Universidade Federal Fluminense Faculdade de Economia Programa de Pós-Graduação em Economia Tese de Doutorado

UNIVERSIDADE FEDERAL FLUMINENSE
FACULDADE DE ECONOMIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
TESE DE DOUTORADO
Fear of floating e credibilidade da política monetária: evidências para

o Brasil e países em desenvolvimento
CAIO FERRARI FERREIRA
Orientador:
Prof. Dr. Gabriel Caldas Montes
NITERÓI
2019

o Brasil e países em desenvolvimento.
Tese de doutorado apresentada ao Programa de

Pós-graduação em Ciências Econômicas da
Universidade Federal Fluminense, como requisito
parcial para a obtenção do Grau de Doutor em
Economia.
Orientador:
Prof. Dr. Gabriel Caldas Montes
NITERÓI
2019
i
REFERÊNCIA BLIBLIOGRÁFICA E CALATOGAÇÃO
Ferreira, C. F. “Fear of floating e credibilidade da política monetária: evidências para o Brasil e

países em desenvolvimento” Niterói: PPGE/UFF, Faculdade de Economia, Universidade
Federal Fluminense, 2019, Tese de Doutorado
FICHA CATALOGRÁFICA
Ferreira, Caio
Fear of floating e credibilidade da política

monetária: evidências para o Brasil e países em
desenvolvimento / Caio Ferrari Ferreira; Orientação de
Gabriel Caldas Montes. – Niterói, 2019.
Tese de Doutorado (D) – Universidade Federal

Fluminense/Faculdade de Economia, PPGE/UFF - 2019.
1. Credibility. 2. Fear of Floating. 3.

Monetary Policy. 4. Exchange Rate 5.
Disagreement in Expectations. I. Montes, G. C., II.
Título.
CDU
ii

o Brasil e países em desenvolvimento.
BANCA EXAMINADORA
____________________________________________________
Prof. Dr. Gabriel Caldas Montes – Orientador (PPGE-UFF)
____________________________________________________
Prof. Dr. Cláudio Oliveira de Moraes (BCB/UCAM)
____________________________________________________
Prof. Dr. Helder Ferreira de Mendonça (PPGE-UFF)
____________________________________________________
Prof. Dr. José Américo Pereira Antunes (BCB/UCAM)
____________________________________________________
Prof. Dr. Luciano Vereda Oliveira (PPGE-UFF)
NITERÓI
2019
iii
Agradecimentos
Primeiramente, gostaria de agradecer ao meu orientador Prof. Dr. Gabriel Caldas

Montes por toda sua disponibilidade, paciência e contribuições criativas a essa tese e ao
longo do período de orientação. Todo seu empenho em me orientar foi fundamental para
a conclusão deste trabalho.
Agradeço aos Professores Doutores Cláudio Oliveira de Moraes, Helder Ferreira
de Mendonça, José Américo Pereira Antunes e Luciano Vereda de Oliveira por terem
aceitado avaliar a presente tese de doutorado.
Agradeço também, ao PPGE - Programa de Pós-Graduação em Economia da
UFF e à todos os professores que dividiram seus conhecimentos em sala de aula ao
longo desse período, assim como o financiamento por parte da CAPES. Além disso,
agradeço aos demais alunos que me acompanharam ao longo do doutorado,
principalmente as amigas Ana Jordânia de Oliveira e Tatiana Acar, sempre muito
companheiras e prestativas.
Em especial, um agradecimento à Profa. Dra. Lilian Vieira Ferrari. Primeiro, por
todo carinho de mãe, apoio e paciência. Em segundo lugar, por ter me dado a
oportunidade de conhecer o universo da pesquisa e ciência, assim como pela
oportunidade de testemunhar a sua empolgação e o consequente sucesso ao longo de sua
carreira. Em terceiro, agradeço por toda ajuda ao longo do desenvolvimento dessa tese.
Agradeço aos meus avós, Nirlando, Nice e Lúcia pelo apoio incondicional. Agradeço à
minha namorada Isabella por sua torcida, atenção e carinho. Agradeço aos familiares e
amigos que também sempre me apoiaram. Obrigado a todos!
iv
Abstract
This thesis contributes to the literature on macroeconomics and finance. One of its main
objectives is to develop an empirical analysis on the relationship between the credibility
of the monetary policy and the fear of fluctuation of the exchange rate (fear of floating),
in order to emphasize the importance of the credibility of the monetary authority. The
thesis is organized in three chapters. The first chapter investigates the issue of the fear
of floating and the credibility of monetary policy, based on data for Brazil. The second
chapter presents an analysis of the disagreement on exchange rate expectations, in order
to emphasize the importance of monetary credibility in reducing the transmission of
uncertainty in relation to the exchange rate for the uncertainties related to inflation and
future interest rates. The third chapter looks at the issue of the fear of floating in a
context of international data, and also reinforces the idea that monetary credibility is
able to mitigate the reactions of the monetary authority in relation to exchange rate
fluctuations.
v
Resumo
Esta tese contribui para a literatura de macroeconomia e finanças. Um dos seus

