p
a
o
Per8odo
5uros
&a(a,o de Cana
%!eri#idade
@en9a
Euerosene
B-FT-
.@P
F!eo CombusGve!
F!eo 0iese!
.aso!ina -uomoiva
H!#oo!
39
Figura $.@ :Buste do )el1or )odelo para o .etor de Clcool.
Figura $.1A :Buste do )el1or )odelo para o .etor de asolina :utomotiva.
40
Figura $.11 :Buste do )el1or )odelo para o .etor de Dleo Diesel.
Figura $.12 :Buste do )el1or )odelo para o .etor de Dleo (ombust8vel.
41
Figura $.1$ :Buste do )el1or )odelo para o .etor de #P.
Figura $.1/ :Buste do )el1or )odelo para o .etor de E:F3:.
42
Figura $.12 :Buste do )el1or )odelo para o .etor de #en1a.
Figura $.16 :Bude do )el1or )odelo para o .etor de Eletricidade.
43
Figura $.17 :Buste do )el1or )odelo para o .etor de ?agao de (ana.
Figura $.1< 0 :Buste do )el1or )odelo para os Demais .etores :gregados.
Com base nas Figuras 3.9 a 3.18, possvel visualizar que os principais setores que
compem a Matriz Energtica Brasileira possuem grandes flutuaes
aparentemente de natureza estocstica, e por isso, se escolheu modelos da classe
ARIMA para o respectivo ajuste e previso. Contudo, tais previses, conforme j
discorrido anteriormente, naturalmente carecem de fundamentao econmica, ou
44
seja, como o comportamento da economia brasileira determina a demanda por
energia.
Portanto, o primeiro passo a previso da totalidade do consumo de energia,
conforme metodologia apresentada no captulo anterior, de maneira a combinar a
previso da evoluo do PIB versus a elasticidade PIB-Consumo de Energia
discorrida neste captulo, obtendo-se a evoluo mostrada na Figura 3.19.
Figura $.1@ Previso do (onsumo Energ>tico no ?rasil.
Na Figura 3.19 possvel observar que, em funo da elasticidade PIB positiva e de
um cenrio de crescimento econmico, o consumo total de energia deve tambm
crescer, como de se esperar.
Por outro lado, tambm foram obtidas as previses para cada um dos setores
utilizando-se modelos ARIMA, conforme a Figura 3.20.
Figura $.2A Previso do (onsumo Energ>tico ?rasileiro para os PrF4imos 2 :nos )odelos :+%):.
0
50000
100000
150000
200000
250000
300000
350000
1
9
7
0
1
9
7
4
1
9
7
8
1
9
8
2
1
9
8
6
1
9
9
0
1
9
9
4
1
9
9
8
2
0
0
2
2
0
0
6
2
0
1
0
2
0
1
4
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odo
Consumo oa!
Consumo oa!
Previso
'10000
0
10000
20000
30000
40000
50000
60000
70000
2013
2014
2015
2016
2017
45
Ao somar as previses dos modelos ARIMA e comparar esta soma com a previso
decorrente do modelo macroeconomtrico, se obtm o grfico da Figura 3.21.
Figura $.21 0 (omparativo )odelo )acroeconom>trico versus .oma dos )odelos :+%):.
Assim, conforme j antecipado anteriormente, possvel verificar um significativo
descasamento entre a quantidade de energia prevista pelo modelo
Macroeconomtrico (Modelo Macroeconmico cruzado com a elasticidade PIB
versus Consumo Energtico) e o somatrio das sadas dos modelos ARIMA.
Portanto, o passo seguinte a aplicao do algoritmo de combinao de previses,
de maneira a obter previses consistentes para cada um dos setores, com a
evoluo macroeconmica.
3.3. Aplicao do Algoritmo de Combinao de Previses
A aplicao do algoritmo de combinao de previses imediata, uma vez que,
conforme j demonstrado no captulo anterior, existe uma soluo analtica. Logo, os
valores a priori que so considerados na combinao de previso, so os resultados
das previses obtidas atravs dos Modelos ARIMA e os valores que so
considerados para efeito de combinao de previso, so os valores previstos pelo
modelo Macroeconomtrico. Assim sendo, seguem as Figuras 3.22 a 3.31, que
apresentam os comparativos das previses resultantes da aplicao do algoritmo de
combinao versus seus respectivos valores a priori.
240000
250000
260000
270000
280000
290000
300000
310000
2013 2014 2015 2016 2017
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odo
Toa! "ode!o
"a#roe#onom>ri#o
Toa! -+I"-
46
Figura $.22 (omparativo de Previses )odelos para o .etor de Clcool.
Figura $.2$ (omparativo de Previses )odelos para o .etor de asolina :utomotiva.
0
5000
10000
15000
20000
25000
30000
35000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
H!#oo!
H!#oo! -+I"-
46000
48000
50000
52000
54000
56000
58000
60000
62000
64000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
.aso!ina -uomoiva
.aso!ina -uomoiva
-+I"-
47
Figura $.2/ (omparativo de Previses )odelos para o .etor de Diesel.
Figura $.22 (omparativo de Previses )odelos para o .etor de Dleo (ombust8vel.
'100
0
100
200
300
400
500
600
700
800
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
F!eo 0iese!
F!eo 0iese! -+I"-
'4000
'3000
'2000
'1000
0
1000
2000
3000
4000
5000
6000
7000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
F!eo CombusGve!
F!eo CombusGve! -+I"-
48
Figura $.26 (omparativo de Previses )odelos para o .etor de #P.
Figura $.27 (omparativo de Previses )odelos para o .etor de E:F3:.
0
2000
4000
6000
8000
10000
12000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
.@P
.@P -+I"-
'70
'60
'50
'40
'30
'20
'10
0
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
B-FT-
B-FT- -+I"-
49
Figura $.2< (omparativo de Previses )odelos para o .etor de #en1a.
Figura $.2@ (omparativo de Previses )odelos para o .etor de Eletricidade.
0
5000
10000
15000
20000
25000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
@en9a
@en9a -+I"-
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
%!eri#idade
%!eri#idade -+I"-
50
Figura $.$A (omparativo de Previses )odelos para o .etor de ?agao de (ana.
Figura $.$1 (omparativo de Previses )odelos para os Demais .etores.
Ao visualizar as Figuras 3.22 a 3.31, possvel perceber que, em mdia, as
previses obtidas aps a aplicao do algoritmo de combinao de previses
tendem a ser mais consistentes do que as demais, uma vez que os Modelos ARIMA
em alguns casos especficos geram uma expectativa de consumo negativo,
acarretando em perda de sentido fsico em relao varivel projetada; nos
modelos em que h um decrscimo nas projees ARIMA, esta informao a priori
aparentemente devidamente utilizada na inferncia, resultando em
desacelerao/decrscimo nas previses obtidas a posteriori; e finalmente, a soma
das projees individuais igual previso macroeconomtrica feita, gerando
consistncia em relao possibilidade de estudo sobre a evoluo da matriz
energtica como um todo.
0
10000
20000
30000
40000
50000
60000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
&a(a,o de Cana
&a(a,o de Cana -+I"-
0
10000
20000
30000
40000
50000
60000
1 2 3 4 5
(
o
n
s
u
m
o
e
m
)
i
l
1
e
s
d
e
3
E
P
Per8odos :diante
5uros
5uros -+I"-
51
4. Concluses
Neste trabalho foram discutidas as principais motivaes para a obteno de
modelos de previso, tendo em vista melhorias nas tomadas de deciso, as
caractersticas e tendncias naturais presentes no ambiente organizacional e nos
aspectos culturais do brasileiro.
No obstante, tambm foram expostos o Estado da Arte em relao ao conjunto de
conhecimentos que englobam os sistemas dinmicos e tcnicas matemticas
utilizadas na confeco de previses econmicas, de previses via mtodos de
sries temporais e de mtodos de combinao de diferentes previses.
Em relao aos modelos macroeconmicos, foram introduzidos os conceitos-chave
para o entendimento e confeco de modelos do tipo DSGE (Equilbrio Geral
Dinmico Estocstico), que partem de fundamentos microeconmicos, onde agentes
representativos buscam maximizar suas respectivas funes de utilidade, dadas
restries oramentrias, tecnolgicas e fsicas. Para tal, foram introduzidos ao
longo dos apndices diversos conceitos e solues dos programas matemticos que
podem ser facilmente derivados atravs do ferramental disponvel no campo da
Engenharia, acessveis com os conceitos de Teoria de Controle. Apesar desta
estratgia ser mais custosa e complexa, em relao aos modelos VAR, no
necessita de interveno alguma para adequao da estimao aos fatos estilizados
e to pouco requer calibragem contnua, uma vez que consiste em uma construo
fenomenolgica.
J no que tange os mtodos de sries temporais, foram apresentados e discutidos
mtodos de previso baseados na tcnica de regresso linear simples sobre os
logaritmos das sries, modelos ARIMA e, posteriormente, apresentada uma tcnica
de combinao de previses baseada na minimizao dos erros quadrticos mdios
e na matriz de covarincias. Em relao a esta ltima tcnica, foi desenvolvida uma
frmula fechada, para que se obtivesse uma previso onde a distncia entre o que
fora projetado pelo modelo ARIMA fosse a mnima em relao projeo final, com
a restrio de que a combinao linear das sries individuais (soma delas) fosse
igual previso da srie agregada, dada uma matriz de covarincias histricas entre
as sries.
Em sequncia, foram expostos os resultados finais obtidos atravs da aplicao das
tcnicas discutidas e verificou-se que, em larga medida, os resultados obtidos
conferem com a evoluo mdia das utilizaes verificadas no cotidiano das plantas
industriais, com exceo do leo Diesel, que apresentou um crescimento nos
ltimos anos que destoa da evoluo de sua utilizao ao longo de todo o perodo
histrico. Tal ocorrncia acaba implicando em um impacto direto na matriz de
covarincias, que por sua vez, distorce as previses para este componente dentro
da prpria matriz energtica.
No obstante, vale ressaltar que, como um mtodo puramente matemtico, tambm
verificou-se que este capaz de gerar nmeros que implicam em um resultado
esprio em termos fsicos, como por exemplo previso de consumo negativo de um
determinado produto verificado nas sries de NAFTA e leo Combustvel mas,
que no entanto, so passveis de serem interpretados como exportaes, uma vez
que quando seu consumo interno seja menor que zero, o pas passa a ser
exportador da grandeza negativa em Toneladas Equivalentes de Petrleo.
