Você está na página 1de 22

003

REA 4
2 EDIO PREMIO
MINISTRIO DA FAZENDA
DE ECONOMIA
EXPECTATIVAS DE INFLAO E
RIGIDEZ DE INFORMAO
NO BRASIL
EXPECTATIVAS DE INFLAO E RIGIDEZ DE INFORMAO NO BRASIL
Sarah Bretones de Paula

Mrcio Issao Nakane

RESUMO
Apesar de utilizar amplamente a hiptese de expectativas racionais com informao completa nos modelos
macroeconmicos, parte da literatura sempre enfatizou que os agentes econmicos tipicamente encontram
frices e limitaes ao adquirir e processar informao. Os modelos de rigidez de informao surgem
como uma alternativa atraente por sua capacidade de explicar atributos dos dados de expectativas, em es-
pecial a existncia de divergncia entre as previses individuais dos agentes. Nesse trabalho, usamos dados
brasileiros de expectativas de inao, tanto para prossionais de mercado quanto para consumidores, de
forma a testar as predies de duas classes de modelos de rigidez informacional: (i) sticky information e
(ii) imperfect information. possvel distinguir entre essas duas classes de modelos porque ambas fazem
predies conitantes em termos das respostas dos momentos condicionais das expectativas, isto , aps
um choque econmico fundamental. Ao realizar tais experimentos, no encontramos evidncias que dem
suporte a rigidez de informao, ao menos da forma colocada por esses modelos. Tambm no encontra-
mos evidncias a favor de um modelo no qual os agentes tm informao completa, mas diferentes funes
perda em relao a erros de previso. De forma surpreendente, os mesmos resultados so encontrados para
prossionais de mercado e consumidores.
Palavras-chave: Expectativas, Rigidez de Informao, Inao, Macroeconomia
ABSTRACT
Despite assuming full-information rational expectations, part of macroeconomic literature has emphasized
that agents typically face frictions and constraints in acquiring and forming expectations. Information
rigidities models stand for an appealing alternative, since they are capable of explaining key features of
survey expectations data such as disagreement in forecasts between agents. In this work, we use ination
expectations data for professional forecasters and consumers in order to test the predictions of two classes
of information rigidities models: (i) sticky information and (ii) imperfect information. One can distinguish
between these two classes because they yield conicting predictions about the conditional responses of
forecast moments to fundamental economic shocks. In performing the tests, we are not able to nd evidences
that support information rigidities, at least not in the setting suggested by these models. Likewise, we do
not nd support to a model in which agents have full-information, but heterogeneous loss functions about
forecast errors. Surprisingly, we nd the same results for professional forecasters and consumers.
Keywords: Expectations, Information Rigidities, Ination, Macroeconomics
Cdigo JEL: D83, D84, E3
Classicao Anpec: rea 4 Macroeconomia, Economia Monetria e Finanas

MCM Consultores Associados(sarahbretones@gmail.com)

Professor, Departamento de Economia, Universidade de So Paulo (minakane@usp.br)


1 INTRODUO
H dcadas os economistas concordam que os resultados econmicos dependem crucialmente das expecta-
tivas dos agentes sobre o futuro. A formao de expectativas uma parte integrante do processo de tomada
de deciso por consumidores, rmas e instituies pblicas e privadas. Por isso, as expectativas tm desem-
penhado um papel central nos principais modelos macroeconmicos. No entanto, como os agentes formam
essas expectativas tem sido uma das mais debatidas questes em macroeconomia, sem contudo alcanar um
consenso.
Nas ltimas dcadas, a hiptese de expectativas racionais se consolidou como modelo dominante de for-
mao de expectativas. Segundo essa abordagem, no apenas os agentes econmicos so racionais como
tambm detm as mesmas crenas corretas sobre a estrutura da economia e tm acesso instantneo e isento
de custo aos mais recentes dados econmicos. Cada agente combina esses dados ao modelo macroecon-
mico verdadeiro para obter uma previso sobre a trajetria das variveis econmicas.
Mesmo com o advento das expectativas racionais, alguns trabalhos continuaram a enfatizar que os agentes
enfrentam frices ao adquirir e processar a informao. No entanto, apesar desse interesse nos problemas
de informao enfrentados pelos agentes, a maior parte dos modelos macroeconmicos atuais assume ex-
pectativas racionais com informao completa. Nesse sentido, o ressurgimento do interesse no processo de
formao de expectativas pode ser atribuido a falhas nesses modelos.
Por exemplo, Mankiw e Reis (2002) argumentam que a resposta defasada da inao a choques de pol-
tica monetria observada nos dados no obtida por modelos novo-keynesianos sem a adio de rigidez
informacional ou a suposio de indexao de preos. Para o caso brasileiro, Carvalho e Minella (2009)
analisam os dados de expectativas de inao 12 meses frente. Os autores constatam que as expectati-
vas de inao so no viesadas, mas inecientes, no sentido de que no fazem uso de toda a informao
macroeconmica disponvel.
Desviando-se da hiptese de informao completa, a literatura de rigidez de informao lida com modelos
nos quais os agentes, formadores de expectativas racionais, esto sujeitos a alguma fonte de rigidez infor-
macional. No entanto, existe pouco consenso sobre qual o melhor mtodo de modelar a aquisio e o
processamento de informaes pelos agentes, pois a evidncia emprica contra a hiptese de informao
completa escassa. De toda forma, a existncia de divergncia entre as previses de diferentes agentes,
chamada de disagreement pela literatura, continua sendo a principal motivao para os modelos de rigidez
informacional.
Existem duas classes principais de modelos: (a) modelos com informao perfeita, mas no ajustada fre-
quentemente (sticky information), e (b) modelos com informao imperfeita, isto , em que os agentes no
podem observar o estado da natureza completamente, devendo portanto basear sua crena sobre esse estado
em variveis observveis (imperfect information).
Omodelo de sticky information, formalizado por Mankiwe Reis (2002) enquadra-se na primeira classe. Sua
idia central a de que os custos de adquirir e processar informao levam os agentes a no atualizarem seu
conjunto informacional frequentemente. Nesse modelo, a cada perodo do tempo, apenas uma frao da
populao se atualiza sobre o estado corrente da economia, ao passo que o resto da populao continua com
planos pr-existentes. Com isso, o modelo pode gerar inao inercial em resposta a choques monetrios e
heterogeneidade das expectativas dos agentes.
Na segunda classe de modelos, categorizada como informao imperfeita, destacam-se os modelos de Wo-
odford e de Sims. Em Woodford (2001), os agentes observam apenas um sinal confuso a respeito do estado
corrente da natureza e atualizam continuamente suas crenas sobre esse estado medida em que novos
sinais se tornam disponveis. Sims (2003), por sua vez, argumenta que os agentes tm capacidade limitada
de processamento da informao, devendo decidir endogenamente a alocao de sua ateno entre as vari-
veis disponveis. A abordagem de Sims implica, por exemplo, que rmas prestaro mais ateno a choques
mais volteis ou com maior impacto sobre os lucros, ajustando seus preos mais rapidamente aps esses
1
choques.
Sendo assim, esse trabalho procura responder s seguintes perguntas: os agentes econmicos tm informa-
o completa? Caso no, qual o modelo mais adequado de rigidez informacional para o Brasil?
Para responder a essas questes, utilizamos a metodologia proposta por Coibion e Gorodnichenko (2012).
Obtemos medidas de mdia e disperso de expectativas de inao tanto para prossionais de mercado, atra-
vs da pesquisa Focus, do Banco Central, como para consumidores, atravs da Sondagem do Consumidor
da Fundao Getlio Vargas (FGV). Ento, estudamos as respostas condicionais dos erros de expectativa e
da disperso das previses a certos choques estruturais identicados. Essa estratgia emprica se justica
porque as duas classes de modelos de formao de expectativas geram restries nas funes resposta a
impulso que podem ser usadas para testar a validade desses modelos. Aps um choque estrutural, esses
modelos predizem que a resposta do erro de previso mdio entre os agentes deve ser serialmente correla-
cionada, convergindo para zero ao longo do tempo, e ter o mesmo sinal da inao.
Alternativamente s duas classes de modelos supracitadas, testamos as predies de um modelo de aver-
so heterognea a perdas, como Capistrn e Timmermann (2009). Segundo essa abordagem, apesar de
deter informao completa, os agentes tm funes perda com diferentes assimetrias em relao aos erros
de previso. A insero desse tipo de modelo se justica por sua capacidade de gerar erros de previso
condicionais correlacionados e disagreement entre os agentes, podendo se constituir em uma explicao
alternativa aos modelos de rigidez informacional.
Quando realizamos os experimentos com os momentos das expectativas de inao, no encontramos evi-
dncias que dem suporte a modelos de rigidez de informao para os prossionais de mercado. Em par-
ticular, aps um choque econmico estrutural, os erros de previso no se mostram autocorrelacionados,
como esses modelos prevem. As evidncias a respeito da disperso condicional das expectativas so mis-
tas, de tal forma que no podemos armar que o chamado disagreement entre os agentes aumente aps um
choque. Tampouco encontramos evidncias favorveis a um modelo de averso a perda heterognea entre
os agentes, explicao alternativa presena de rigidez de informao. Surpreendentemente, encontramos
os mesmos resultados para os consumidores, ainda que de forma menos robusta.
Este trabalho composto de seis outras sees, alm desta introduo. A segunda seo apresenta os mo-
delos de rigidez informacional testados neste trabalho. A terceira seo explicita a metodologia empregada.
A quarta seo discute a literatura e os esquemas de identicao dos choques estruturais usados na estra-
tgia emprica. Na quinta seo, discutimos brevemente as pesquisas de expectativas de inao utilizadas.
Por m, a sexta seo descreve os resultados obtidos, enquanto que a ltima seo apresenta as principais
concluses do trabalho.
2 MODELOS DE RIGIDEZ INFORMACIONAL
Nessa seo apresentamos as duas classes de modelos de rigidez de informao tratadas nesse trabalho,
assim como suas implicaes para as sries econmicas. A derivao das propriedades das previses em
resposta a um choque estrutural, as quais discutimos aqui, podem ser encontradas em Coibion e Gorod-
nichenko (2012). Antes, vale ressaltar as duas classes de modelos so consistentes com divergncias de
crenas entre os agentes e com respostas diferentes da inao a choques distintos.
2.1 Sticky Information
No modelo de sticky information de Mankiw e Reis (2002), assumimos que os agentes podem se atualizar
apenas de forma infrequente, seguindo um processo la Calvo.
1
Quando se atualizam, os agentes obtm in-
1
Como racionalizado posteriormente pelos autores, essa a escolha tima de consumidores e rmas que enfrentam custos
xos de adquirir e processar novas informaes.
2
formao completa sobre os estados presente e passado da economia e formam expectativas racionalmente.
Em qualquer momento do tempo, uma frao de agentes estar com seu conjunto de informao desatuali-
zado, com expectativas e aes baseadas em informaes antigas. A probabilidade constante de um agente
no se atualizar em qualquer perodo dada por [0, 1]. Agentes que se atualizam no mesmo perodo tm
as mesmas crenas e previses a respeito das variveis econmicas. Isso gera uma distribuio de conjuntos
de informao entre agentes baseada na ltima data em que eles adquiriram novas informaes.
Formalmente, suponha que a inao seja a varivel de interesse e siga um processo AR(1) da forma