principais objetivos é desenvolver uma análise empírica da relação entre a credibilidade
da política monetária e o medo de flutuação da taxa de câmbio (fear of floating), de
maneira a ressaltar a importância da credibilidade da autoridade monetária. A tese está
organizada em três capítulos. O primeiro capitulo investiga a questão do fear of floating
e a credibilidade da política monetária, a partir de dados para o Brasil. O segundo
capítulo apresenta uma análise sobre o disagreement nas expectativas para a taxa de
câmbio, de maneira a ressaltar a importância da credibilidade monetária em reduzir a
transmissão da incerteza em relação à taxa de câmbio para as incertezas relacionadas a
inflação e taxa de juros futuras. O terceiro capítulo analisa a questão do fear of floating
em um contexto de dados internacionais, e também reforça a ideia de que a
credibilidade monetária é capaz de mitigar as reações da autoridade monetária em
relação às flutuações da taxa de câmbio.
vi
Lista de Conteúdo
Lista de Conteúdo .............................................................................................................. vii

Lista de Figuras ................................................................................................................... ix
Lista de Tabelas ................................................................................................................... x
PRÓLOGO ............................................................................................................................1
1 O EFEITO DA CREDIBILIDADE DA POLÍTICA MONETÁRIA NO FEAR OF
FLOATING: EVIDÊNCIAS PARA O BRASIL .................................................................4
1.1 Introdução...............................................................................................................5
1.2 Referencial Teórico .................................................................................................6
1.3 Evidências empíricas ...............................................................................................9
1.4 Dados .................................................................................................................... 10
1.5 Metodologia........................................................................................................... 14
1.6 Estimações e resultados ......................................................................................... 18
1.7 Estimativas para as expectativas do comportamento de Fear of Floating do Banco
Central do Brasil .............................................................................................................. 23
1.8 Conclusões............................................................................................................. 27
Apêndice 1 ........................................................................................................................ 29
2 CREDIBILIDADE DA POLÍTICA MONETÁRIA, DISAGREEMENT NA TAXA DE
CÂMBIO E TRANSMISSÃO DE INCERTEXA PARA A TAXA DE JUROS E A
INFLAÇÃO...................................................................................................................... 34
2.1 Introdução............................................................................................................. 35
2.2 Literatura .............................................................................................................. 37
2.3 Dados .................................................................................................................... 39
2.4 Metodologia........................................................................................................... 44
2.5 Evidências ............................................................................................................. 49
2.6 Análise de Robustez............................................................................................... 55
2.7 Conclusões............................................................................................................. 57
Apêndice 2 ........................................................................................................................ 58
3 CREDIBILIDADE DA POLÍTICA MONETÁRIA E FEAR OF FLOATING EM
PAÍSES EM DESENVOLVIMENTO .............................................................................. 59
3.1 Introdução............................................................................................................. 60
3.2 Revisão da literatura ............................................................................................. 62
3.3 Dados e metodologia .............................................................................................. 64
3.4 Resultados ............................................................................................................. 70
vii
3.6 Conclusões............................................................................................................. 78
Apêndice 3 ........................................................................................................................ 80
CONSIDERAÇÕES FINAIS .................................................................................................... 82
REFERÊNCIAS BIBLIOGRÁFICAS........................................................................................... 84
viii
Lista de Figuras
Figura 1.1 – Gráficos dos indices de credbilidade monetária......................................... 13