52
Portanto, de maneira integrada, se mostrou que possvel a obteno de previses
que combinem as tendncias setoriais com as macroeconmicas, com a
possibilidade de anlises de cenrios hipotticos e, que com a devida introduo,
so plenamente capazes de ser implementados e utilizados nas tomadas de deciso
dos Processos Industriais.
Do ponto de vista do presente autor, a maior contribuio deste trabalho, alm da
demonstrao da integrao entre diferentes camadas de previso dinmicas
estocsticas, a demonstrao da capacidade em se contornar problemas como a
falta de correlao direta entre as sries de consumo das diferentes fontes de
energia e o PIB.
Caso houvesse alguma correlao significativa entre os processos e o PIB, seria
possvel estimar modelos da famlia ARIMAX, onde a varivel exgena seria o
prprio PIB e, por conseguinte, necessitaria somente do modelo macroeconmico
para a gerao dos prprios cenrios futuros econmicos e deste segundo modelo
hipottico. Foi justamente a inexistncia desta correlao significativa, conforme
pode ser constatado atravs de observao direta das sries versus PIB, que
motivou a construo da segunda parte deste trabalho, que parece ser uma
significativa contribuio ao conhecimento para este tipo de modelagem.
Este tipo de problema no est restrito ao setor de energia, mas em diversos outros
onde a evoluo sub-setorial ou regional parece evoluir de acordo com algum
processo estocstico local, mas quando agregado, guarda significativa correlao
com a evoluo do cenrio macroeconmico.
Assim, importante ressaltar que tal metodologia expansvel para outros setores
da economia brasileira, estando sujeita somente disponibilidade pblica dos
dados.
4.1 Perspectivas de Trabalhos Futuros
Tendo em vista o aumento gradativo de observaes disponveis com o passar do
tempo, uma das perspectivas de trabalhos futuros, em relao poro
macroeconmica do modelo proposto, seria uma nova estimao dos parmetros
estruturais com o nmero mximo de variveis possveis e comparar esta eventual
nova estimativa com a estimativa feita no presente trabalho.
J em relao poro setorial do modelo, como proposta futura de trabalho, a
investigao de mtodos analticos (se possveis) ou numricos que busquem impor
a restrio de no-negatividade sobre os resultados obtidos ao se utilizar o mtodo
de combinao de previses.
No obstante, em relao ao modelo integrado como um todo, tambm se torna
interessante o acompanhamento do desempenho das previses feitas em relao s
observaes, de maneira a fazer uma validao cruzada, possibilitando a realizao
de melhorias marginais no mtodo aqui proposto.
53
Referncias Bibliogrficas
ADJEMIAN, Stphane. Estimation of a DSGE Model. Dynare Development
Meeting, Paris, 2005.
ANTON, Howard, RORRES, Chris. lgebra Linear com Aplicaes. Editora
Bookman, Porto Alegre, 2001.
AREOSA, Waldyr Dutra, COELHO, Christiano Arrigoni. Using a DSGE Model to
Assess the Macroeconomic Effects of Reserve Requirements in Brazil. Working
Papers Series in Brazilian Central Bank, 2013.
BALANO ENERGTICO NACIONAL, no stio http://www.ben.epe.gov.br, visitado
em 21/12/2013.
BAYES, Combinacin Lineal de Variables Aleatrias Normales, no stio
https://mms.tol-project.org/wiki/Combinations/LinearNormalSolution, vistado em
30/02/2013.
BENASSY, Jean Pascal. Macroeconomic Theory. Editora Oxford University Press,
Nova Iorque, 2011.
BLANCHARD, Olivier Jean, QUAH, Danny. The Dynamic Effects of Aggregate
Demand and Supply Disturbances. Em The American Economics Review, vol. 79,
No. 4, 1989.
BLANCHARD, Olivier Jean, KAHN, Charles M. The Solution of Linear Difference
Equations under Rational Expectations. Em Econometrica, vol. 48, No. 5, 1305-
1313, 1980.
BOYNARD, Bruno Freitas de Vasconcelos, DIVINO, Jos Angelo. O desempenho
recente da poltica monetria brasileira sob a tica da modelagem DSGE.
Textos para Discusso do Banco Central do Brasil, 2012.
CARDOSO, Fernando Henrique, et al. Dependncia e desenvolvimento na
Amrica Latina: Ensaio de interpretao sociolgica. Editora LTC, Rio de
Janeiro, 7
a
ed, 1970.
CASTRO, M.R., GOUVEA, S.N., MINELLA, A., SANTOS, R.C., SOUZA-SOBRINHO,
N.F. SAMBA: Stochastic Analytical Model with a Bayesian Approach. Banco
Central do Brasil, Working Paper Series n. 240, 2011.
CHIAVENATTO, Idalberto. Introduo Teoria Geral da Administrao. Editora
Elsevier, Rio de Janeiro, 7
a
ed., 2003.
CHOW, Gregory C., Dynamic Optimization Without Dynamic Programming.
Econometric Research Program, Research Memorandum No. 361, Princeton
University, 1991.
COLLARD, Fabrice, JUILLARD, Michel. Accuracy of Stochastic Perturbation
Methods: The Case of Asset Pricing Models. Em Journal of Economic Dynamics &
Control, vol. 25, pp. 979-999, 2001.
54
DAVIS, M.H.A. Stochastic Modelling and Control (Monographs on Statistics and
Applied Probability). Editora Chapman and Hall, 1984.
DICKEY, D.A., FULLER, W.A. Distribution of the estimators for autoregressive time
series with a unit root. Em European Journal of Finance, vol. 15, 619-637, 1979.
ELLISON, Martin Real Business Cycle Theory. Em Material Didtico de Aulas do
Curso de Mestrado e Doutorado em Economia da Oxford University, 2011.
ENGLE, R.F., GRANGER, C.W.J. Cointegration and error correction:
Representation, estimation and testing. Em Econometrica, vol. 55, 251-276, 1987.
FORRESTER, Jay Wright. Industrial Dynamics. Editora Pegasus Communications,
1961.
FREYRE, Gilberto. Casa-Grande & Senzala. Editora Record, Rio de Janeiro, 34
a
ed, 1998.
GAL, Jordi et. al. Monetary Policy, Inflation and Business Cycle. Editora
Princeton University Press, 2008.
GREENE, William H. Econometric Analysis, 5a Edio, Upper Saddle River, New
Jersey Prentice Hall, 2002.
GRIFFOLI, Tommaso Mancini. DYNARE User Guide: An Introduction to the
Solution & Estimation of DSGE models. Dynare Development and Support Team,
2013.
GUJARATI, Damodar N., PORTER, Dawn C. Econometria Bsica, Editora
Bookman, So Paulo, 2011.
HAMILTON, James D. Time Series Analysis, 1 Edio, Princeton, New Jersey
Princeton University Press, 1994.
HICKS, John R. Mr. Keynes and The Classics A Suggested Interpretation. Em
Econometrica, vol. 5, 147-159, 1937.
HOLANDA, Srgio Buarque de. Razes do Brasil. Coleo Documentos Brasileiros.
Rio de Janeiro, 19
a
Edio, 1987.
HODRICK, Robert, PRESCOTT, Edward C. Postwar U.S. Business Cycles: An
Empirical Investigation. Em Journal of Money, Credit and Banking, vol. 29, 1-16,
1997.
JOHANSEN, S. Statistical Analysis of cointegration vectors. Em Journal of
Economic Dynamics and Control, vol. 12, 231-254, 1988.
KLEIN, L. Economic Fluctuations in the United States 1921-1941. Editora Wiley
and Sons, Nova Iorque, 1950.
KYDLAND, Finn E., PRESCOTT, Edward C. Time to Build and Aggregate
Fluctuations. Em Econometrica, vol. 50, No. 6, 1345-1370, 1982.
55
LUCAS, Robert. Econometric Policy Evaluation: A Critique. Em Carnegie-Rochester
Conference Series on Public Policy. 1, 19-46. Elsevier, 1976.
MORANDI, Lucilene, REIS, Eustquio J. Estoque de Capital Fixo no Brasil 1950 -
2002. Em Encontro Nacional de Economia, 32, Joo Pessoa, 2004.
PINDYCK, Robert S, RUBINFELD, Daniel L. Microeconomics. 8
th
Edition, Pearson,
2009.
PORTER, Michael. Estratgia Competitiva. Editora Elsevier, Rio de Janeiro, 2004.
PRADO, Caio Jr. Formao do Brasil Contemporneo. Editora Brasiliense, 7
a
ed.,
1963.
SAMUELSON, Paul Anthony A Synthesis of the Principle of Acceleration and the
Multiplier. Em Journal of Political Economy University of Chicago Press, vol. 47,
p. 786, Chicago, 1939.
SLACK, Nigel et al. Administrao da Produo. Editora Atlas, So Paulo, 1999.
SMETS, Frank, WOUTERS, Rafael. Shocks and Frictions in US Business Cycles
A Bayesian DSGE Approach. Banco Central Europeu, artigo para discusso,
2007.
SIMS, Christopher. Macroeconomics and Reality. Em Econometrica, vol. 48, 1-48,
1980.
SIMS, Eric. Extensions of Basic RBC Framework. Notas de aula do curso de
Macroeconomia II, Universidade de Notre Dame, 2011.
ZELLNER, Arnold. An Introduction to Bayesian Inference in Econometrics.
Editora John Wiley and Sons, Nova Iorque, 1971.
UHLIG, Harald G. Solving DSGE models: an example. Hansens Real Business
Cycle Model. Em IAMA, Lecture Series, 5, 2006.
VERNAZZA, Daniel. Personal Notes on Real Business Cycle Models. London
School of Economics, 2013.
ZIETZ, Joachim. Log-Linearizing Around the Steady State: A Guide with
Examples. Working Paper Series, 2006.
56
Apndice A Otimizao Dinmica sem Programao Dinmica
A soluo de um programa de otimizao dinmica pode ser feita atravs da
aplicao da tcnica dos Multiplicadores de Lagrange, seguindo Chow (1991), sendo
que sua principal justificativa sua facilidade analtica de soluo.
Assim sendo, seja um problema dado por:
mox
{u
t
]
t=0
T
E
0
_[
t
r(s
t
, u
t
)
1
t=0
_
sujeito a:
s
t+1
= (s
t
, u
t
) +e
t+1
onde s
t+1
denota um vetor de variveis de estado, u
t
um vetor de variveis de
controle, e r e f funes contnuas, onde r cncava.