t
=
t1
+w
t
, em que w
t
representa uma sequncia de choques. Ento, a funo resposta a impulso da
inao no perodo t +k, k 0, a um choque em t
d
t+k
dw
t
=
k
.
Para cada indivduo i, denotamos a previso tima no perodo t para a inao h perodos frente como

t+h|t
(i) = E(
t+h
|I
t
). A previso mdia entre os agentes no perodo t para a inao h perodos frente,

t+h|t
, nada mais do que a mdia das expectativas dos agentes que se atualizaram em diferentes perodos,
ponderadas pela probabilidade de atualizao em cada perodo:

t+h|t
= (1)E
t

t+h
+(1)E
t1

t+h
+
2
(1)E
t2

t+h
+... = (1)

k=0

k
E
tk

t+h
Desenvolvendo esse termo, pode-se mostrar que a previso mdia depende da resposta mdia da inao,
pois, quando os agentes se atualizam, adquirem informao completa. Dessa forma, aps um choque ina-
cionrio, a previso mdia cresce junto com a inao. No entanto, devido rigidez de informao, o valor
previsto para a inao subestimado pela previso mdia, embora ao longo do tempo as previses mdias
convirjam para o valor verdadeiro.
Os erros mdios de previso so dados pela a diferena entre a inao ex-post e a previso mdia. Pode-se
facilmente vercar que a resposta do erro de previso a um choque em t dada por:
dFE
t+j,t+j+h
dw
t
=
j+h

j+1
= (
d
t+j+h
dw
t
)
j+1
A resposta do erro de previso depende tanto da resposta da inao ao choque quando do grau de rigidez
de informao. Quanto maior , mais persistentes so os erros de previso condicionais. Por outro lado, no
caso de informao completa, em que os agentes sempre atualizam seu conjunto de informao ( = 0), o
erro mdio de previso nulo.
Uma propriedade adicional que a convergncia do erro de previso independente da volatilidade do
choque. A resposta do erro de previso normalizada pela resposta da inao (
dFE
t+j,t+j+h
/dw
t
d
t+j+k
/dw
t
) monoto-
nicamente decrescente, e dirigida apenas por . Disso resulta que dois choques diferentes devem gerar as
mesmas taxas de convergncia dos erros de previso. Intuitivamente, porque quando os agentes se atuali-
zam obtm informao completa, o erro de previso depender apenas do tempo entre os ajustes, e no do
tipo de choque incidente sobre a economia.
A ltima predio do modelo diz respeito disperso das expectativas entre os agentes. Coibion e Gorod-
nichenko (2012) mostram que a disperso das expectativas de inao aumenta em resposta a um choque,
independente de seu sinal (inacionrio ou desinacionrio). No caso de informao completa ( = 0),
no h divergncia entre os agentes. Ao longo do tempo, no entanto, a disperso retorna a seu valor de
steady-state, zero.
Portanto, so trs as predies do modelo de sticky information: (i) os erros de previso condicionais a
um choque respondem com o mesmo sinal da varivel prevista e convergem para zero ao longo do tempo;
(ii) a taxa de convergncia dos erros de previso normalizados comum entre os choques econmicos;
(iii) a disperso das expectativas aumenta aps um choque, independentemente deste ser inacionrio ou
desinacionrio.
3
2.2 Imperfect Information
Em modelos de informao imperfeita, os agentes no podem observar o estado corrente perfeitamente,
devendo formar uma crena com base em variveis observveis. Os agentes ltram o estado da economia
a partir de uma srie de sinais contaminados com rudos tanto idiossincrticos quanto comuns aos agen-
tes. Aqui, ao contrrio do sticky information, os agentes acompanham as variveis de forma contnua e
incorporam a informao mais recente em suas decises.
Suponha que os agentes observem sinais da inao z
it
= [y
it
s
t
]

, com y
it
=
t
+
it
e e s
t
=
t
+
t
, em que

t
a inao efetiva,
it
iid N(0,
2

) corresponde a um choque especco ao agente e


t
iid N(0,
2

)
um choque comum entre os agentes.
Suponha tambm, sem perda de generalidade, que a inao siga um processo AR(1)
t
=
t1
+
t
, em
que
t
iid N(0,
2

). Denotamos a previso tima para a inao em t dada a informao do agente i no


perodo k por
t|k
(i). Analogamente, a previso tima para o vetor de estado dada por z
t|k
(i).
Ento, podemos colocar esse sistema na forma espao-estado da seguinte forma:

t
=
t1
+
t
(Equao de Estado)
z
it
=
t
+u
it
(Equao de Medida)
em que u
it
= [
it

t
]