Figura 2.1 – Gráficos para os indices de credibilidade monetária.................................. 43
Figura 2.2 – Credibilidade e efeito marginal (DISAG_EXCH em DISAG_SELIC). .... 46
Figura 2.3 – Credibilidade e efeito marginal (DISAG_EXCH em DISAG_IPCA). ...... 47
Figura 2.4 – Gráficos de dispersão com linha de regressão (correlações) .................... 48
Figura 3.1 – Indíces de credibilidade (média dos países desenvolvidos e em
desenvolvimento) ........................................................................................................... 67
ix
Lista de Tabelas
Tabela 1.1 – Matriz de correlação dos indices de credibilidade monetária .................... 13

Tabela 1.2 – Testes de raiz unitária ................................................................................ 14
Tabela 1.3 - Estimativas por OLS: Efeito da credibilidade no fear of floating. ............. 20
Tabela 1.4 Estimativas por GMM: Efeito da credibilidade no fear of floating .............. 21
Tabela 1.5 - Estimativas por OLS: Efeito da credibilidade no fear of floating
(primeiras diferenças) ..................................................................................................... 22
Tabela 1.6 - Estimativas por GMM: Efeito da credibilidade no fear of floating
(primeiras diferenças) ..................................................................................................... 23
Tabela 1.7 - Estimações por OLS e GMM: Efeito da credibilidade nas expectativas de
fear of floating ................................................................................................................ 26
fear of floating (primeiras diferenças) ............................................................................ 27
Tabela A.1.1 – Descrição dos dados............................................................................... 29
Tabela A.1.2 – Estimativas por GMM: efeito da credibilidade no fear of floating
(regressores contemporâneos) ........................................................................................ 30
Tabela A.1.3 - Estimativas por GMM: efeito da credibilidade no fear of floating (taxa de
câmbio e credibilidade em diferenças) ........................................................................... 31
Tabela A.1.4 - Estimativas por GMM: efeito da credibilidade nas expectativas de fear of
floating (regressores contemporâneos) ........................................................................... 32
Table A.1.5 - Estimativas por GMM: efeito da credibilidade nas expectativas de fear of
floating (em diferenças) .................................................................................................. 33
Tabela 2.1 Testes de raiz unitária ................................................................................... 44
Tabela 2.2 – Teste de causalidade de Granger ............................................................... 49
Tabela 2.3 – Estimativas por OLS, GMM e GMM2 (Variável dependente: disagreement
nas expectativas para a taxa de juros de política monetária) .......................................... 53
nas expectativas para a inflação) .................................................................................... 54
nas expectativas para a taxa de juros de política monetária 12 meses à frente) ............. 56
nas expectativas de inflação 12 meses à frente) ............................................................. 57
Tabela A.2.1 – Ordem de defasagens para o teste de causalidade de Granger .............. 58
Tabela 3.1 – Testes de raiz unitária ................................................................................ 68
x
Tabela 3.2 – Estimativas para amostra completa e para amostra de países em
desenvolvimento (2000Q1-2017Q4) .............................................................................. 71
desenvolvimento (Antes e depois da crise de 2008)....................................................... 73
Tabela 3.4 – Estimativas para países com metas de inflação (Amostra completa e países
em desenvolvimento) ...................................................................................................... 74
desenvolvimento (2000Q1-2017Q4) .............................................................................. 76
desenvolvimento (Antes e depois da crise de 2008)....................................................... 77
Tabela 3.7 – Estimativas para países com metas de inflação (Amostra completa e países
em desenvolvimento) ...................................................................................................... 78
Tabela A3.1 – Lista de países ......................................................................................... 80
Tabela A2.1 – Estatísticas descritivas ............................................................................ 81
xi
PRÓLOGO
A partir dos anos 1990, diversos países recorreram a adoção de taxas de câmbio
flutuantes e regimes de metas para a inflação na condução de política monetária. Por
meio das metas, os formuladores de política monetária buscam ancoragem das
expectativas de inflação, de modo a garantir estabilidade dos preços e do produto. Nesse
cenário, a taxa de juros nominal é o principal instrumento de política monetária e deve
ser ajustada de modo a garantir que os objetivos da autoridade monetária sejam
alcançados.
No entanto, conforme ressaltado por Calvo e Reinhart (2002), em um arcabouço