Chow (1991) demonstra que ao introduzir um vetor i
t
(t = T, T -1, .,u) de
Multiplicadores de Lagrange em uma funo Lagrangeana da forma:
L = E
0
_[
t
r(s
t
, u
t
) -[
t+1
z
t+1
(s
t+1
-(s
t
, u
t
) -e
t+1
)
1
t=0
_
e, calculando suas respectivas condies de primeira ordem:
oL
ou
t
= [
t
or
ou
t
+[
t+1
E
t
_z
t+1
o
ou
t
_ = u
oL
os
t
= [
t
or
os
t
+[
t+1
E
t
_z
t+1
o
os
t
_ -[
t
z
t
= u
oL
oz
t
= -[
t+1
E
t
|s
t+1
-(s
t
, u
t
)] = u
Da primeira condio, dividindo por [
t
, decorre:
or
ou
t
+[ E
t
_z
t+1
o
ou
t
_ = u
Dividindo a outra equao por [
t
, segue que:
or
os
t
+[ E
t
_z
t+1
o
os
t
_ = z
t
Portanto:
or
ou
t
+[ E
t
_z
t+1
o
ou
t
_ = u
z
t
=
or
os
t
+[ E
t
_z
t+1
o
os
t
_
E, por conseguinte, o problema se resume escolha da sequncia u
0
, u
1
, ., u
1
,
dada uma sequncia de informaes s
t
, de maneira anloga, porm no idntica, ao
que feito na estratgia de programao dinmica.
57
Tambm vale ressaltar que a primeira das condies de primeira ordem
equivalente condio de primeira ordem referente ao controle, dada a Equao de
Bellman do problema, conforme Chow (1991). No obstante, possvel demonstrar
a equivalncia do resultado timo dos dois mtodos, tambm conforme Chow
(1991).
A fim de provar tal afirmao de maneira prtica, ser brevemente discutido o
mtodo de programao dinmica de Bellman e apresentada a soluo de um
problema de maximizao do bem-estar de um agente obtida com este mtodo,
cabendo ao leitor comparar com a outra soluo obtida com o mtodo dos
Multiplicadores de Lagrange, conforme Apndice B.
Os problemas de otimizao dinmica podem ser resolvidos tradicionalmente pela
abordagem variacional (Hamiltoniana) e pela abordagem de Bellman.
Em geral, um problema de otimizao dinmica baseia-se na otimizao de uma
funo Valor (objetivo da otimizao intertemporal) denominada v, sujeita a uma
equao de evoluo dos estados do sistema.
1. Princpio da Otimalidade de Bellman
O Prncipio da Otimalidade de Bellman se resume em dividir um complexo problema
de otimizao em subproblemas menores, onde, ao otimizar tais subproblemas,
encontra-se a soluo tima do problema maior.
Assim, por exemplo, possvel um problema simples de maximizao de alguma
funo intertemporal dada por:
mox
c
t
,N
t
(t) = [
t
(c
t
, N
t
, k
t
)
t=0
sujeito a:
k
t+1
= g(c
t
, N
t
, k
t
)
onde as variveis de controle so c
t
e N
t
, e a varivel de estado k
t
.
Tal funo pode ser primeiramente reescrita como:
mox
c
t
,N
t
(t) = _(c
0
, N
0
, k
0
) +[ _[
t-1
t=1
(c
t
, N
t
, k
t
)__
sujeito a:
k
t+1
= g(c
t
, N
t
, k
t
)
Apesar de que, primeira vista, o problema pode parecer mais complicado, basta
notar que:
_[
t-1
t=1
(c
t
, N
t
, k
t
)_ = (t +1)
E portanto, o problema pode ser reescrito recursivamente como:
58
mox
c
t
,N
t
(t) = |(c
t
, N
t
, k
t
) +[ (t +1)]
sujeito a:
k
t+1
= g(c
t
, N
t
, k
t
)
que a Equao de Bellman e que pode ser maximizada atravs dos tradicionais
mtodos de maximizao de funes, como por exemplo a anlise direta das suas
condies de primeira ordem.
2. Prova do Teorema do Envelope
Seja uma funo Valor denominada (x, y, z) = (x, y, z), onde x e y so variveis
de controle (escolha) e i um parmetro auxiliar.
sabido, dos problemas clssicos de maximizao, que o mximo de (x, y, z)
obtido quando
](x,,x)
x
=
](x,,x)
t=0
_
sujeito a:
_
K
t+1
-(1 -o) K
t
= Z
t+1
y K
t
u
N
t
1-u
-C
t
ln (Z
t+1
) = p ln (Z
t
) +e
t
~N(u, o
2
)
59
A soluo de tal problema de maximizao pode ser feita atravs da aplicao de
tcnicas de programao dinmica (Equao de Bellman), onde as variveis de
estado so dadas por K
t
(endgena) e Z
t
(exgena, estocstica) e, as variveis de
controle por C
t
(endgena) e N
t
(endgena).
Logo, o primeiro passo a obteno da Equao de Bellman, como se segue:
(K
t+1
, Z
t+1
) = mox
C
t
,N
t
(ln(C
t
) -A N
t
+[ E|(K
t+2
, Z
t+2
)])
sujeito a:
_
K
t+1
-(1 -o) K
t
= Z
t+1
y K
t
u
N
t
1-u
-C
t
ln (Z
t+1
) = p ln (Z
t
) +e
t
~N(u, o
2
)
O primeiro passo interessante mudar um dos controles do problema acima para a
varivel K
t+1
, tal que:
(K
t+1
, Z
t+1
) = mox
K
t+1
,N
t
(ln(Z
t+1
y K
t
u
N
t
1-u
+(1 -o) K
t
-K
t+1
) -A N
t
+[
E|(K
t+2
, Z
t+2
)])
sujeito a:
_
-K
t+1
+(1 -o) K
t
+Z
t+1
y K
t
u
N
t
1-u
= C
t
ln (Z
t+1
) = p ln (Z
t
) +e
t
~N(u, o
2
)
Calculando-se a condio de primeira ordem relativa K
t+1
, segue que:
o(K
t+1
, Z
t+1
)
oK
t+1
= -
1
-K
t+1
+(1 -o) K
t
+Z
t+1
y K
t
u
N
t
1-u
+[ E _
o(K
t+2
, Z
t+2
)
oK
t+1
_
= u
Por outro lado, em economia, existe um famoso teorema chamado Teorema do
Envelope que garante que a derivada da funo de valor (K
t+1
, Z
t+1
) em relao
varivel de estado K
t
igual derivada da funo de utilidade que possui a varivel
de controle, neste caso C
t
, no ponto timo.
Portanto:
o(K
t+1
, Z
t+1
)
oK
t
=
o|ln(C
t
)]
oC
t
o|Z
t+1
y K
t
u
N
t
1-u
+(1 -o) K
t
-K
t+1
]
oK
t
=
1
C
t
|o Z
t+1
y K
t
u-1
N
t
1-u
+(1 -o)]
Iterando um perodo de tempo:
o(K
t+2
, Z
t+2
)
oK
t+1
=
1
C
t+1
|o Z
t+2
y K
t+1
u-1
N
t+1
1-u
+(1 -o)]
60
Logo:
[ E _
1
C
t+1
|o Z
t+2
y K
t+1
u-1
N
t+1
1-u
+(1 -o)]_ =
=
1
-K
t+1
+(1 -o) K
t
+Z
t+1
y K
t
u
N
t
1-u
=
1
C
t
[ E _
1
C
t+1
|o Z
t+2
y K
t+1
u-1
N
t+1
1-u
+(1 -o)]_ =
1
C
t
que a conhecida Equao de Euler.
Agora resta repetir o processo para a outra varivel de controle, N
t
. Assim, se torna
interessante a substituio do controle N
t
por K
t+1
, a fim de se utilizar o Teorema do
Envelope. Ao repetir se obtm:
(K
t+1
, Z
t+1
) = mox
C
t
,K
t+1
_ln(C
t
) -A _
K
t+1
-(1 -o) K
t
+C
t
Z
t+1
y K
t
u
_
1
1-u
+[
E|(K
t+2
, Z
t+2
)]_
sujeito a:
_
_
K
t+1
-(1 -o) K
t
+C
t
Z
t+1
y K
t
u
_
1
1-u
= N
t
ln (Z
t+1
) = p ln (Z
t
) +e
t
~N(u, o
2
)
A condio de primeira ordem referente a N
t
dada por:
o(K
t+1
, Z
t+1
)
oK
t+1
= -A
1
Z
t+1
y K
t
u
1
(1 -o)
_
K
t+1
-(1 -o) K
t
+C
t
Z
t+1
y K
t
u
_
u
(1-u)
+[
E _
o(K
t+2
, Z
t+2
)
oK
t+1
_
Reescrevendo a primeira poro do lado direito da equao, em termos de N
t
:
= -A
N
t
u
Z
t+1
y K
t
u
1
(1 -o)
+[ E _
o(K
t+2
, Z
t+2
)
oK
t+1
_
= -A
N
t
t
1
(1 -o)
+[ E _
o(K
t+2
, Z
t+2
)
oK
t+1
_ = u
Denotando:
Z
t+1
y K
t
u
N
t
1-u
=
t
Assim:
A
N
t
t
1
(1 -o)
= [ E _
o(K
t+2
, Z
t+2
)
oK
t+1
_
61
Por outro lado, do resultado obtido j no comeo desta demonstrao:
[ E _
o(K
t+2
, Z
t+2
)
oK
t+1
_ =
1
C
t
Portanto:
A
N
t
t
1
(1 -o)
=
1
C
t
A =
t
N
t
(1 -o)
1
C
t
62
Apndice B Soluo do Modelo de Ciclo de Negcios Reais
Bsico
Famlias
mox
C
t
,N
t
,K
t+1
E
0
_[
t
(ln(C
t
) -A N
t
)
t=0
_
sujeito a:
_
K
t+1
-(1 -o) K
t
= Z
t
y K
t
u
N
t
1-u
-C
t
ln (Z
t
) = p ln (Z
t-1
) +e
t
~N(u, o
2
)
Soluo:
Nas famlias, os agentes escolhem quanto de capital devem acumular, quanto
devem trabalhar e quanto devem consumir, que so as variveis de controle.