.
Usando as propriedades do ltro de Kalman, pode-se mostrar que previso mdia se move na mesma direo
que a inao em resposta a um choque w
t
, mas subestima o efeito do choque sobre a varivel prevista. Isso
se deve rigidez de informao. Assim como na classe de sticky information, esse modelo prev que os
erros de previso sejam autocorrelacionados e se movam na mesma direo da previso mdia. Em resposta
a um choque w
t
, o erro converge para zero ao longo do tempo.
Portanto, a resposta condicional do erro de previso segue o mesmo padro do que sob sticky informa-
tion. Note que, no caso de informao perfeita, o erro de previso nulo. Da mesma forma, a resposta
normalizada do erro de previso depende apenas do grau de rigidez de informao.
Se derivarmos o processo para a disperso das previses entre os agentes, veremos que, como a disperso
no depende da inao, choques fundamentais nessa varivel no afetam a disperso das expectativas.
Intuitivamente, porque os agentes se atualizam continuamente, a diferena em suas previses se deve ape-
nas ao componente informacional idiossincrtico,
it
; como a disperso desses componentes no varia em
resposta a choques em
t
, a disperso das expectativas no responde a
t
.
Como principal diferena em relao ao sticky information, esse modelo permite que haja uma resposta
diferencial dos agentes a diferentes choques fundamentais. Assim, por exemplo, agentes podem reagir
rapidamente a choques na tecnologia mas aprender lentamente sobre o estado da poltica monetria. Se
a funo utilidade de um agente for mais sensvel a certos tipos de choques estruturais, pode-se mostrar
que a reao a esses tipos mais forte. Portanto, a velocidade de resposta pode variar entre os choques
fundamentais.
2
Sumarizando, so trs as predies do modelo de imperfect information: (i) os erros de previso condicio-
nais a um choque respondem com o mesmo sinal da varivel prevista e convergem para zero ao longo do
tempo; (ii) a taxa de convergncia dos erros de previso normalizados pode ser diferente entre os choques
econmicos; (iii) a disperso das expectativas no aumenta aps um choque.
Podemos incorporar uma srie de modicaes ao modelo bsico de imperfect information. Entre elas se
destacam:
1. Interao Estratgica entre os agentes: no caso em que os agentes tm incentivos em no se desviar
da previso mdia, como em Morris e Shin (2002).
2
Ver, por exemplo, Ma ckowiak e Wiederholt (2010).
4
2. Heterogeneidade nas mdias de longo prazo: quando os previsores tm diferentes crenas sobre o
comportamento de longo prazo da varivel prevista, como Patton e Timmermann (2010).
3. Heterogeneidade na preciso dos sinais: se os agentes recebem sinais de diferentes precises, de
forma que haja divergncia na interpretao de um mesmo sinal.
A utilizao de verses modicadas do modelo bsico que levam em conta esses atributos no altera subs-
tancialmente as predies do modelo original. A nica exceo feita ao caso (3), o qual gera resposta
positiva da disperso das expectativas em resposta a qualquer tipo de choque.
Resumo das Predies dos Modelos
A tabela a seguir mostra as predies dos modelos em relao aos momentos condicionais das previses,
as quais sero testadas ao longo do restante do trabalho. Adicionalmente aos modelos de rigidez de in-
formao consideramos tambm, de forma alternativa, as predies de um modelo de averso heterognea
a perdas, como Capistrn e Timmermann (2009). Essa incluso nos testes se justica pela possibilidade
desse modelo se constituir em uma explicao alternativa aos modelos de rigidez informacional para erros
de previso condicionais correlacionados e disagreement entre os agentes. Segundo esse modelo, apesar de
deter informao completa, os agentes teriam funes de perda com diferentes assimetrias em relao aos
erros de previso.
Tabela 1: Predies condicionais de diferentes modelos
Informao Sticky Imperfect Averso heterognea
Completa Information Information a perdas
Resposta Sem Mesma direo da Mesma direo da Sempre positiva ou
dos erros resposta varivel prevista, varivel prevista, negativa, converge
de previso converge para zero converge para zero para zero
Convergncia dos Imediata Gradual, Gradual, taxa pode Gradual,
erros de previso mesma taxa entre diferir entre mesma taxa entre
normalizados os choques os choques os choques
Resposta da disperso Sem Positiva Sem Positiva
das previses resposta resposta
3 METODOLOGIA
Na seo anterior, vimos que as classes de modelos de rigidez informacional considerados fazem diferentes
predies a respeito da resposta dos momentos das expectativas de inao a choques estruturais. Para
testar essas predies, conduziremos tais experimentos com os dados brasileiros de expectativas de ina-
o. Como as predies feitas pelos modelos so em termos das respostas condicionais das sries, isto ,
respostas aps choques fundamentais, um ponto crucial do exerccio corresponde escolha e estimao de
choques econmicos, discutidos na prxima seo.
O experimento envolve duas etapas: usamos os choques estruturais estimados na primeira etapa para anali-
sar, em um segundo passo, a funo resposta a impulso da inao a cada choque, assim como as respostas
do erro de previso mdio e da disperso das previses. Dessa forma, podemos comparar as predies dos
dois modelos de rigidez informacional. Adicionalmente, analisamos a resposta do erro de previso ao valor
absoluto dos choques, para avaliar se, alternativamente, erros de previso autocorrelacionados poderiam
advir de um modelo de averso heterognea a perdas.
A primeira predio dos modelos de rigidez informacional de que os erros de previso condicionais
respondem com o mesmo sinal da resposta da inao ao choque e convergem para zero ao longo do
tempo. Para testar essa proposio, inicialmente regredimos a inao acumulada em 12 meses contra os
choques. Para cada tipo de choque estrutural
s
, estimada a equao:
5

t,t12
= c +
K

k=1

tk,t12k
+
J

j=0

s
tj
+u
t
,
em que
t,t12
corresponde inao acumulada em 12 meses. As defasagens K e J, aqui e nas equaes
seguintes, so escolhidas de acordo com o critrio de Schwartz (BIC) para um mximo de 8 defasagens.
3
Com os coecientes estimados, calculamos a funo resposta a impulso da inao acumulada a cada
choque. No entanto, exclumos o primeiro ano dessas respostas, j que os agentes prevem a inao 12
meses frente.
Se de fato os agentes estiverem sujeitos a alguma fonte de rigidez informacional, esperamos observar erros
de previso condicionais persistentes. Do contrrio, sob a hiptese de expectativas racionais com informa-
o completa, as previses devem se ajustar aos choques no mesmo montante que a inao efetiva. Para
testar tal proposio, estimamos para cada choque estrutural a equao:
FE
t,t12|t
= c +
K

k=1

k
FE
tk,t12k|t
+
J

j=0

s
tj
+u
t
,
em que FE
t,t12
=
t,t12

t,t12|t
corresponde ao erro de previso, a diferena entre a inao reali-
zada e a mdia das previses. Assim como nas equaes anteriores, exclumos os 12 primeiros meses da
funo resposta a impulso, pois, como as previses so feitas para os prximos 12 meses, os choques so
observados e incorporados pelos agentes apenas aps esse perodo.
Caso observemos persistncia do erro de previso, isto , caso essa varivel apresente respostas condicionais
estatisticamente signicantes, testaremos se a taxa de convergncia a mesma entre os choques. Como
derivado na seo anterior, o modelo de sticky information prev que os erros de previso convirjam
mesma taxa para todos os choques, ao passo que o imperfect information comporta respostas diferenciais
para diferentes tipos de inovaes. Analogamente, para testar a explicao alternativa proposta por modelos
de averso heterognea a perdas, estimamos a equao:
FE
t,t12|t
= c +
K

k=1

k
FE
tk,t12k|t
+
J

j=0

j
|
s
tj
| +u
t
,
em que |
s
| representa o valor absoluto de cada choque estrutural. Outra predio diz respeito disperso
das expectativas aps um choque. Usamos a resposta condicional da disperso das previses individuais
para testar se, como previsto por alguns modelos, um choque econmico gera aumento da divergncia entre
os agentes. Novamente, para cada srie de choques
s
estimada a equao:

t+12,t|t
= c +
K

k=1

t+12k,tk|
+
J

j=0

j
|
s
tj
| +u
t
,
em que
t+12,t|t
= (
i
t+12,t|t
) corresponde ao desvio-padro das expectativas individuais. Note que usa-
mos o valor absoluto dos choques, pois o modelo de sticky information prev aumento da varincia das
estimativas em resposta a qualquer tipo de choque, inacionrio ou desinacionrio.
3
Escolhemos esse valor mximo devido ao tamanho reduzido da amostra, embora os resultados no se alterem substancial-
mente com a escolha de valores diferentes.
6
4 CHOQUES ESTRUTURAIS
Esta seo trata da denio e identicao dos choques econmicos estruturais utilizados neste trabalho.
Inicialmente, selecionamos quatro tipos de choques fundamentais: de poltica monetria, de tecnologia, de
petrleo e de conana, baseados em Coibion e Gorodnichenko (2012). Adicionalmente, consideramos
choques fundamentais adicionais citados pela literatura, que, devido a sua no-linearidade, no necessitam
da utilizao de esquemas de identicao.
4.1 Choques de poltica monetria
Com base em Christiano et al. (1999), estimamos os parmetros da regra de feedback do Banco Central, isto
, a regra que relaciona movimentos no instrumento de poltica monetria ao estado da economia. Como
estratgia de identicao, supomos que o choque de poltica monetria ortogonal s variveis dessa regra
(hiptese de recursividade): as variveis no instante t do conjunto de informao do Banco Central no
respondem realizao de um choque monetrio no mesmo perodo.
Formalmente, como regra de poltica monetria, assumimos que o Banco Central xa o instrumento de
poltica monetria de acordo com a equao S
t
= f
t
+
s

s
t
, em que S
t
o instrumento de poltica monetria
e f uma funo que relaciona S
t
ao conjunto de informao sobre o estado da economia no perodo t, a
chamada regra de feedback. A varivel aleatria
s

s
t
corresponde ao choque de poltica monetria, isto ,
a parte no sistemtica da variao do instrumento.
4
Para formalizar as implicaes da hipotse de recursividade, considere o vetor de k variveis Z
t
= (X
1t
S
t
X
2t
)