de taxas de câmbio flutuantes, problemas de fear of floating podem surgir. O medo da
flutuação pode implicar na reação da política monetária à flutuação na taxa de câmbio.
De acordo com os autores, esses problemas podem estar ligados à baixa credibilidade
das autoridades monetárias, de modo que flutuação na taxa de câmbio em um cenário de
pass-through elevado pode por em risco o cumprimento das metas. Dessa maneira,
quando não há credibilidade o suficiente, os bancos centrais podem decidir reagir
através da taxa de juros nominal em suavizar a flutuação da taxa de câmbio.
Com foco na questão mencionada acima, esta tese contribui para a literatura de
macroeconomia e finanças. Um dos objetivos principais da tese é trazer evidências
empíricas para a questão teórica de Calvo e Heinhart (2002) de que a credibilidade é um
remédio adequado para mitigar o fear of floating na política monetária. Além disso, a
tese também investiga os efeitos do disagreement nas expectativas sobre a taxa de
câmbio. Mais especificamente, analisa-se o efeito do desacordo a respeito do valor
futuro da taxa de câmbio nos disagreements nas expectativas para a inflação e para a
taxa de juros da política monetária no Brasil.
Em relação à organização da tese, foram desenvolvidos três capítulos. O

primeiro capítulo apresenta a questão do fear of floating e a ideia de credibilidade
monetária utilizada ao longo da tese. Com base em uma regra de Taylor expandida com
elementos backward-looking e forward-looking, a análise consiste em verificar como a
credibilidade pode minimizar a reação do Banco Central do Brasil, via taxa de juros
nominal, às flutuações da taxa de câmbio. Além disso, uma vez que as expectativas
1
desempenham um papel fundamental no regime de metas para inflação, analisamos,
também, se a credibilidade pode afetar as expectativas dos especialistas do mercado
financeiro sobre o fear of floating da autoridade monetária. Com o objetivo de mensurar
a credibilidade da política monetária, a tese faz uso de quatro índices de credibilidade
diferentes, consagrados na literatura. As estimações confirmam a hipótese de que
quando a credibilidade do regime de metas é elevada, a reação às flutuações na taxa de
câmbio são menores. Além disso, indicam que os especialistas do mercado financeiro
esperam menos intervenção da autoridade monetária quando a credibilidade é mais
elevada.
Por outro lado, o segundo capitulo relaciona a questão da credibilidade do

regime de metas com os disagreements nas previsões de taxa de câmbio, taxa de juros e
da taxa de inflação. A partir da divergência nas séries de expectativas, é realizada uma
análise empírica, no arcabouço proposto por Mankiw et al. (2003), de como o desacordo
acerca do valor futuro da taxa de câmbio pode influenciar o desacordo nas previsões de
inflação e juros. Além disso, analisa-se como a credibilidade do regime de metas pode
minimizar essa transmissão de incerteza. Os resultados indicam que o desacordo nas
expectativas sobre a taxa de câmbio tem efeito no desacordo nas expectativas de
inflação ou no desacordo nas expectativas de taxa de juros da política monetária.
Adicionalmente, as estimações apontam que quando a credibilidade do regime de metas
para a inflação é elevada, a transmissão da incerteza no valor da taxa de câmbio para as
expectativas de inflação e taxa de juros é menor.
Por fim, o terceiro capítulo expande estudo empírico da relação entre fear of
floating, política monetária e credibilidade do regime de metas para um contexto de
vários países. Por meio de dados em painel para 47 países (onde, 32 são países em
desenvolvimento), no período que vai de 2000 a 2017 (com periodicidade trimestral), o
capítulo faz uso de uma regra de Taylor expandida para considerar o efeito da variação
da taxa de câmbio. Além disso, o capítulo também contribui para a literatura por
analisar se a credibilidade é capaz de minimizar o fear of floating. Dentre as
contribuições desse capitulo, podemos ressaltar que as estimativas indicam que o fear of
floating é maior para países em desenvolvimento, e que, em particular, os países em
desenvolvimento com metas de inflação apresentam um fear of floating ainda mais
elevado. Outra contribuição é a importância de construir credibilidade de maneira a
2
permitir que a taxa de juros da política monetária se situe em patamares mais baixos. Os
resultados sugerem que a credibilidade da política monetária é capaz de reduzir o medo
da autoridade monetária em relação às flutuações da taxa de câmbio, e esse efeito é mais
forte para os países em desenvolvimento que adotaram metas de inflação.
De maneira geral, os três capítulos podem ser lidos separadamente. No entanto,