Assim, para resolver o programa acima, deve-se formar o Lagrangeano, de acordo
com o mtodo proposto no Apndice A:
L = E
0
|[
t
{ln(C
t
) -A N
t
] -[
t+1
z
t+1
{K
t+1
-(1 -o) K
t
-Z
t
y K
t
u
N
t
1-u
+C
t
]]
t=0
Calculando-se as condies de primeira ordem, segue que:
Capital:
oL
oK
t+1
= E
t
_-[
t+1
z
t+1
+[
t+2
z
t+2
_
Z
t+1
y K
t+1
u
N
t+1
1-u
K
t+1
+(1 -o)__ = u
Portanto, dividindo-se tudo por [
t+1
:
E
t
_[z
t+2
_
Z
t+1
y K
t+1
u
N
t+1
1-u
K
t+1
+(1 -o)__ = E
t
|z
t+1
]
Trabalho:
oL
oN
t
= -[
t
A -E
t
_[
t+1
z
t+1
Z
t
y K
t
u
N
t
1-u
N
t
_ = u
Logo, dividindo-se tudo por [
t+1
:
A = -[E
t
_z
t+1
Z
t
y K
t
u
N
t
1-u
N
t
_
63
Consumo:
oL
oC
t
=
[
t
C
t
-E
t
|[
t+1
z
t+1
]
Logo, dividindo-se tudo por [
t+1
:
1
C
t
= [E
t
|z
t+1
]
Portanto, se obtm as seguintes equaes dinmicas:
K
t+1
-(1 -o) K
t
= Z
t
y K
t
u
N
t
1-u
-C
t
ln (Z
t
) = p ln (Z
t-1
) +e
t
~N(u, o
2
)
A =
1
C
t
Z
t
y K
t
u
N
t
1-u
N
t
[E
t
_
1
C
t+1
_
Z
t+1
y K
t+1
u
N
t+1
1-u
K
t+1
+(1 -o)__ =
1
C
t
64
Apndice C Soluo do Modelo Estendido de Ciclo de Negcios
Reais com Famlias, Empresas e Autoridade Monetria
Famlias
mox
C
t
,N
t
,K
t+1
,B
t+1
,M
t+1
E
0
[
t
`
1
1
ln(C
t
) +0 ln(1 -N
t
) +
[
H
t+1
p
t
1-y
-1
1 -y
1
1
1
t=0
sujeito a:
C
t
+K
t+1
-(1 -o)K
t
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
= w
t
N
t
+R
t
k
t
+i
t
B
t
p
t
Formando o Lagrangeano, de acordo com o mtodo proposto no Apndice A, segue
que:
L = E
0
l
l
l
l
[
t
`
1
1
ln(C
t
) +0 ln(1 -N
t
) +
[
H
t+1
p
t
1-y
-1
1 -y
1
1
1
t=0
-[
t+1
z
t+1
_C
t
+K
t+1
-(1 -o)K
t
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
-w
t
N
t
-R
t
k
t
-i
t
B
t
p
t
_
1
1
1
1
Calculando-se as Condies de Primeira Ordem, segue que:
oL
oK
t+1
= E
t
|-[
t+1
z
t+1
] +E
t
|[
t+2
z
t+2
(R
t+1
+(1 -o)] = u
Dividindo-se por [
t+1
, segue que:
E
t
|z
t+1
] = E
t
|[z
t+2
(R
t+1
+(1 -o)]
J em relao aos ttulos:
oL
oB
t+1
= E
t
_-
[
t+1
z
t+1
p
t
_ +E
t
_
[
t+2
z
t+2
p
t+1
(1 +i
t+1
)_
Dividindo-se por[
t+1
, segue que:
E
t
|z
t+1
] = E
t
_p
t
[z
t+2
p
t+1
(1 +i
t+1
)_
A condio de primeira ordem para o consumo ser dada por:
oL
oC
t
=
[
t
C
t
-[
t+1
E
t
(z
t+1
) = u -
1
C
t
= [E
t
(z
t+1
)
65
Para as horas trabalhadas:
oL
oN
t
= [
t
0
1 -N
t
+E
t
([
t+1
z
t+1
w
t
) -
0
1 -N
t
= [E
t
(z
t+1
)w
t
E finalmente, para o dinheiro, segue que:
oL
oH
t+1
=
[
t
[
H
t+1
p
t
-y
p
t
-E
t
_
[
t+1
z
t+1
p
t
_ +E
t
_
[
t+2
z
t+2
p
t+1
_ = u
Dividindo-se por [
t
, segue que:
[
H
t+1
p
t
-y
p
t
= E
t
[z
t+1
p
t
-E
t
_
[
2
z
t+2
p
t+1
_
Combinando-se as condies de primeira ordem do trabalho e do consumo:
1
C
t
= [E
t
(z
t+1
)
0
1 -N
t
= [E
t
(z
t+1
)w
t
Resultando em:
0
1 -N
t
=
w
t
C
t
Combinando-se as condies de primeira ordem do consumo e do capital:
1
C
t
= [E
t
(z
t+1
)
E
t
|z
t+1
] = E
t
|[z
t+2
(R
t+1
+(1 -o)]
Resultando em:
1
C
t
= [E
t
_
1
C
t+1
(R
t+1
+(1 -o)_
Combinando-se as condies de primeira ordem do consumo e dos ttulos:
1
C
t
= [E
t
(z
t+1
)
E
t
|z
t+1
] = E
t
_p
t
[z
t+2
p
t+1
(1 +i
t+1
)_
Resultando em:
1
C
t
= [E
t
_p
t
1
C
t+1
p
t+1
(1 +i
t+1
)_
66
Combinando-se as condies de primeira ordem do dinheiro, dos ttulos e do
consumo:
H
t+1
p
t
-y
= E
t
([z
t+1
) -E
t
_
[
2
z
t+2
p
t
p
t+1
_
E
t
|z
t+1
] = E
t
_p
t
[z
t+2
p
t+1
(1 +i
t+1
)_
Resultando em:
H
t+1
p
t
-y
= E
t
_[ _p
t
[z
t+2
p
t+1
(1 +i
t+1
)_ -
[
2
z
t+2
p
t
p
t+1
_
Portanto:
H
t+1
p
t
-y
= E
t
_p
t
[
2
z
t+2
p
t+1
i
t+1
_
Substituindo-se E
t
|z
t+2
]:
E
t
_
z
t+1
[(1 +i
t+1
)p
t
p
t+1
_ = E
t
|z
t+2
]
Resultando em:
H
t+1
p
t
-y
= E
t
_
[z
t+1
(1 +i
t+1
)
i
t+1
_ -
H
t+1
p
t
-y
=
1
C
t
i
t+1
1 +i
t+1
Firmas:
mox
C
t
,N
t
L
t
=
t
-w
t
N
t
-R
t
k
t
sujeito a:
Y
t
= Z
t
+
t
u
N
t
(1-u)
ln (Z
t
) = p ln (Z
t-1
) +e
t
~N(u, o
2
)
Este problema de maximizao pode ser resolvido atravs de otimizao esttica,
tal que:
on
oK
t
=
o
t
K
t
-R
t
= u - R
t
=
o
t
K
t
on
oN
t
= (1 -o)
t
N
t
-w
t
= u - (1 -o)
t
N
t
= w
t
67
Autoridade Monetria
ln(m
t+1
) -ln(m
t
) = (1 -p
m
)n
-
+p
m
n
t-1
+p
m
(ln(m
t
) -ln(m
t-1
)) -c
m,t
c
m,t
~ N(u, o
m
)
com:
m
t
=
H
t+1
p
t
Conjunto final de equaes dinmicas:
ln(m
t+1
) -ln(m
t
) = (1 -p
m
)n
-
+p
m
n
t-1
+p
m
(ln(m
t
) -ln(m
t-1
)) -c
m,t
~ N(u, o
m
)
(1 -o)
t
N
t
= w
t
R
t
=
o
t
K
t
ln (Z
t
) = p ln (Z
t-1
) +e
t
~N(u, o
2
)
t
= Z
t
K
t
u
N
t
(1-u)
n
t
=
t
-w
t
N
t
-R
t
k
t
H
t+1
p
t
-y
=
1
C
t
i
t+1
1 +i
t+1
0
1 -N
t
=
w
t
C
t
1
C
t
= [E
t
_
1
C
t+1
(R
t+1
+(1 -o)_
1
C
t
= [E
t
_p
t
1
C
t+1
p
t+1
(1 +i
t+1
)_
C
t
+K
t+1
-(1 -o)K
t
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
= w
t
N
t
+R
t
k
t
+i
t
B
t
p
t
68
Apndice D Soluo do Modelo Estendido de Ciclo de Negcios
Reais com Famlias, Indstria de Bens Intermedirios, Firmas
Finais e Autoridade Monetria
Famlias
max
C
t
,N
t
,S
t+1
,B
t+1
,M
t+1
E
0
[
t
`
1
1
ln(C
t
) +0 ln(1 -N
t
) +
[
H
t+1
p
t
1-y
-1
1 -y
1
1
1
t=0
sujeito a:
C
t
+S
t+1
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
= w
t
N
t
+R
t
S
t
+i
t
B
t
p
t
Formando o Lagrangeano, de acordo com o mtodo proposto no Apndice A, segue
que:
L = E
0
l
l
l
l
[
t
`
1
1
ln(C
t
) +0 ln(1 -N
t
) +
[
H
t+1
p
t
1-y
-1
1 -y
1
1
1
t=0
-[
t+1
z
t+1
_C
t
+K
t+1
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
-w
t
N
t
-R
t
S
t
-i
t
B
t
p
t
_
1
1
1
1
Calculando-se as Condies de Primeira Ordem, segue que:
oL
oS
t+1
= E
t
|-[
t+1
z
t+1
] +E
t
|[
t+2
z
t+2
(R
t+1
)] = u
Dividindo-se por[
t+1
, segue que:
E
t
|z
t+1
] = E
t
|[z
t+2
(R
t+1
)]
J em relao aos ttulos:
oL
oB
t+1
= E
t
_-
[
t+1
z
t+1
p
t
_ +E
t
_
[
t+2
z
t+2
p
t+1
(1 +i
t+1
)_
Dividindo-se por[
t+1
, segue que:
E
t
|z
t+1
] = E
t
_p
t
[z
t+2
p
t+1
(1 +i
t+1
)_
A condio de primeira ordem para o consumo ser dada por:
oL
oC
t
=
[
t
C
t
-[
t+1
E
t
(z
t+1
) = u -
1
C
t
= [E
t
(z
t+1
)
69
Para as horas trabalhadas:
oL
oN
t
= [
t
0
1 -N
t
+E
t
([
t+1
z
t+1
w
t
) -
0
1 -N
t
= [E
t
(z
t+1
)w
t
E finalmente, para o dinheiro, segue que:
oL
oH
t+1
=
[
t
[
H
t+1
p
t
-y
p
t
-E
t
_
[
t+1
z
t+1
p
t
_ +E
t
_
[
t+2
z
t+2
p
t+1
_ = u
Dividindo-se por[