,
em que X
1t
corresponde s k
1
variveis cujos valores contemporneos aparecem no conjunto de informa-
o, X
2t
corresponde s variveis que aparecem com defasagem no conjunto de informao e S
t
o prprio
instrumento de poltica monetria.
A hiptese de recursividade restringe A
0
, a matriz de relaes contemporneas entre as variveis , da se-
guinte forma:
A
0
=

a
11
k
1
k
1
0
k
1
1
0
k
1
k
2
a
21
1k
1
a
22
11
0
1k
2
a
31
k
2
k
1
a
32
k
2
1
a
33
k
2
k
2

Os zeros na linha do meio reetem a suposio de que o formulador de poltica econmica no v X


2t
quando o instrumento xado. Os zeros na primeira linha da matriz reetem a suposio de que o choque
de poltica monetria ortogonal aos elementos em X
1t
. Esses dois blocos equivalem aos dois canais pelos
quais um choque de poltica monetria poderia afetar as variveis em X
1t
: o efeito direto do instrumento
sobre essas variveis e o efeito indireto que opera via o impacto do choque sobre as variveis em X
2t
.
A hiptese de recursividade no suciente para identicar todos os parmetros da forma estrutural, isto
, os elementos de A
0
. No entanto, suciente para identicar a resposta dinmica do vetor de variveis
Z
t
a um choque de poltica monetria. Christiano et al. (1999) mostram que a famlia de matrizes A
0
que
satisfazem a hiptese de recursividade no-vazia e cada membro dessa famlia gera a mesma resposta
dinmica das variveis em Z
t
a um choque de poltica monetria. Alm disso, uma das matrizes dessa
famlia uma matriz triangular inferior com termos positivos em sua diagonal. Os autores provam que, se
escolhemos sempre essa matriz triangular inferior, a resposta de Z
t
a um choque de poltica monetria
invariante ordenao das variveis dentro dos conjuntos X
1t
e X
2t
.
Estimao
Consideramos como instrumento de poltica monetria a taxa de juros xada pelo Banco Central, isto ,
4
H trs principais interpretaes para esse choque: (i) choque exgeno nas preferncias da autoridade monetria, (ii) ajuste
do instrumento de forma a evitar o custo social da autoridade monetria se desviar das expectativas dos agentes e (iii) erro de
medida nos dados preliminares do Banco Central.
7
a taxa Selic
5
, pelo argumento institucional de que esta corresponde ao principal instrumento em mos da
autoridade monetria. De forma similar a Christiano et al. (1999), nossa especicao do conjunto de
informao do Banco Central inclui o log do PIB real e a variao percentual de um ndice de preos, alm
de suas defasagens. Como em Minella (2003), usamos como medida de inao o IGP-DI (ndice Geral
de Preos - Disponibilidade Interna), da FGV
6
. Controlamos o price puzzle, isto , resposta positiva da
inao a choques monetrios contracionistas, a partir da insero da taxa de cmbio, que capta o efeito
dos preos de importados sobre a inao. Em nossa especicao, X
2t
, o vetor de variveis que aparecem
com defasagem no conjunto de informao, contm apenas M1.
Para clculo do PIB real, ajustamos a srie de PIB mensal (Banco Central) atravs do IPCA (IBGE). Como
j mencionado, utilizamos o IGP-DI, srie mensal divulgada pela FGV. Por m, usamos a taxa de juros selic,
a taxa de cmbio (comercial-compra) e M1, divulgados pelo BCB. Todas as sries foram dessazonalizadas.
Foi estimado um VAR no nvel com 3 defasagens para para PIB real, IGP-DI, taxa de cmbio, M1 e taxa
Selic. Vale ressaltar que os resultados so robustos presena de M1 e da taxa de cmbio. Na gura 1, so
exibidas as funes de resposta a um choque de poltica monetria.
Figura 1: Resposta a um choque de poltica monetria
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a impulso baseadas em um VAR com 3 defasagens
para log de PIB real, IGP-DI, log da taxa de cmbio, taxa Selic e log de M1. Foram includas constante e tendncia linear. O
perodo da amostra 2000:01-2012:05. As linhas tracejadas correspondem a intervalos de conana de 95% construdos por
Monte Carlo.
As respostas das variveis ao choque de poltica monetria so consistentes com o consenso existente na
literatura. Em resposta ao choque na Selic, a taxa de inao cai lentamente, alcanando seu valor mais
baixo cerca de 7 meses mais tarde, assimcomo M1. OPIBReal temqueda acelerada, revertendo a tendncia
aps 7 meses. O impacto na taxa de cmbio negativo aps os primeiros meses, mas pode ser considerado
estatisticamente igual a zero em todos os perodos.
4.2 Choques de tecnologia
Usamos a estratgia de identicao de choques tecnolgicos proposta por Gal (1999). De modo a avaliar
empiricamente a validade de duas classes de modelos com diferentes implicaes a respeito da resposta
de produtividade e horas a cada tipo de choque, o autor estima uma decomposio dessas variveis em
5
Usamos a taxa Selic efetiva ao invs da meta estipulada pelo Comit de Poltica Monetria (Copom).
6
Essa escolha se deve ao price puzzle, isto , um aumento da inao em resposta a um choque positivo na taxa Selic, gerado
em especicaes que utilizam o IPCA
8
componentes de tecnologia e no-tecnologia. Para identicar choques tecnolgicos e no tecnolgicos,
usamos uma restrio de longo-prazo que satisfeita por um amplo leque de modelos. Sob certas hipteses,
satisfeitas tanto por modelos RBC quanto por modelos com rigidez nominal, Gal (1999) mostra que apenas
choques de tecnologia podem ter um efeito permanente no nvel de produtividade do trabalho.
Interpretamos as variaes no log da produtividade do trabalho (x
t
) e no log do nmero de horas trabalhadas
(n
t
) como causadas por dois tipos de choque, ortogonais entre si: choques tecnolgicos e no-tecnolgicos.
Assim, a partir de um modelo VAR estrutural, temos a seguinte representao de mdias mveis estrutural:

x
t
n
t

C
11
(L) C
12
(L)
C
21
(L) C
22
(L)