todos os trabalhos relacionam-se com a questão do fear of floating, a importância da
credibilidade monetária e as expectativas acerca das principais variáveis de política
monetária, de modo que contribuem para a literatura macroeconômica por analisar
empiricamente argumentos teóricos ainda não explorados.
3
1 O EFEITO DA CREDIBILIDADE DA POLÍTICA MONETÁRIA NO FEAR
OF FLOATING: EVIDÊNCIAS PARA O BRASIL
4
1.1 Introdução
No final dos anos 90, muitos países em desenvolvimento adotaram regimes

cambiais flutuantes e metas para a inflação. Essa situação foi destacada por Calvo e
Reinhart (2002) e denominada “Fear of floating”. Uma vez que os bancos centrais
reconhecem a existência do efeito de pass-through da taxa de câmbio para os preços
domésticos, eles se preocupam com a possibilidade de que as flutuações nas taxas de
câmbio possam ameaçar o regime de metas para a inflação (Ball e Reyes 2008).
Com base no argumento teórico de Calvo e Reinhart (2002), de que a
credibilidade da política monetária é importante para reduzir o fear of floating, o
objetivo deste capitulo é contribuir empiricamente em relação à questão. Mais
precisamente, o capítulo faz uma análise empírica para investigar se a credibilidade da
política monetária é capaz de reduzir o medo de flutuação do Banco Central do Brasil
(BCB). Além disso, como um dos principais objetivos de uma autoridade monetária é
orientar as expectativas de inflação, também verificamos se a percepção dos
especialistas do mercado financeiro em relação ao fear of floating do Banco Central é
afetada pela credibilidade da política monetária.
Sendo assim, a principal hipótese do capítulo é a de que conforme a
credibilidade do regime de metas para a inflação aumenta, a reação do BC por meio da
taxa de juros às flutuações na taxa de câmbio é menor. Dessa maneira, o capítulo
contribui para literatura, tanto ao confirmar as evidências de que a variação da taxa de
câmbio provoca reações da política monetária por meio de respostas através da taxa de
juros nominal, quanto por indicar que os ganhos de credibilidade são importantes para
minimizar essa interferência na política monetária.
Em termos metodológicos, o capítulo segue a literatura que trata de regras de
política monetária (por exemplo, Clarida et al. 1998, 2000; Berger 2008; Moura e de
Carvalho 2010; Furlani, Portugal e Laurini 2010; Fendel et al. 2011; Frömmel et al.
2011). Desse modo, utilizamos uma regra de Taylor expandida em nossa análise. Mais
especificamente, consideram-se elementos que são padrão em uma regra do tipo Taylor
(por exemplo, desvios de inflação da meta e do hiato do produto), assim como variáveis
expectacionais (em linha com os modelos neo-keynesianos) e o efeito da taxa de
5
câmbio.1 Além disso, como novidade, a regra também capta o efeito da credibilidade da
política monetária.
Quanto à questão da percepção dos especialistas de mercado, o capítulo estima
uma outra função de reação para a expectativa da taxa de juros. Essa estratégia tem
como objetivo identificar se as expectativas da reação do BC consideram que haja fear
of floating por parte do Banco Central do Brasil. Novamente, investigamos a relação da
credibilidade com fear of floating, mas nesse caso, investiga-se se os agentes esperam
menos reação da autoridade monetária à taxa de câmbio em um cenário em que haja
mais credibilidade.
1.2 Referencial Teórico
No regime de metas para a inflação, o fear of floating pode estar relacionado ao