t
, segue que:
[
H
t+1
p
t
-y
p
t
= E
t
[z
t+1
p
t
-E
t
_
[
2
z
t+2
p
t+1
_
A partir destas condies de primeira ordem, segue que:
Combinando-se as condies de primeira ordem do trabalho e do consumo:
1
C
t
= [E
t
(z
t+1
)
0
1 -N
t
= [E
t
(z
t+1
)w
t
Resultando em:
0
1 -N
t
=
w
t
C
t
Combinando-se as condies de primeira ordem do consumo e do capital:
1
C
t
= [E
t
(z
t+1
)
E
t
|z
t+1
] = E
t
|[z
t+2
(R
t+1
)]
Resultando em:
1
C
t
= [E
t
_
1
C
t+1
(R
t+1
)_
Combinando-se as condies de primeira ordem do consumo e dos ttulos:
1
C
t
= [E
t
(z
t+1
)
E
t
|z
t+1
] = E
t
_p
t
[z
t+2
p
t+1
(1 +i
t+1
)_
70
Resultando em:
1
C
t
= [E
t
_p
t
1
C
t+1
p
t+1
(1 +i
t+1
)_
Combinando-se as condies de primeira ordem do dinheiro, dos ttulos e do
consumo:
H
t+1
p
t
-y
= E
t
([z
t+1
) -E
t
_
[
2
z
t+2
p
t
p
t+1
_
E
t
|z
t+1
] = E
t
_p
t
[z
t+2
p
t+1
(1 +i
t+1
)_
Resultando em:
H
t+1
p
t
-y
= E
t
_[ _p
t
[z
t+2
p
t+1
(1 +i
t+1
)_ -
[
2
z
t+2
p
t
p
t+1
_
Portanto:
H
t+1
p
t
-y
= E
t
_p
t
[
2
z
t+2
p
t+1
i
t+1
_
Substituindo-se E
t
|z
t+2
]:
E
t
_
z
t+1
[(1 +i
t+1
)p
t
p
t+1
_ = E
t
|z
t+2
]
Resultando em:
H
t+1
p
t
-y
= E
t
_
[z
t+1
(1 +i
t+1
)
i
t+1
_ -
H
t+1
p
t
-y
=
1
C
t
i
t+1
1 +i
t+1
Firmas Finais:
max
],t
t
= p
t
__ y
],t
-1
J]
1
0
_
-1
-_ p
],t
y
],t
J]
1
0
Condio de primeira ordem:
o
t
oy
],t
= u - p
t
[
:
: -1
_
: -1
:
y
],t
-1
-1
_ __ y
],t
-1
J]
1
0
_
-1
-1
= p
],t
Eliminando-se alguns termos, seque que:
p
t
_y
],t
-1
_ __ y
],t
-1
J]
1
0
_
1
-1
= p
],t
Invertendo-se a equao, segue que:
_y
],t
-1
_ =
p
],t
p
t
__ y
],t
-1
J]
1
0
_
-1
-1
71
Elevando-se toda a equao por -:, segue que:
y
],t
=
p
],t
p
t
-
__ y
],t
-1
J]
1
0
_
-1
Como a condio agregadora dada por:
__ y
],t
-1
J]
1
0
_
-1
= y
t
Logo:
y
],t
=
p
],t
p
t
-
y
t
Firmas Intermedirias:
max
N
],t
,
],t
,
],t
,
],t
,
],t
],t
= E
0
u
t
p
],t
y
],t
-w
t
N
],t
-R
t
S
],t
t=0
sujeito a:
y
],t
= Z
t
(
],t
K
],t
u
N
],t
(1-u)
K
],t+1
=
t
+[1 -o
0
],t
K
],t
S
],t
=
],t
+K
],t
y
],t
=
p
],t
p
t
-
y
t
S
t
= _ S
],t
J]
1
0
N
t
= _ N
],t
J]
1
0
ln(Z
t
) = p ln(Z
t-1
) +e
t
~ N(u, o
2
)
Formando o Lagrangeano, de acordo com o mtodo proposto no Apndice A, segue
que:
L = E
0
_u
t
p
],t
y
],t
-w
t
N
],t
-R
t
(K
],t
+
],t
t=0
-
t+1
z
t+1
]K
],t+1
-
],t
-[1 -o
0
],t
K
],t
-
t+1
e
t+1
_y
],t
-
p
],t
p
t
-
y
t
_
-
t+1
t+1
]y
],t
-Z
t
(
],t
K
],t
u
N
],t
(1-u)
_
72
Calculando-se as Condies de Primeira Ordem, segue que:
oL
oN
],t
= u - E
t
_u
t
{-w
t
] +
t+1
t+1
_(1 -o)
Z
t
(
],t
K
],t
u
N
],t
(1-u)
N
],t
__ = u - w
t
= _(1 -o)
Z
t
(
],t
K
],t
u
N
],t
(1-u)
N
],t
_ E
t
|
t+1
]
oL
o
],t
= u - -E
t
j
t+1
z
t+1
] o
0
],t
-1
K
t
[ +E
t
_
t+1
t+1
_o
Z
t
(
],t
K
],t
u
N
],t
(1-u)
],t
__
= u
] o
0
],t
-1
K
t
E
t
|z
],t+1
] = E
t
|
],t+1
] _o
Z
t
(
],t
K
],t
u
N
],t
(1-u)
],t
_
Substituindo-se a condio anterior:
] o
0
],t
-1
K
t
E
t
|z
],t+1
] =
w
t
_(1 -o)
Z
t
(
],t
K
],t
u
N
],t
(1-u)
N
],t
_
_o
Z
t
(
],t
K
],t
u
N
],t
(1-u)
],t
_
] o
0
],t
-1
K
t
E
t
|z
],t+1
] =
o
(1 -o)
w
t
N
],t
E
t
|z
],t+1
] =
o
(1 -o)
w
t
N
],t
] o
0
],t
-1
K
],t
oL
o
],t
= u - -E
t
|
t
R
t
] +E
t
|
t+1
z
],t+1
] = u -
t
R
t
= E
t
|
t+1
z
],t+1
] - R
t
= E
t
|z
],t+1
]
Portanto:
R
t
=
o
(1 -o)
w
t
N
],t
] o
0
],t
-1
K
],t
J para as outras condies de primeira ordem:
oL
op
],t
= u - E
t
|
t
y
],t
] +E
t
_(-:)
t+1
e
],t+1
p
],t
p
t
-
y
t
p
],t
_
- E
t
|
t
y
],t
] = E
t
_
t+1
e
],t+1
:
p
],t
p
],t
p
t
--1
y
t
_
Logo:
y
],t
= _:
p
],t
p
t
-
y
t
p
],t
_E
t
|e
],t+1
]
Substituindo-se a condio de primeira ordem extrada no problema das firmas
finais, segue que:
p
],t
p
t
-
y
t
= _:
p
],t
p
t
-
y
t
p
],t
_ E
t
|e
],t+1
]
73
E, portanto:
p
],t
:
= E
t
|e
],t+1
]
oL
oy
],t
= u - E
t
|
t
p
],t
] -E
t
|
t+1
e
],t+1
] -E
t
|
t+1
],t+1
] = u -
t
p
],t
= E
t
|
t+1
e
],t+1
] +E
t
|
t+1
],t+1
] - p
],t
= E
t
|e
],t+1
] +E
t
|
],t+1
]
Por conseguinte:
: -1
:
p
],t
=
w
t
_(1 -o)
Z
t
(
],t
K
],t
u
N
],t
(1-u)
N
],t
_
Autoridade Monetria
ln(m
t+1
) -ln(m
t
) = (1 -p
m
)n
-
+p
m
n
t-1
+p
m
(ln(m
t
) -ln(m
t-1
)) -c
m,t
c
m,t
~ N(u, o
m
)
Com:
m
t
=
H
t+1
p
t
Conjunto final de equaes dinmicas:
ln(m
t+1
) -ln(m
t
)
= (1 -p
m
)n
-
+p
m
n
t-1
+p
m
(ln(m
t
) -ln(m
t-1
))
-c
m,t
~ N(u, o
m
)
R
t
=
o
(1 -o)
w
t
N
],t
] o
0
],t
-1
K
],t
ln (Z
t
) = p ln (Z
t-1
) +e
t
~N(u, o
2
)
ln(
t
) = (1 -p
-
+p
ln(
t-1
) +c
,t
~ N(u, o
t
= Z
t
(
t
K
t
)
u
N
t
(1-u)
],t
=
],t
-w
t
N
],t
-R
t
S
],t
y
],t
=
p
],t
p
t
-
y
t
H
t+1
p
t
-y
=
1
C
t
i
t+1
1 +i
t+1
0
1 -N
t
=
w
t
C
t
1
C
t
= [E
t
_
1
C
t+1
(R
t+1
)_
1
C
t
= [E
t
_p
t
1
C
t+1
p
t+1
(1 +i
t+1
)_
74
C
t
+S
t+1
+
B
t+1
-B
t
p
t
+
H
t+1
-H
t
p
t
= w
t
N
t
+R
t
S
t
+i
t
B
t
p
t
S
t
= K
t
+
t
K
],t+1
=
t
+[1 -o
0
],t
K
t
m
t
=
H
t+1
p
t
: -1
:
p
],t
=
w
t
_(1 -o)
Z
t
(
],t
K
],t
u
N
],t
(1-u)
N
],t
_
__ y
],t
-1
J]
1
0
_
-1
= y
t
y
],t
=
p
],t
p
t
-
y
t
S
t
= _ S
],t
J]
1
0
N
t
= _ N
],t
J]
1
0
o
],t
= o
0
],t
75
Apndice E Processo de Log-Linearizao
A Log-Linearizao se baseia na expanso em um Polinmio de Taylor em relao a
um estado estacionrio (de equilbrio) que pode ser facilmente obtido eliminando
os subscritos da equao, de maneira a obter a igualdade x
t+1
= x
t
. Assim sendo,
conforme Zietz (2006) e Uhlig (1999), o log-desvio de uma varivel em relao ao
seu estado estacionrio dado por:
x
t
= lnx
t
-lnx
A partir das propriedades da operao logartmica, o lado direito da equao pode
ser reescrito como:
ln x
t
-lnx = ln[
x
t
x
= ln [1 +
x
t
-x
x
Aproximando-se esta expresso por um Polinmio de Taylor de primeira ordem:
ln [1 +
x
t
-x
x
ln(1) +
1
x
(x
t
-x) =
x
t
-x
x
Portanto:
x
t
=
x
t
-x
x
=
x
t
x
-1 - x
t
= x(1 +x
t
)
Assim, para efeito de exemplificao, ao aplicar o processo descrito acima em uma
das equaes dinmicas obtidas anteriormente, segue que necessrio calcular o
mencionado estado estacionrio (ou seja, todas as variveis so constantes), e
fazer a log-linearizao em seu entorno. No caso do sistema exposto, basta apenas
eliminar os subscritos temporais para obter o estado estacionrio.