z
t

m
t

=C(L)
t
Em que
z
e
m
denotam os choques tecnolgicos e no-tecnolgicos, respectivamente. A hiptese de iden-
ticao de que a raiz unitria na produtividade se origina apenas nos choques de tecnologia corresponde a
assumir que a matriz de coecientes de longo prazo, C(1), triangular inferior. Ou seja, C
12
(1) = 0. Note
que permitimos que ambos os choques tenham efeitos permanentes no nvel de horas.
Estimao
Para compor a srie de horas totais trabalhadas no Brasil, zemos uso de duas pesquisas nacionais. A
primeira foi a PME, Pesquisa Mensal de Emprego, do IBGE, da qual obtivemos a mdia de horas habitual-
mente trabalhadas por semana por trabalhador e a populao ocupada. Com essas duas sries, construmos
uma srie de horas totais trabalhadas por ms na PME. No entanto, essa pesquisa abrange apenas regies
metropolitanas, no sendo representativa para o Brasil.
7
De forma a corrigir esse problema, usamos a PNAD, Pesquisa Nacional por Amostra Domiciliar. A PNAD
realizada anualmente no ms de setembro e abrange domiclios representativos de todo o territrio nacional.
A partir da PNAD, calculamos a proporo de horas totais trabalhadas devida a indivduos residentes nas
regies metropolitanas da PME. Com essa proporo anual em mos, efetuamos uma interpolao linear
para obter os valores mensais dessa proporo e ajustamos a srie de horas trabalhadas totais. Foi atribuda
a proporo do ltimo ms da pesquisa aos meses seguintes.
Construmos a srie de produtividade do trabalho como a diferena em log entre PIB real e horas totais
trabalhadas. As sries de PIB real e horas foram dessazonalizadas.
8
Dessa forma, estimamos um VAR com 2 defasagens para log de produtividade e log de horas totais, im-
pondo a restrio de que apenas os choques tecnolgicos afetam a produtividade no longo prazo. A gura
2 mostra as funes resposta a impulso acumuladas de produtividade e horas a choques tecnolgico e no-
tecnolgico.
Os resultados so consistentes com aqueles obtidos por Gal (1999). Em resposta a choques tecnolgicos,
h um declnio persistente nas horas trabalhadas e um incremento permanente na produtividade do trabalho.
Por construo, os choques no-tecnolgicos, tambm chamados de choques de demanda, no tm efeito
de longo prazo sobre a produtividade, mas causam um efeito positivo temporrio nessa varivel que logo
revertido. Por m, os choques de demanda geram um aumento persistente nas horas trabalhadas.
4.3 Choques de petrleo
A literatura de choques de petrleo inicialmente lidou com choques no preo do petrleo, enfatizando
principalmente a relao no-linear entre preo do petrleo e produto. Hamilton (1996) props uma relao
assimtrica entre essas duas variveis: choques positivos no preo do petrleo teriam um efeito negativo e
signicante sobre o produto, ao passo que choques negativos no teriam efeito algum sobre essa varivel.
Nessa abordagem, os choques de petrleo so construdos na forma de aumento lquido de preo: se o
valor do perodo corrente supera o valor mximo observado nos ltimos 12 meses, a mudana percentual
7
A PME abrange as Regies Metropolitanas de Recife, Salvador, Belo Horizonte, Rio de Janeiro, So Paulo e Porto Alegre.
8
Note que a estratgia de identicao depende crucialmente da hiptese de que a srie de produtividade temuma raiz unitria.
Os resultados dos testes de raiz unitria conrmam essa suposio.
9
Figura 2: Resposta acumulada a um choque tecnolgico
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a impulso acumuladas baseadas em um VAR com
constante e 2 defasagens para as primeiras-diferenas de log de produtividade e log de horas totais. O perodo da amostra
2002:12-2012:05.
sobre esse mximo usada; caso contrrio, o valor da medida zero. Inicialmente, usamos essa medida de
choque de petrleo.
No entanto, o efeito de mudanas no preo do petrleo sobre o produto sofre de um problema de identi-
cao, pois existe causalidade reversa entre agregados macroeconmicos e essa varivel. Kilian (2009)
sugere uma decomposio estrutural do preo real do petrleo em trs componentes: (i) choques de oferta,
isto , choques na disponibilidade fsica corrente de petrleo bruto; (ii) choques na demanda global por
todas as commodities industriais; e (iii) choques de demanda especcos ao mercado de petrleo, dirigidos
por mudanas na demanda preventiva.
Essa abordagem vem da idia de que o preo do petrleo dirigido por choques de oferta e demanda
distintos. No apenas esses choques tm efeitos diferentes como tambm os choques de demanda global
tm tanto efeitos diretos sobre a economia quanto efeitos indiretos via preo do petrleo. Assim, no seria
possvel identicar os efeitos de um aumento no preo do petrleo sobre variveis macroeconmicas mesmo
controlando pela causalidade reversa existente.
A demanda preventiva gerada pela incerteza a respeito de possveis interrupes na oferta esperada de
petrleo. No entanto, a questo de como quanticar choques de demanda no trivial. Por isso, o autor
deriva um ndice de atividade real global, uma medida explcita de mudanas na atividade econmica que
afetam a demanda por commodities industriais, a partir de taxas de frete em viagens martimas. Dessa
forma, usada a seguinte estratgia de identicao: tendo controlado pelos choques de oferta e de demanda
global, o residual interpretado como o choque de demanda preventiva.Como resultado, encontrado que
os choques tm efeitos diferentes sobre o preo real do petrleo.
Estimao
Tal como Kilian (2009), identicaremos os trs tipos de choque atravs da hiptese de recursividade. Con-
sidere o vetor de variveis Z
t
= (prod
t
index
t
preoreal
t
) , em que prod
t
a mudana percentual
na produo mundial de petrleo bruto, srie divulgada pelo Departamento de Energia dos EUA. index
t
corresponde ao log do ndice de atividade econmica real global (construdo por Kilian (2009)). Por m,
preoreal
t
o log do preo real do petrleo, a srie de preo do ptroleo bruto Brent transformada em reais
pela taxa de cmbio comercial, convertida em valores reais atravs do IPCA, dessazonalizada e transfor-
mada em log.
A hiptese de recursividade restringe a matriz de relaes contemporneas da seguinte forma: (i) inovaes
na produo global de petrleo so denidas como choques de oferta de petrleo; supomos que a oferta de
petrleo no responde a presses de demanda no mesmo perodo, devido aos custos de ajustamento da pro-
10
duo; (ii) inovaes no ndice de atividade real global no atribudas aos choques de oferta correspondem
a choques de demanda global por commodities industriais; supomos que choques especcos ao mercado
de petrleo no afetam a atividade global instantaneamente, mas com alguma defasagem; e (iii) inovaes
no preo real do petrleo no explicadas pelos dois choques anteriores so interpretadas como choques na
demanda por petrleo, mudanas exgenas na demanda preventiva por petrleo dirigidas pela incerteza a
respeito da produo futura.
Para identicar os choques de petrleo, estimamos um VAR com 2 defasagens para a taxa de crescimento
da produo mundial de petrleo, o ndice de atividade real global, construdo por Kilian (2009), e o preo
real do petrleo bruto. Esse ltimo preo foi construdo do ponto de vista de um importador nacional de
petrleo bruto: a cotao internacional, em dlares, foi convertida para reais e em seguida transformada em
valores constantes e dessazonalizada. A gura 3 contm as funes resposta a impulso geradas pelos trs
tipos de choques de petrleo: choque de oferta, choque de demanda global e choque de demanda preventiva.
Figura 3: Resposta aos trs choques de petrleo
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a impulso baseadas em um VAR com constante e 2
defasagens para a taxa de crescimento da produo de petrleo, o ndice de atividade real global (Kilian) e o log do preo real
do petrleo. O perodo da amostra 2000:01-2011:12. As linhas tracejadas correspondem a intervalos de conana de 0,95
construdos por Monte Carlo.
Nossos resultados so consistentes com os de Kilian (2009). Em resposta a um choque exgeno na oferta
de petrleo, a atividade real aumenta e o preo real do petrleo cai lentamente, atingindo o efeito mximo
aps cerca de 3 perodos. Um choque na demanda global, isto , uma expanso no-antecipada da demanda
agregada, gera um aumento expressivo do ndice de atividade global, tmido aumento da produo de pe-
trleo e aumento persistente do preo real. Choques de demanda preventiva tm grande impacto imediato
no preo real do petrleo e esto associados a pequenos aumentos da produo de petrleo e da atividade
econmica global.
4.4 Choques de conana
H duas abordagens contrastantes para o papel da conana na macroeconomia. A primeira viso, cha-
mada de animal spirits, acredita que a conana tem um papel causal na atividade econmica. Assim,
11
como exemplo, movimentos exgenos no consumo devido a um aumento do pessimismo dos consumidores
teriam efeito sobre a atividade real. A segunda viso defende que a relao entre medidas de conana do
consumidor e atividade econmica decorre do fato daquelas incorporarem informaes sobre o futuro da
economia. De forma semelhante literatura de news shocks, a literatura de choques de conana argumenta
que mudanas no antecipadas na conana do consumidor reetem informaes sobre as perspectivas
econmicas futuras.
Barsky e Sims (2012) usam um modelo VAR trivariado para mostrar que medidas de conana dos con-
sumidores no so meros rudos nem reetem informaes j contidas em outras variveis. As inovaes
no ndice de conana tm implicaes para consumo e renda muitos perodos frente. Os autores argu-
mentam que esses movimentos permanentes reetem movimentos na tecnologia, o que conrma a viso de
news shocks. Se os efeitos fossem do tipo animal spirits, seria esperado ter respostas transitrias dessas
variveis.
Os autores utilizam um esquema de identicao recursivo, com o ndice de conana ordenado primeiro
no vetor de variveis. Vale notar que, ao ordenar IC
t
primeiro, Barsky e Sims (2012) encontram que as