Conforme Ellison (2011), o estado estacionrio do sistema DSGE bsico dado por
(simplesmente eliminando os subscritos das relaes):
c +k
= k
u
n
1-u
+(1 -o)k
1 = [|ok
u
n
1-u
+1 -o]
A =
1
c
(1 -o)k
u
n
1-u
E destas relaes, conclui-se que:
_
k
n
_ = _
1 -(1 -o)[
o[
_
1
u-1
c =
1 -o
A
_
k
n
_
u
k
= c __
k
n
_
u-1
-o_
-1
76
n = k
_
k
n
_
-1
y = k
u
n
1-u
E assim, a partir da equao:
1
C
t
= [ E _
1
C
t+1
[(1 -o) +o Z
t
y K
t-1
u-1
N
t
1-u
_
Aplica-se o operador logaritmo em todos os componentes, tal que:
-ln(C
t
) = ln([) +E j-ln(C
t+1
) +ln [(1 -o) +o Z
t
y K
t+1
u-1
N
t+1
1-u
[
Fazendo-se uma expanso de Taylor de primeira ordem no termo = ln [(1 -o) +
o Z
t
y K
t+1
u-1
N
t+1
1-u
, em torno do ponto estacionrio, segue que:
ln[(1 -o) +o Z
t
y K
t+1
u-1
N
t+1
1-u
= ln[(1 -o) +o y k
u-1
n
1-u
+
o
oZ
t
(Z
t
-z) +
o
oK
t
(K
t
-k
+
o
oN
t
(N
t
-n)
Sabendo que o estado estacionrio do choque de produtividade (tecnologia) igual
a 1, tendo em vista que seu logaritmo tem mdia zero, e aplicando as condies
estacionrias encontradas anteriormente, segue que:
-ln(C
t
) = ln([)
+E|-ln(C
t+1
) +(1 -(1 -o)[)z
t+1
+(o -1)(1 -(1 -o)[)k
t+1
-on
t
cc
t
+k
k
t+1
k
t
+(1 -o)yn
t
+yz
t
E, para eventual equao de observao, relacionando horas trabalhadas e capital
com o produto, segue que:
y
t
=
o
k
k
t
+
(1 -o)
n
n
t
+z
t
77
Apndice F Estabelecimento dos Parmetros Fixos
Neste trabalho se sugere a utilizao do filtro de Hodrick-Prescott (1997), que uma
ferramenta matemtica que possibilita separar a componente cclica de uma srie
temporal, sendo interessante para o isolamento de polticas fiscais cclicas e anti-
cclicas feitas pelo governo para estabilizar a economia e alcanar o crescimento.
De acordo com estes autores, seja uma srie composta por:
y
t
=
t
+c
t
onde y
t
a srie em seu estado bruto,
t
sua componente de tendncia e c
t
sua
componente cclica, a tendncia obtida a partir da soluo da seguinte expresso:
min
:
_(y
t
-
t
)
2
+z |(
t+1
-
t
) -(
t
-
t-1
)]
2
1-1
t=2
1
t=1
_
Nesta expresso, o primeiro termo a soma do quadrado dos desvios entre a srie
e sua componente de tendncia e o segundo termo um mltiplo da soma dos
quadrados entre a segunda diferena da componente de tendncia. Logo, o primeiro
termo penaliza a componente cclica, enquanto que o segundo termo penaliza a taxa
de crescimento da componente de tendncia.
Assim, por exemplo, se z, no limite, igual a infinito, o problema de minimizao se
traduz em um problema de mnimos quadrados, onde a diferena sobre a taxa de
crescimento se mantm constante, e logo, se inferir uma tendncia determinstica.
Neste mesmo trabalho, Hodrick & Prescott (1997) sugerem que o valor de z seja de
1600 para sries trimestrais, valor este que deve ser adotado na filtragem das sries
livres dos ciclos.
Portanto, a proporo mdia de gastos do governo sobre o PIB dada por:
=
_ (o:)
t
1
t=1
_ (B)
t
1
t=1
onde (o:)
t
a componente de tendncia dos gastos do governo e (B)
t
a
componente de tendncia da srie do PIB, ambos na mesma base monetria
calculada utilizando o filtro de Hodrick-Prescott.
J para o clculo da taxa de depreciao, esta deve ser calculada como funo da
diferena entre o investimento bruto em capital e a variao do estoque lquido de
capital, ponderado pelo prprio estoque lquido de capital, como na expresso que
se segue, em conformidade com Morandi & Reis (2004).
B
t
-AEIK
t
=
t
B
t
= BC
t
+AE
t
B
t
denota o investimento bruto, BC
t
denota a formao de capital bruta, AE
t
denota a variao nos estoques de capitais fsicos, AEIK
t
a variao do estoque
lquido de capital fsico e, finalmente,
t
denota a depreciao em reais do capital no
perodo.
78
Para calcular a taxa, basta ponderar a depreciao em reais pelo estoque lquido de
capital fsico. Logo:
o
t
=
t
EIK
t
Posteriormente, basta calcular o valor mdio destas taxas de depreciao, para se
obter uma taxa de depreciao mdia anual. Esta taxa deve ser trimestralizada
atravs da seguinte expresso:
o
t
t
= (1 +o
t
unuuI
1
4
-1
Para os demais parmetros, sero utilizados dados empricos extrados de outros
trabalhos semelhantes, no caso, Areosa & Coelho (2013), que fixa a utilidade
intertemporal em 1,3, e, para os parmetros de curvatura dos agregadores de
Kimball foram fixados em 10, como mostrado em Boynard & Divino (2010).
Finalmente, para o mark-up de salrio foi utilizado o parmetro de 1,5, tambm de
acordo com Boynard & Divino (2010).
Com base na srie de Investimento Bruto em Valores nominais, que foi convertida
em valores reais atravs do processo de deflacionamento pelo IPCA e na srie de
Estoque Lquido de Capital Fsico, foi calculada a depreciao perodo a perodo,
que pode ser conferido na Tabela F.1.
1. Clculo da Depreciao
3abela F.1 0 (!lculo da Depreciao.
Ano
Investimento
Bruto
Estoque
Lquido de
Capital Fsico Depreciao
Depreciao
(%)
1991 106596,34 2400121,273
1992 113286,22 2426731,204 86676,29178 0,035717302
1993 115781,56 2460092,204 82420,56064 0,033503037
1994 151724,44 2513302,857 98513,78255 0,03919694
1995 173819,4 2576066,357 111055,9022 0,043110653
1996 180338,44 2637598,016 118806,7857 0,045043553
1997 194355,58 2714774,932 117178,6638 0,043163307
1998 230408,12 2786838,065 158344,9851 0,056818868
1999 225585,16 2838414,663 174008,5672 0,061304844
2000 185084,76 2896106,147 127393,2753 0,043987778
2001 243679,33 2957859,517 181925,9615 0,061505951
2002 232090,45 3008079,209 181870,7548 0,06046076
2003 250105,18 3050436,145 207748,2399 0,068104438
2004 325838,24 3107957,44 268316,9403 0,086332244
2005 318380,81 3167423,057 258915,1901 0,081743166
2006 403330,26 3239764,988 330988,3286 0,102164302
2007 400628,2 3339570,772 300822,4141 0,090078167
2008 353735,52 3468769,281 224537,0113 0,064731031
79
A partir da Tabela F.1, foram calculados os valores relativos da depreciao
(depreciao do perodo dividida pelo Estoque Lquido de Capital Fsico), de
maneira a obter uma depreciao percentual anual. Este valor foi convertido para
valores trimestrais, que resultou em uma depreciao mdia trimestral de 1,5%, indo
de encontro aos valores utilizados por Castro et. al (2011), que tambm de 1,5%.
2. Gastos do Governo
J em relao obteno dos dados relativos aos gastos do governo, foi aplicado,
conforme metodologia j exposta anteriormente, o filtro de Hodrick-Prescott sobre as
sries de consumo do Governo e do PIB, a fim de eliminar as flutuaes decorrentes
dos ciclos econmicos, e assim, a partir das sries filtradas, se calcula a mdia da
razo entre elas, para a obteno do parmetro dos gastos, proposto por Smets &
Wouters (2007). Todos os valores foram deflacionados a valores de 2013.
Figura F.1 .a8da do Filtro de GodricH0Prescott astos do overno.
+I450.000;006
+I'
+I50.000;00
+I100.000;00
+I150.000;00
+I200.000;00
+I250.000;00
+I300.000;00
+I350.000;00
1
9
9
1
T
1
1
9
9
2
T
1
1
9
9
3
T
1
1
9
9
4
T
1
1
9
9
5
T
1
1
9
9
6
T
1
1
9
9
7
T
1
1
9
9
8
T
1
1
9
9
9
T
1
2
0
0
0
T
1
2
0
0
1
T
1
2
0
0
2
T
1
2
0
0
3
T
1
2
0
0
4
T
1
2
0
0
5
T
1
2
0
0
6
T
1
2
0
0
7
T
1
2
0
0
8
T
1
2
0
0
9
T
1
2
0
1
0
T
1
2
0
1
1
T
1
2
0
1
2
T
1
2
0
1
3
T
1
-
a
l
o
r
e
s
D
e
"
l
a
c
i
o
n
a
d
o
s
e
m
)
i
l
1
a
r
e
s
d
e
+
I
Per8odo
.asos do .overno .asos do .overno 4Fi!rado6
80
Figura F.2 0 .a8da do Filtro de GodricH0Prescott P%?.
Conforme pode ser visto nas Figuras F.1 e F.2, o filtro de Hodrick-Prescott capaz
de filtrar tanto os efeitos sazonais, como os efeitos cclicos na srie, produzindo
sries suavizadas, que permitem a realizao de anlises livres de tais influncias.
Logo, a partir de tais sries, calculada a proporo dos gastos do Governo versus
PIB, conforme a Figura F.3.
Figura F.$ 0 Proporo de astos do overno sobre o P%?.
Com base na Figura F.3, calculada a proporo mdia dos gastos do Governo
sobre o PIB que, no perodo compreendido, foi de 20,19%, valor prximo dos
valores utilizados por Boynard & Divino (2010) e Castro et. al (2011), de 20%.
+I4200.000;006
+I'
+I200.000;00
+I400.000;00
+I600.000;00
+I800.000;00
+I1.000.000;00
+I1.200.000;00
+I1.400.000;00
1
9
9
1
T
1
1
9
9
2
T
1
1
9
9
3
T
1
1
9
9
4
T
1
1
9
9
5
T
1
1
9
9
6
T
1
1
9
9
7
T
1
1
9
9
8
T
1
1
9
9
9
T
1
2
0
0
0
T
1
2
0
0
1
T
1
2
0
0
2
T
1
2
0
0
3
T
1
2
0
0
4
T
1
2
0
0
5
T
1
2
0
0
6
T
1
2
0
0
7
T
1
2
0
0
8
T
1
2
0
0
9
T
1
2
0
1
0
T
1
2
0
1
1
T
1
2
0
1
2
T
1
2
0
1
3
T
1
-
a
l
o
r
e
s
D
e
"
l
a
c
i
o
n
a
d
o
s
e
m
)
i
l
1
a
r
e
s
d
e
+
I
Per8odo
PI& PI& 4Fi!rado6
15;00C
16;00C
17;00C
18;00C
19;00C
20;00C
21;00C
22;00C
23;00C
24;00C
1
9
9
1
T
1
1
9
9
2
T
1
1
9
9
3
T
1
1
9
9
4
T
1
1
9
9
5
T
1
1
9
9
6
T
1
1
9
9
7
T
1
1
9
9
8
T
1
1
9
9
9
T
1
2
0
0
0
T
1
2
0
0
1
T
1
2
0
0
2
T
1
2
0
0
3
T
1
2
0
0
4
T
1
2
0
0
5
T
1
2
0
0
6
T
1
2
0
0
7
T
1
2
0
0
8
T
1
2
0
0
9
T
1
2
0
1
0
T
1
2
0
1
1
T
1
2
0
1
2
T
1
2
0
1
3
T
1
P
r
o
p
o
r
o
d
o
s
a
s
t
o
s
s
'
P
%
?
Per8odo
81
Apndice G Estimativas Populacionais Trimestrais
Para estimar a populao e a populao economicamente ativa em intervalos
trimestrais, variveis essas necessrias para remover a tendncia de algumas das
sries, seguindo o trabalho de Smets & Wouters (2007), so necessrios ajustes
polinomiais de grau dois que podem ser estimados via mtodo dos mnimos
quadrados ordinrios (regresses lineares mltiplas), para inferir uma curva contnua
de ambas as sries. Por conseguinte, basta aplicar valores fracionados dos
perodos, de maneira a calcular as estimativas em frequncia mais alta.
Estimativas da Populao Economicamente Ativa e da Populao
Total
As estimativas da populao total e da populao economicamente ativa para a
frequncia trimestral foram feitas tomando por base modelos de regresso linear
com tendncia temporal linear e quadrtica, conforme as Figuras G.1 e G.2.
Figura .1 0 )odelo para a Populao 3otal.
Figura .2 0 )odelo Para a Populao Economicamente :tiva.
Ambos os modelos das Figuras G.1 e G.2 tm R
2
superior a 99%, ou seja, so
capazes de explicar mais de 99% da variao da populao em funo do tempo.
130.000.000
140.000.000
150.000.000
160.000.000
170.000.000
180.000.000
190.000.000
200.000.000
P
o
p
u
l
a
o
3
o
t
a
l
:no
5bservado Previso 3e!o "ode!o
50.000.000
55.000.000
60.000.000
65.000.000
70.000.000
75.000.000
80.000.000
85.000.000
90.000.000
95.000.000
100.000.000
1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009
P
o
p
u
l
a
o
E
c
o
n
o
m
i
c
a
m
e
n
t
e
:
t
i
v
a
:no
5bservado Previso 3e!o "ode!o
82
Assim, tendo os modelos estabelecidos, possvel estimar cada uma das
populaes em tempo contnuo. No caso, a frequncia de interesse a trimestral.
Estas estimativas trimestrais so ento consideradas no clculo das demais
variveis macroeconmicas, com o objetivo de tornar as sries analisadas
estacionrias, conforme Smets & Wouters (2007).
83
Apndice H Algoritmo de Soluo dos Modelos em Expectativas
Racionais obtendo Modelos em Espao de Estados
A fim de se retornar ao exemplo aplicado do modelo DSGE bsico j linearizado,
se torna interessante coloc-lo primeiro na forma de espao de estados, conforme
Ellison (2011):
E
t
_
(1 -(1 -o)[) (o -1)(1 -(1 -o)[) (1 -o)(1 -(1 -o)[) -1
u k
u u
1
u
u
u
u u
u u
_
l
l
l
l
z
t+1
k
t+1
n
t+1
c
t+1
1
1
1
1
= _
u u u -1
y (oy +(1 -o)k
(1 -o)y -c
p
1
u
o
u u
-o -1
_
l
l
l
l
z
t
k
t
n
t
c
t
1
1
1
1
Ou, em notao matricial compacta:
E
t
A X
t+1
= B X
t
Por simplificao para fins desta discusso neste trabalho, j que outros autores
como Sims (2000), Klein (2000) e outros j desenvolveram tcnicas igualmente
simples para matrizes singulares, baseadas no problema de autovalores
generalizados das matrizes A e B se assumido que a matriz B invertvel, segue
que o sistema pode ser reescrito como:
E
t
C X
t+1
= X
t
onde:
C = A B
-1
E assim, o objetivo da soluo deste sistema, a obteno de um sistema em
espao de estados, com uma lei de movimento que siga uma recorrncia,
exprimindo os controles em funo das variveis pr-determinadas e exgenas, ao
invs da expectativa racional futura. Essa outra forma a utilizada no algoritmo do
Filtro de Kalman e na Estimao Bayesiana dos modelos.
O algoritmo de Blanchard & Kahn (1980) primeiro divide o vetor X
t
em dois grupos
de variveis: as variveis de controle e as variveis pr-determinadas / exgenas.
No caso deste modelo bsico, as variveis pr-determinadas / exgenas so os
choques de produtividade e o capital, enquanto que as variveis de controle so
consumo e horas trabalhadas, sendo denotadas respectivamente por y
t
e w
t
.
Sendo assim, o modelo assume a seguinte forma:
E
t
C j
w
t+1
y
t+1
[ = j
w
t
y
t
[
O cerne do algoritmo de Blanchard & Kahn (1980) a decomposio de Jordan da
matriz C sob a forma:
C =
-1
z
84
onde z uma matriz diagonal com os autovalores de C e a matriz com os
respectivos autovetores, e a matriz z deve ter um nmero de autovalores menores
do que 1 igual ao nmero de variveis de controle.
Tendo feito a decomposio de Jordan, importante colocar o sistema na seguinte
forma, separando os autovalores absolutos menores do que 1, em uma matriz z
2
e
seus respectivos autovetores, multiplicando as variveis de controle w
t
; e os
autovalores maiores do que 1 em uma matriz z
1
e seus respectivos autovetores
multiplicando o vetor y
t
, tal que:
E
t
_
z
1
u
u z
2
_ _
11
12
21
22
_ j
w
t+1
y
t+1
[ = _
11
12
21
22
_ j
w
t
y
t
[
Simplifica-se a expresso anterior por:
E
t
_
z
1
u
u z
2
_ _
w
t+1
y
t+1
_ = _
w
t
y
t
_
onde:
_
y
t
w
t
_ = _
11
12
21
22
_ j
y
t
w
t
[
Portanto, resolvendo a equao, segue que:
z
1
E
t
w
t+1
= w
t
z
2
E
t
y
t+1
= y
t
Ao resolver a primeira das duas equaes, por inverter a matriz z
2
:
E
t
y
t+]
= (z
2
-1
)
]
y
t
vale notar que se os autovalores contidos em z
2
so menores do que 1, sua inversa
tem valores maiores do que 1, e logo, existe um comportamento explosivo. Para que
no haja tal comportamento explosivo, y
t
= u obrigatoriamente.
Por conseguinte, segue que:
21
y
t
+
22
w
t
= u
Desta relao, se obtm:
y
t
= -
11
-1
12
w
t
J a partir da primeira equao, por inverter a matriz z
1
, existe uma soluo estvel,
e logo:
E
t
w
t+]
= (z
1
-1
)
]
w
t
w
t
=
11
y
t
+
12
w
t
- -
11
21
-1
22
w
t
+
12
w
t
= (
12
-
11
21
-1
22
)w
t
E
t
w
t+]
= (
12
-
11
21
-1
22
)
-1
(z
1
-1
)
]
(
12
-
11
21
-1
22
)w
t
85
Assim se obtm um modelo em espao de estados da seguinte forma:
w
t+1
= (
12
-
11
21
-1
22
)
-1
z
1
-1
(
12
-
11
21
-1
22
)w
t
y
t
= -
11
-1
12
w
t
Para fins de mensurao do sistema, includa uma equao para a observao,
que relaciona os estados com a varivel observvel. No caso do modelo DSGE
bsico, de ciclos de negcios reais, ao observar o PIB, se torna interessante
relacionar a renda com a aplicao do capital e horas trabalhadas, tendo em vista
que o modelo possui uma varivel de choque de produtividade, que explicar o
resduo no explicado pela aplicao dos mencionados insumos.
Portanto, para cada varivel observvel na mensurao do sistema, dever haver
pelo menos uma varivel de choque estocstico para acomodar as componentes
no explicveis pela estrutura endgena do sistema.
Assim, possvel incluir no sistema em espao de estados, a seguinte equao para
observao:
y
t
= _1
o
k
(1 -o)
n
u
_
l
l
l
l
z
t
k
t
n
t
c
t
1
1
1
1
onde tanto a varivel de observao quanto o seu respectivo choque so
acomodados.
86
Apndice I Derivao do Algoritmo do Filtro de Kalman
Seja um processo descrito pelo seguinte sistema de equaes:
x
k+1
= x
k
+w
k
z
k
= Ex
k
+:
k
onde x
k
denota o vetor de variveis de estado, z
k
denota o vetor de variveis
observveis, w
k
e :
k
denotam os vetores de rudo branco sob os quais x
k
e z
k
esto
sujeitos.
No obstante, a matriz de covarincia de w
k
dada por
k
e a matriz de covarincia
de :
k
dada por R
k
.
Por fim, o erro quadrtico mdio das variveis de estado dado por:
c
k
= (x
k
-x
k
)
tal que:
k
= E|c
k
1
c
k
]
A fim de se derivar o sistema de equaes do Filtro de Kalman, deve-se minimizar a
distncia entre o vetor de observaes esperado versus aquele efetivamente
observado, e a partir da, se derivar as demais equaes de atualizao.