inovaes dessa varivel tm poucas implicaes para consumo e produto contemporaneamente, mas a es-
ses efeitos se seguem respostas signicantes e permanentes. Portanto, as inovaes no ndice de conana
reetiriam informaes importantes sobre o caminho futuro dessas variveis. No entanto, os autores se per-
guntam a que ponto essas inovaes no estariam apenas reetindo informaes j contidas nas inovaes
de produto e consumo. Para testar essa hiptese, IC
t
reordenado por ltimo no vetor de variveis, mas as
funes resposta a impulso permanecem as mesmas em termos qualitativos.
Estimao
Estimamos um VAR na forma reduzida para PIB real, consumo real de bens e servios e um ndice de
conana do consumidor. Usamos a mesma srie de PIB real empregada para identicao dos choques
monetrios, ao passo que usamos como proxy de consumo a srie de vendas reais no varejo (srie mensal
dessazonalizada divulgada pelo IBGE).
Consideramos dois ndices de conana do consumidor alternativos. O primeiro o da Fecomrcio (ICC-
Fecomrcio), o qual composto pelo ndice de condies econmicas atuais (ICEA) e pelo ndice de ex-
pectativas (IEC). O segundo o ndice de conana do consumidor da FGV (ICC-FGV). O choque de
conana recuperado a partir de um esquema de identicao recursivo, com o ndice de conana orde-
nado primeiro no vetor de variveis.
Para o primeiro ndice, apenas o componente ICEA se mostrou signicante. Dessa forma, foi estimado um
VAR com duas defasagens para os logs de ICEA, vendas reais no varejo e PIB real. Para o ndice da FGV,
estimamos um VAR com cinco defasagens para as taxas de crescimento de ICC, vendas no varejo e PIB
Real. Em ambos os VARs, usamos as funes de impulso resposta generalizadas, de Pesaran e Shin, de
forma a manter o maior grau de agnosticismo em relao ordenao das variveis
9
.
A gura 4 mostra que ambos os choques esto relacionados a aumentos de vendas no varejo e PIB Real.
No entanto, enquanto a especicao com ICEA est relacionada a movimentos contemporneos dessas
variveis, na especicao que utiliza ICC-FGV os choques de conana parecem antecipar movimentos
futuros das variveis de atividade. Portanto, essa ltima medida mais consistente com a abordagem de
news para choques de conana.
4.5 Outros choques
Adicionalmente aos choques j identicados, consideramos outros dois tipos de inovaes estruturais. Tais
choques, por se basearem em efeitos no-lineares, so de fcil identicao, no necessitando de validao
em um primeiro momento.
O primeiro, no esprito de Bloom (2009), denominado uncertainty shock, ou choque de incerteza. Usando
9
Com a utilizao da decomposio de Choleski, os resultados so relativamente robustos ordenao escolhida.
12
Figura 4: Resposta a choques de conana
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a impulso generalizadas baseadas em (i) um VAR
com 2 defasagens para os logs de ICEA, vendas reais no varejo e PIB Real, alm de constante e tendncia linear; (ii) um VAR
com 5 defasagens para as taxas de crescimento de ICC, vendas reais no varejo e PIB Real, alm de constante. O perodo da
amostra 2000:03-2012:05 para o primeiro conjunto e 2006:03-2012:05 para o segundo.
uma srie mensal de volatilidade de retornos dirios do Ibovespa, construimos um indicador que assume
valor um em todo perodo no qual a volatilidade ultrapassa certo benchmark. Assim, identicamos nove
perodos em que ocorreram choques de incerteza.
O segundo consiste em uma adaptao de Hamilton (1996) para os preos de commodities. Essa escolha se
baseia na constatao da importncia do preo de commodities agrcolas e industriais para o nvel de preos
brasileiro. Assim, tal choque construdo da seguinte forma: em perodos nos quais o ndice de preos
de commodities (medido pelo CRB em reais) excede seu valor mximo vericado nos ltimos 12 meses,
computamos a variao percentual; caso contrrio, o choque assume valor zero no perodo.
Com os choques estruturais em mos, estamos aptos a gerar respostas condicionais dos momentos das
previses de inao, de modo a avaliar a validade emprrica dos modelos de rigidez de informao.
5 SRIES DE EXPECTATIVAS DE INFLAO
De forma a obter as previses dos agentes para um horizonte de 12 meses, utilizamos duas pesquisas de
expectativas de inao complementares. A primeira a Pesquisa de Expectativas de Mercado do Banco
Central. Atualmente, a pesquisa, com mais de 100 instituies participantes, acompanha as expectativas de
mercado para diferentes ndices de inao, PIB, taxa de cmbio e taxa Selic, entre outros. As sries datam
de janeiro de 2000 at a data do ltimo relatrio de mercado Focus.
Escolhemos dois ndices de inao para analisar as expectativas dos prossionais do mercado, o ndice de
Preos ao Consumidor Amplo (IPCA), coletado pelo IBGE, e o ndice Geral de Preos - Disponibilidade
Interna (IGP-DI), da FGV. O IPCA se constitui atualmente no ndice de inao mais relevante para o pas,
pois a referncia para o sistema de metas de inao. J a escolha do IGP-DI se baseia no fato de: (i)
ser usado na correo de alguns preos administrados por contrato; (ii) combinar em sua formulao tanto
preos ao consumidor quanto preos ao produtor; e (iii) como vimos na seo anterior, sua insero na regra
13
de feedback do Banco Central eliminar o chamado price puzzle, possivelmente pela maior participao de
bens tradables nesse ndice.
Figura 5: IPCA e IGP-DI: Expectativas de inao para os prximos 12 meses
Fonte: BCB
Com as estatsticas dirias disponveis no sistema Focus, extramos a srie mensal da mdia das previses
de inao acumulada 12 meses frente.
10
Na gura 5, que mostra essas sries em conjunto com a inao
realizada nos doze meses seguintes, podemos notar erros de previso signicativos e persistentes.
Outras opes consideradas foram a mediana das previses, srie que apresenta menor volatilidade ao
expurgar valores extremos, alm da mdia e da mediana das expectativas na data crtica, o dia anterior
divulgao do ndice de preo com perodo de coleta intermedirio (IPCA-15 para o IPCA e IGP-10 no
caso do IGP-DI). Carvalho e Minella (2009) argumentam que, devido ao fato do perodo de coleta desses
ndices abranger parte do ms corrente, as previses posteriores data crtica contm informao sobre a
inao do ms em questo. No entanto, o perodo de clculo no parece exercer inuncia signicativa
sobre as previses 12 meses frente: a correlao entre as sries em todos os casos superior a 0.99, para
o IPCA, e 0.98, para o IGP-DI.
Da mesma forma, construmos a srie de disperso das previses a partir da mdia dos desvios-padro
dirios reportados. As medidas de disperso das previses para o IGP-DI e o IPCA tm movimentos
semelhantes, mais pronunciados no comeo do perodo Lula (nal de 2002 at nal de 2003).
11
Para a populao geral, utilizamos as expectativas contidas na Sondagem de Expectativas do Consumidor,
realizada pela Fundao Getlio Vargas (FGV) desde setembro de 2005. Essa pesquisa coleta a percepo
da populao sobre temas relacionados situao econmica atual e prospectiva do pas. So entrevistados
mensalmente cerca de 2000 consumidores de sete capitais brasileiras, estraticados por quatro faixas de
renda.
12
Apesar de abranger um horizonte mais curto, a pesquisa tem a vantagem de perguntar diretamente a seus
entrevistados, consumidores comuns, suas expectativas para a inao 12 meses frente. No entanto, uma
limitao dessa medida consiste em ser requerida uma resposta quantitativa do entrevistado sem meno a
algum ndice de inao especco ou exemplo numrico. Assim, embora consideremos o IPCA como a
varivel aqui prevista, o consumidor pode ter outra cesta de bens em mente para cmputo da taxa de inao
esperada. Logo, podemos estar inferindo um erro de expectativa que no corresponde ao real. Ademais,
a sondagem reporta a mdia e a mediana das expectativas de inao, mas no a disperso das previses.
10
Esse valor corresponde inao acumulada entre t e t+11, em que t corresponde ao primeiro ms para o qual o ndice de
preos mensal desconhecido. Como os ndices mensais so divulgados no ms seguinte, os primeiros dias de cada ms contm
na verdade expectativas para o ms anterior. Por essa razo, ajustamos as sries de acordo com as datas de divulgao mensais.
11
Quando normalizamos o desvio-padro pela previso mdia, tambm observamos movimentos semelhantes nas sries, com
uma correlao de 0.65.
12
As capitais abrangidas so Belo Horizonte, Braslia, Porto Alegre, Recife, Rio de Janeiro, Salvador e So Paulo. As faixas
de renda correspondem a um nvel de renda mensal familiar de at R$ 2.100 (Faixa 1), entre R$ 2.100 e R$ 4.800 (Faixa 2), entre
R$ 4.800 e R$ 9.600 (Faixa 3), e acima de R$ 9.600 (Faixa4).
14
De forma a contornar esse fato, consideramos como medida de disperso das previses o desvio-padro das
mdias das expectativas de inao por faixa de renda.
6 RESULTADOS
Nesta seo, testamos as predies dos modelos de rigidez de informao para prosionais de mercado e
consumidores. Analisamos as funes resposta da inao acumulada em 12 meses, erro de previso e
disperso das expectativas aos choques fundamentais. A seguir, tambm testamos a explicao alternativa
fornecida por modelos de averso heterognea a perdas.
Resultados para prossionais de mercado
Inicialmente, testamos as predies dos modelos de rigidez de informao para as expectativas dos pro-
ssionais de mercado. Tratamos esse caso como benchmark porque espera-se que esses agentes sejam os
mais informados sobre as condies econmicas, posto que se debruam sobre notcias e dados econmicos
diariamente para formular anlises e projees.
Como colocado na seo anterior, consideramos as previses de inao acumulada 12 meses frente para
dois ndices diferentes, o IGP-DI e o IPCA. Alm disso, usamos todos os diferentes choques discutidos na
seo 4.
Adicionalmente, como a maior parte da varincia da inao no-explicada
13
, consideramos choques
no-identicados, isto , a parte da inao de cada perodo no atribuda aos choques estimados. Para
recuper-los, usamos os resduos da regresso
14
:

t
= c +
2
i=1

ti
+
sS

2
j=0

s
tj
+u
t
,
em que
t
representa a inao do perodo t medida pelo ndice de preos correspondente e S corresponde
ao conjunto de choques estruturais estimados.
Embora essas inovaes representem o efeito combinado de outros diferentes choques fundamentais, pode-
mos utiliz-las para construir as respostas condicionais porque as predies dos modelos de rigidez infor-
macional no dependem do tipo de choque considerado. Como mais da metade da volatilidade da inao
no explicada pelos choques estruturais, as inovaes no-identicadas so teis para corroborar os re-
sultados obtidos. Note que, por construo, essas inovaes so inacionrias, devendo portanto conduzir
a erros de previso positivos na presena de rigidez de informao.
Ao estimar a resposta da inao anual ex-post medida pelo IGP-DI aos choques, vemos que as funes
resposta a impulso no so estatisticamente diferentes de zero, a no ser nos primeiros perodos em alguns
casos. No entanto, vale lembrar que exclumos o primeiro ano da resposta da inao ao choque, para que
o grco correspondesse exatamente ao que os agentes tentam prever em cada perodo.
15
Na gura 6, reportamos os resultados para os choques de tecnologia, petrleo (Hamilton) e conana
(FGV), alm dos choques no-identicados. Escolhemos esses choques por apresentarem resposta mais
signicativa da inao acumulada. A segunda coluna da gura apresenta a resposta do erro da previso
mdia aos choques estruturais, derivada das equaes da terceira seo. De forma geral - igualmente para
os choques no reportados - no observamos erros de previso condicionais correlacionados.
16
Para ne-
nhum dos choques podemos rejeitar a hiptese de que a resposta do erro da previso mdia seja zero. A
nica exceo feita ao choque de tecnologia nos dois primeiros perodos. No entanto, apesar do erro de
previso responder com o mesmo sinal da inao acumulada, esperado que choques de tecnologia, como
13
Pelo procedimento de decomposio da varincia, podemos constatar que menos de 40% da varincia tanto do IGP-DI como
do IPCA explicada pelo conjunto de choques.
14
Para os choques de conana, usamos a especicao com o ICEA-Fecomrcio, por constituir uma srie mais longa.
15
Quando consideramos a resposta da inao nos 12 meses subsequentes ao impulso inicial, vemos que os choques de fato
tm efeito sobre a taxa.
16
O mesmo ocorre quando usamos o recorte da amostra para 2005-2012, de modo a evitar os perodos iniciais de inao
elevada e excessivamente voltil.
15
Figura 6: Resposta dos prossionais de mercado (IGP-DI)
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a choque unitrio baseadas na especicao da seo
3. Exclumos os 12 primeiros meses da resposta. Erros-padro so computados atravs de um bootstrap paramtrico com 2,000
replicaes. A rea mais clara representa um intervalo de conana de 95%, ao passo que a rea mais escura representa um
intervalo de 66%.
aqui denidos, exeram efeito negativo sobre a inao. Sendo assim, tal resultado no economicamente
signicante.
Da mesma forma, no h evidncias de que a previso mdia falhe ao se ajustar ao valor absoluto dos
choques, como mostra a terceira coluna da gura. Portanto, as funes resposta a impulso construdas no
so compatveis com um modelo de averso heterognea a perdas, como o de Capistrn e Timmermann
(2009). Como explicado anteriormente, tal modelo poderia fornecer uma explicao alternativa para erros
de previso condicionalmente correlacionados.
As evidncias relacionadas divergncia de expectativas entre os agentes so mistas: embora a disperso
das previses aumente signicativamente aps choques de petrleo e conana, o mesmo no acontece aps
choques tecnolgicos e no identicados. Para esses, adicionamos no grco a resposta da inao predita
por um modelo de sticky information.
Quando consideramos o IPCA, as funes de resposta da inao a um choque unitrio no so to impreci-
samente estimadas como no caso do IGP-DI. A gura 7 mostra as funes resposta aos principais choques.
Observamos aumento da inao em resposta a choques de petrleo, tecnolgicos, de commodities e no-
identicados, por construo. Em resposta a choques de conana, a taxa de inao cai. Aqui, vale
observar que os choques tecnolgicos, assim como os monetrios, no reportados aqui, tm sinal diferente
do previsto, isto , geram resposta positiva da inao. Consideramos esse problema fruto da identicao
dos choques monetrios, os quais, como ressaltado na seo 4, geram ination rate puzzle.
No h evidncias claras a favor de rigidez de informao para as previses do IPCA. O nico choque
estrutural que gera resposta do erro de previso estatisticamente diferente de zero - ainda que apenas nos
16
Figura 7: Resposta dos prossionais de mercado (IPCA)
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a choque unitrio baseadas na especicao da seo
3. Exclumos os 12 primeiros meses da resposta. Erros-padro so computados atravs de um bootstrap paramtrico com 2,000
replicaes. A rea mais clara representa um intervalo de conana de 95%, ao passo que a rea mais escura representa um
intervalo de 66%.
dois primeiros meses - o choque de petrleo por demanda preventiva, o qual no reportado aqui.
Novamente, no h um padro claro para a divergncia entre os agentes aps um choque fundamental.
exceo dos choques de petrleo la Hamilton e de conana (FGV), os choques no geram resposta
signicante da disperso das expectativas.
No tendo sido encontradas evidncias favorveis a modelos de rigidez de informao, resta-nos questionar:
quo conveis so nossos resultados?
Atravs de simulaes de Monte Carlo, Coibion e Gorodnichenko (2012) mostram que, em amostras pe-
quenas, a abordagem menos precisa em estimar as respostas do erro mdio e disperso das previses
quando o choque estrutural em questo explica uma pequena parcela da varincia da inao (menos de
5%). Apenas choques de petrleo, monetrios e de incerteza, no caso do IPCA, e de petrleo e commo-
dities, no caso do IGP-DI, tm essa propriedade. Apesar de nossos choques no responderem pela maior
parte da varincia da taxa de inao, consideramos tambm as inovaes no-identicadas, que explicam
mais da metade da volatilidade da taxa. De fato, esses choques no-identicados corroboram a concluso
dos demais: no h evidncias de rigidez de informao, ao menos da forma considerada pelos modelos
expostos nesse trabalho.
Como teste de robustez, avaliamos uma especicao economtrica alternativa: realizamos os mesmos ex-
perimentos em um VAR em uma nica etapa para os choques identicados atravs desses modelos. No
VAR estrutural, ao inserir a inao acumulada em 12 meses e o erro de previso na especicao, esti-
mamos simultaneamente os choques e as funes resposta a impulso. A desvantagem desse procedimento
17
que no conseguimos gerar respostas aos valores absolutos dos choques instantaneamente. Alm disso,
por estimar mais parmetros, o VAR em uma etapa gera erros-padro maiores, que incorporam a incerteza
relacionada estimao dos choques.
17
Por isso, consideramos intervalos de conana de apenas um erro-
padro, procedimento comum na literatura. Ainda assim, no encontramos evidncias que dem suporte
aos modelos de rigidez de informao.
Resultados para consumidores
Por um lado, seria esperado que no encontrssemos evidncias de rigidez de informao para os prossio-
nais de mercado. Anal, tais agentes despendem tempo considervel na elaborao de suas projees para
as variveis econmicas, as quais servem como guia para instituies e consumidores. Vale lembrar que o
histrico inacionrio do pas acabou por desenvolver uma cultura de indexao de preos, de modo que a
previso dos ndices de inao se tornou uma das principais e mais importantes atividades dos prossionais
de mercado.
No entanto, o mesmo no seria necessariamente esperado para os consumidores. Tanto pela restrio de
tempo alocado na obteno de informaes quanto pela capacidade limitada de processar e interpretar dados
econmicos, seria natural que os consumidores estivessem sujeitos a alguma fonte de rigidez informacional.
Para entender como esses agentes formam suas expectativas, testamos as mesmas predies dos modelos
de rigidez de informao para as previses dos consumidores, coletadas pela FGV.
Figura 8: Resposta dos consumidores
Nota. Os eixos horizontais mostram o tempo em meses. Funes resposta a choque unitrio baseadas na especicao da seo
3. Exclumos os 12 primeiros meses da resposta. Erros-padro so computados atravs de um bootstrap paramtrico com 2,000
replicaes. A rea mais clara representa um intervalo de conana de 95%, ao passo que a rea mais escura representa um
intervalo de 66%.
17
No procedimento em duas etapas, o fato dos choques serem regressores gerados no causa problemas de inferncia estats-
tica. Como a hiptese nula de que o coeciente de cada choque zero, os erros-padro no precisam ser ajustados (Coibion e
Gorodnichenko (2012)).
18
A gura 8 mostra os resultados para os choques de tecnologia, petrleo la Hamilton e conana (FGV),
alm dos choques no-identicados. Na primeira coluna, reportamos a resposta da inao acumulada
em 12 meses aos choques. Como fazemos a hiptese de que os consumidores baseiam suas previses de
inao no IPCA, essa coluna idntica primeira da gura 7.
Na segunda coluna da gura, reportamos a resposta do erro da previso mdia. Apesar do erro seguir a
mesma trajetria da inao ex-post, apenas as respostas condicionais dos choques de conana e petrleo
so estatisticamente signicantes, ainda que com evidncia limitada para este. No entanto, os choques no-
identicados, nos quais depositamos maior conana devido a sua maior importncia para a volatilidade da
inao, apresentam erros de previso estatisticamente iguais a zero.
Da mesma forma, a resposta ao valor absoluto dos choques, reportada na terceira coluna, no apresenta um
padro condizente com um modelo de averso heterognea a perdas. Em particular, h pouca evidncia de
respostas consistentes do erro de previso, isto , com o mesmo sinal, ao valor absoluto dos choques.
Em relao disperso das estimativas, mais uma vez no temos evidncias que os consumidores discordem
em suas previses aps um choque. A ltima coluna da gura 8 mostra a resposta do desvio-padro das
expectativas, juntamente com a resposta predita por um modelo de sticky information.
Dessa forma, tambm para os consumidores, no encontramos evidncias fortes de presena de rigidez
de informao da forma como desenhada pelos modelos considerados. No entanto, devemos ressaltar no-
vamente a limitao dos dados de expectativas de inao para consumidores. O fato de no sabermos
exatamente que ndice de preos os consumidores tm em mente ao formarem suas previses pode viesar
nossos resultados de forma importante.
7 CONCLUSES
O processo de formao de expectativas tm sido amplamente discutido e estudado pelos economistas ao
longo dos anos. Esse tema se torna relevante devido a seu papel central desempenhado nos modelos macro-
econmicos modernos. Nesse sentido, os modelos de rigidez informacional, ao enfatizar que os agentes en-
frentam frices e limitaes ao adquirir e processar informao, constituem-se em uma alternativa atraente
para modelar a formao de expectativas. Em especial, esses modelos so capazes de explicar a existncia
de divergncia nas previses entre os agentes, fato estilizado no gerado prontamente por um modelo com
expectativas racionais.
A literatura de rigidez de informao lida com modelos nos quais os agentes formam expectativas racio-
nalmente, mas esto sujeitos a alguma fonte de rigidez informacional. Nos concentramos nas duas classes
principais de modelos dessa literatura: (a) sticky information e (b) informao imperfeita, ou ruidosa. Uma
alternativa a esses modelos, capaz de gerar as propriedades observadas para as expectativas, seria um mo-
delo no qual os agentes tm diferentes funes perda em relao aos erros de previso.
Sendo assim, surgem as seguintes questes: os agentes formam expectativas racionalmente? Caso no, os
atributos dos dados brasileiros podem ser explicados por algum modelo de rigidez de informao? Nesse
trabalho, procuramos responder a essas questes usando os dados brasileiros de expectativas de inao,
tanto para prossionais de mercado quanto para consumidores. Com o uso de choques econmicos fun-
damentais, analisamos as respostas condicionais do erro e da disperso das previses. Esse procedimento
se justica porque as duas classes de modelos de formao de expectativas geram predies testveis em
relao a essas respostas condicionais.
Quando realizamos os experimentos com os momentos das expectativas de inao, no encontramos evi-
dncias que dem suporte a modelos de rigidez de informao para os prossionais de mercado. Aps um
choque econmico estrutural, os erros de previso no se mostram autocorrelacionados, como esses mode-
los prevem. As evidncias a respeito da disperso condicional das expectativas so mistas, de tal forma
que no podemos armar que o chamado disagreement entre os agentes aumente aps um choque. Tam-
pouco encontramos evidncias favorveis a um modelo de averso a perdas heterognea entre os agentes,
19
explicao alternativa presena de rigidez de informao.
Surpreendentemente, encontramos os mesmos resultados para os consumidores, ainda que de forma menos
robusta. No entanto, devemos frisar a limitao da medida de expectativa coletada para esses agentes, pois
os entrevistados devem fornecer um valor numrico para a projeo de inao sem referncia a qualquer
ndice especco. Sendo assim, os agentes podem ter em mente diferentes cestas de bens quando fazem
suas previses, o que torna particularmente difcil o clculo do erro da previso verdadeiro.
Portanto, no tendo encontrado evidncias favorveis a nenhum modelo testado, ressaltamos a necessidade
de novos trabalhos sobre o processo de formao de expectativas no Brasil. Uma linha frutfera, na nossa
opinio, seriam modelos de learning, nos quais os agentes detm informao completa, mas aprendem
lentamente sobre os parmetros da economia ao formar suas expectativas.
Referncias
BARSKY, R. B.; SIMS, E. R. Information, animal spirits, and the meaning of innovations in consumer
condence. American Economic Review, v. 102, n. 4, p. 134377, 2012.
BLOOM, N. The impact of uncertainty shocks. Econometrica, v. 77, n. 3, p. 623685, 2009.
CAPISTRN, C.; TIMMERMANN, A. Disagreement and biases in ination expectations. Journal of
Money, Credit and Banking, v. 41, n. 2-3, p. 365396, 2009.
CARVALHO, F. A.; MINELLA, A. Market Forecasts in Brazil: performance and determinants. Braslia,
2009.
CHRISTIANO, L. J.; EICHENBAUM, M.; EVANS, C. L. Monetary policy shocks: What have we learned
and to what end? Handbook of macroeconomics, Elsevier, v. 1, p. 65148, 1999.
COIBION, O.; GORODNICHENKO, Y. What can survey forecasts tell us about information rigidities?
Journal of Political Economy, v. 120, n. 1, p. 116159, 2012.
GAL, J. Technology, employment, and the business cycle: Do technology shocks explain aggregate
uctuations? American Economic Review, v. 89, n. 1, p. 249271, 1999.
HAMILTON, J. D. This is what happened to the oil price-macroeconomy relationship. Journal of Monetary
Economics, v. 38, n. 2, p. 215220, 1996.
KILIAN, L. Not all oil price shocks are alike: Disentangling demand and supply shocks in the crude oil
market. American Economic Review, v. 99, n. 3, p. 105369, 2009.
MA

CKOWIAK, B.; WIEDERHOLT, M. Business cycle dynamics under rational inattention. CEPR
Discussion Paper No. DP7691, 2010.
MANKIW, N. G.; REIS, R. Sticky information versus sticky prices: A proposal to replace the new
keynesian Phillips curve. The Quarterly Journal of Economics, v. 117, n. 4, p. 12951328, 2002.
MINELLA, A. Monetary policy and ination in Brazil (1975-2000): A VAR estimation. Revista Brasileira
de Economia, v. 57, n. 3, p. 605635, 2003.
MORRIS, S.; SHIN, H. S. Social value of public information. American Economic Review, v. 92, n. 5, p.
15211534, 2002.
PATTON, A. J.; TIMMERMANN, A. Why do forecasters disagree? lessons from the term structure of
cross-sectional dispersion. Journal of Monetary Economics, v. 57, n. 7, p. 803820, 2010.
SIMS, C. A. Implications of rational inattention. Journal of Monetary Economics, n. 3, p. 665690, April
2003.
WOODFORD, M. Imperfect Common Knowledge and the Effects of Monetary Policy. Cambridge, MA,
2001. (Working Paper Series, 8673).
20

Você também pode gostar