Se definido que x
k
seja a estimativa a priori do vetor do valor esperado x
k
, de
maneira que se leve em considerao a correo em relao ao vetor de variveis
observadas versus uma previso inicial:
x
k
= x
k
+K
k
(z
k
-Ex
k
Logo (z
k
-Ex
k
+K
k
(Ex
k
+:
k
-Ex
k
que, por sua vez, ao substituir tal expresso na equao do erro quadrtico mdio
das variveis de estado, se obtm:
c
k
= |x
k
-x
k
+K
k
(Ex
k
+:
k
-Ex
k
] - c
k
= |( -K
k
E)(x
k
-x
k
-K
k
:
k
]
Portanto:
k
= E ]|( -K
k
E)(x
k
-x
k
-K
k
:
k
]|( -K
k
E)(x
k
-x
k
-K
k
:
k
]
1
Como, por hiptese, os erros de medida so descorrelacionados com os choques
sobre as prprias variveis observveis, possvel reescrever a expresso do valor
esperado separando em dois termos.
87
k
= ( -K
k
E)E j(x
k
-x
k
(x
k
-x
k
1
[ ( -K
k
E)
1
+K
k
E|:
k
:
k
1
]K
k
1
Denotando
k
= E j(x
k
-x
k
(x
k
-x
k
1
[, como a estimativa a priori da matriz
k
e
tomando a definio de R
k
, segue que:
k
= ( -K
k
E)
k
( -K
k
E)
1
+K
k
R
k
K
k
1
Se lembrado que a soma dos elementos diagonais de uma matriz o trao dela, no
caso de uma matriz de covarincia, o trao ser a soma dos erros quadrticos
mdios. Assim, minimizar o trao de uma matriz de covarincia igual a minimizar
os erros quadrticos mdios.
Quando a matriz
k
estendida, se obtm:
k
=
k
-K
k
E
k
-
k
E
1
K
k
1
+K
k
(E
k
E
1
+R)K
k
1
Calculando-se o trao de cada um dos termos (lembrando que o trao de uma matriz
transposta igual ao trao da matriz original):
I|
k
] = I|
k
] -2I|K
k
E
k
] +I|K
k
(E
k
E
1
+R)K
k
1
]
Derivando-se em relao a K
k
, segue que:
JI|
k
]
JK
k
= -2(E
k
)
1
+2K
k
(E
k
E
1
+R)
Igualando-se a zero, segue que:
(E
k
)
1
= K
k
(E
k
E
1
+R)
Portanto:
E
1
1
(E
k
E
1
+R)
-1
= K
k
que a expresso da obteno do ganho do Filtro de Kalman. Ao combinar este
resultado com a equao para a matriz
k
, se obtm:
k
=
k
-E
1
1
(E
k
E
1
+R)
-1
E
k
-
k
E
1
E
k
(E
k
E
1
+R)
-1
1
+E
1
1
E
k
(E
k
E
1
+R)
-1
1
que, ao simplificar, equivalente a (lembrando que a matriz
k
simtrica, e logo,
sua transposta igual prpria matriz):
k
=
k
-E
1
1
(E
k
E
1
+R)
-1
E
k
Finalmente, a partir da previso dos estados, tambm possvel obter uma equao
para a estimativa a priori da matriz
k
, dada por
k
.
Ao considerar a equao de previso das variveis de estado, para projet-los:
E|x
k+1
] = E|x
k
+w
k
] - x
k+1
= x
k
88
Por outro lado, a estimativa do erro para o prximo passo, a priori, ser dada por:
c
k+1
= x
k+1
-x
k+1
- x
k
+w
k
-x
k
que, de maneira a se obter uma recorrncia, pode ser reescrita como:
c
k+1
= c
k
+w
k
Por outro lado, pela definio de
k
= E|c
k
1
c
k
], segue que:
k+1
= E|(c
k
+w
k
)
1
(c
k
+w
k
)] - E|(c
k
)
1
(c
k
)] +E|w
k
1
w
k
]
E, portanto, se obtm:
k+1
=
k
1
+
k
que a ltima equao do algoritmo do Filtro de Kalman.
89
Apndice J Testes de Co-integrao entre PIB e Consumo de
Energia
Teste de Raz Unitria para a Varivel Log_PIB.
Teste Aumentado de Dickey-Fuller para Log_PIB
incluindo 2 defasagens de (1-L)Log_PIB
(o mximo foi 2, critrio AIC modificado)
dimenso de amostragem 40
hiptese nula de raiz unitria: a = 1
teste com constante
modelo: (1-L)y = b0 + (a-1)*y(-1) + ... + e
coeficiente de 1 ordem para e: -0,018
diferenas defasadas: F(2, 36) = 1,703 [0,1965]
valor estimado de (a - 1): -0,0261477
estatstica de teste: tau_c(1) = -1,49647
p-valor assinttico 0,5357
5u se:a; endo em visa 1ue a 9i3?ese nu!a > de 1ue 9= raGA uni=ria; e endo um
3'va!or de 0,5357, a s>rie a3resena raGA uni=ria
Teste de Raz Unitria para a Varivel Log_E.
Teste Aumentado de Dickey-Fuller para Log_E
incluindo 2 defasagens de (1-L)Log_E
(o mximo foi 2, critrio AIC modificado)
dimenso de amostragem 40
hiptese nula de raiz unitria: a = 1
teste com constante
modelo: (1-L)y = b0 + (a-1)*y(-1) + ... + e
coeficiente de 1 ordem para e: -0,032
diferenas defasadas: F(2, 36) = 2,581 [0,0896]
valor estimado de (a - 1): -0,00690715
estatstica de teste: tau_c(1) = -0,437909
p-valor assinttico 0,9004
5u se:a; endo em visa 1ue a 9i3?ese nu!a > de 1ue 9= raGA uni=ria; e endo um
3'va!or de 0,9004, a s>rie a3resena raGA uni=ria.
Teste de Cointegrao de Johansen
Test type: maximal eigenvalue statistic (lambda max) , without linear trend
and constant in cointegration
Eigenvalues (lambda):
[1] 4.450445e-01 1.146886e-01 -5.496713e-15
Values of teststatistic and critical values of test:
test 10pct 5pct 1pct
r <= 1 | 4.99 7.52 9.24 12.97
r = 0 | 24.14 13.75 15.67 20.20
90
Eigenvectors, normalised to first column:
(These are the cointegration relations)
Log_PIB.l2 Log_E.l2 constant
Log_PIB.l2 1.000000 1.000000 1.000000
Log_E.l2 -1.052114 -1.078896 -1.481031
constant 10.778470 11.298030 15.978011
Weights W:
(This is the loading matrix)
Log_PIB.l2 Log_E.l2 constant
Log_PIB.d -0.3379937 0.009602511 -1.543640e-12
Log_E.d -0.1997001 0.061661355 -6.891806e-13
Porano; a 3arir das re!a,es de #o'ine(ra,o norma!iAadas 3ara #ada 1C 1ue
o PI& varia; o #onsumo de ener(ia varia em 1;05C.
91
Anexo A Descrio dos Parmetros do Modelo de Smets &
Wouters (2007)
Smbolo Descrio do Parmetro
- Parmetros fixos na estimao
[ fator de desconto intertemporal
o taxa de depreciao
z
w
mark up no mercado de trabalho
g
p
parmetro de curvatura na agregao da restrio dos produtores finais
w
parmetro de curvatura do mercado de trabalho
- Parmetros estimados do comportamento dos agentes
o participao do capital na funo de produo
y crescimento das variveis reais em estado estacionrio
o
c
elasticidade intertemporal do consumo
p
participao dos custos fixos na produo
elasticidade do custo de ajustamento do capital
z parmetro de formao de hbito
w
parmetro de Calvo de salrios
p
parmetro de Calvo de preos
o
x
elasticidade de substituio da oferta de trabalho em relao ao salrio
t
w
grau de indexao dos salrios
t
p
ndice de indexao inflao passada
funo positiva da elasticidade do custo de utilizao do capital
- Parmetros da regra de juros
r
n
coeficiente da inflao corrente na regra de juros da poltica monetria
p coeficiente dos juros passados na regra de poltica monetria
r
A
coeficiente da taxa de crescimento do produto na regra de poltica monetria
- Parmetros de tendncia
B
c
t
+i
i
t
+z
z
t
+e
t
g
c
t
= c
1
c
t-1
+(1 -c
1
)E
t
c
t+1
+c
2
(l
t
-E
t
l
t+1
) -c
3
(r
t
-E
t
n
t+1
+e
t
b
i
t
= i
1
i
t-1
+(1 -i
1
)E
t
i
t+1
+i
2
q
t
+e
t
q
t
= q
1
E
t
q
t+1
+(1 -q
1
)E
t
r
t+1
k
-(r
t
-E
t
n
t+1
+e
t
b
k
t
s
= k
t-1
+z
t
z
t
= z
1
r
t
k
k
t
= k
1
k
t-1
+(1 -k
1
)i
t
+k
2
e
t
p
t
w
= w
t
-mrs
t
= w
t
-
`
o
t
l
t
+
1
1 -
z
y
c
t
-
z
y
c
t-1
w
t
= w
1
w
t-1
+(1 -w
1
)(E
t
w
t+1
+E
t
n
t+1
) -w
2
n
t
+w
3
n
t-1
+w
4
p
t
w
+e
t
w
p
t
p
= w
t
-mpl
t
= w
t
-o(k
t
s
-lt) +e
t
u
r
t
k
= -(k
t
s
-l
t
) +w
t
n
t
= n
1
n
t-1
+n
2
E
t
n
t+1
-n
3
p
t
p
+e
t
p
onde:
c
1
=
z
y
1 +
z
y
, c
2
= _
(o
c
-1)
w
-
h
I
-
C
-
o
c
[1 +
z
y
_ , c
3
=
1 -
z
y
o
c
[1 +
z
y
i
1
=
1
1 +[y
(1-c
c
)
, i
2
= _
1
(1 +[y
(1-c
c
)
)y
2
_
q
1
= [y
-c
c
(1 -o) =
1 -o
r
-
k
+(1 -o)
z
1
=
1 -
k
1
=
1 -o
y
, k
2
= (1 -k
1
)
1
i
2
94
n
1
=
1
1 +[y
(1-c
c
)
t
p
, n
2
= n
1
[y
(1-c
c
)
, n
3
= n
1
1 -[y
(1-c
c
)
p
(1 -
p
p
[(
p
-1e
p
+1
w
1
=
1
1 +[y
(1-c
c
)
, w
2
= w
1
(1 +[y
(1-c
c
)
t
w
, w
3
= w
1
t
w
,
w
4
= w
1
1 -[y
(1-c
c
)
w
(1 -
w
)
w
((z
w
-1)e
w
+1