fear of inflation, e ambos podem ser justificados pela preocupação da autoridade
monetária em relação ao efeito de pass-through da desvalorização cambial para os
preços domésticos (Ball e Reyes 2004, 2008 ). Em relação à credibilidade, a literatura
aponta para o fato de que há uma relação inversa entre a credibilidade monetária e o
repasse cambial, isto é, quando a credibilidade melhora, reduz o repasse da
desvalorização cambial para a inflação (por exemplo, Taylor 2000; Mishkin e Savastano
2001; de Mendonça e Tostes 2015). Taylor (2000) sugere que o estabelecimento de uma
forte âncora nominal em muitos países levou a uma forte redução no grau de pass-
through da taxa de câmbio para a inflação. Seguindo essa ideia, Mishkin e Savastano
(2001) argumentam que os ganhos de credibilidade, gerados pela crença do público de
que a autoridade monetária tem compromisso com o regime de metas, podem ser
responsáveis por manter as expectativas de inflação - e a própria inflação - ancoradas na
meta de inflação estabelecida, mesmo após uma determinada desvalorização cambial.
Este trabalho está de acordo com a literatura que ressalta a importância de se
considerarem as flutuações da taxa de câmbio na análise de política monetária (por
exemplo, Ball 1999; Svensson 2000; Clarida et al. 2001; Calvo e Reinhart 2002; Ball e
Reyes 2004, 2008; Lubik e Schorfheide 2007; Dong 2013). Mais precisamente, essa
1
Segundo Nogueira-Jr. e León-Ledesma (2009), quanto maior o pass-through da taxa de câmbio, maior a
resposta da política monetária à taxa de câmbio. Eles argumentam que “mesmo que o Banco Central
não se importe com o nível da taxa de câmbio, ele deve responder a seus movimentos, pois influencia a
taxa geral de inflação e, portanto, sua capacidade de atingir as metas de inflação” (Nogueira-Jr. León-
Ledesma 2009, p. 258).
6
literatura destaca a tendência dos bancos centrais em utilizar a taxa básica de juros para
reagir às flutuações na taxa de câmbio.
De acordo com Calvo e Reinhart (2002), uma das principais razões para a
existência do fear of floating é a falta de credibilidade da autoridade monetária. Esse
problema afeta principalmente os países em desenvolvimento, que tendem a determinar
sua taxa de juros de política monetária com base em preocupações domésticas. Além
disso, Calvo e Reinhart (2002) apontam para o fato de que, em geral, os países com taxa
de câmbio flutuante tendem a ajustar o valor da taxa de juros com mais frequência. De
maneira geral, o modelo teórico proposto pelos autores considera a adoção de metas
para a inflação, em um cenário que o fear of floating surge de uma combinação de alto
pass-through e baixa credibilidade. Os resultados sugerem que nem sempre é fácil de
distinguir se um país que anuncia uma política de metas para a inflação, realmente
pratica uma taxa de câmbio que flutua livre de intervenção por parte da autoridade
monetária.
No entanto, o trabalho de Calvo e Reinhart (2002) não fornece nenhuma
evidência empírica sobre o efeito da credibilidade sobre o fear of floating. Até onde
sabemos, não há nenhum estudo abordando essa questão, que analisou empiricamente o
efeito da credibilidade sobre o fear of floating. Assim, o presente capítulo contribui para
a literatura, uma vez que é investiga empiricamente essa relação considerando um país
em desenvolvimento que adotou um regime de metas para a inflação.
Desse modo, o objetivo é estudar o Brasil, que é um país emergente e que adotou
as metas para a inflação, mas no qual a política monetária também está comprometida
em suavizar as variações cambiais (Ball e Reyes 2008). De acordo com Ball e Reyes
(2008), as evidências sugerem que há a presença de fear of floating na condução da
política monetária no Brasil. Os autores argumentam que a autoridade monetária
brasileira anuncia que o país segue um regime de metas para inflação, mas na verdade
segue um regime de fear of floating disfarçado.
Desde a adoção do regime de câmbio flutuante e de metas de inflação no Brasil,
a literatura relacionada ao pass-through cambial tem se desenvolvido de forma
considerável (por exemplo, Minella et al. 2003; Nogueira Jr. 2007, 2010; Ca'Zorzi et al.
2007; de Mendonça e Tostes 2015). Em particular, de Mendonça e Tostes (2015)
ressaltam que elevada credibilidade fiscal e monetária podem reduzir o efeito de pass-
7
through cambial. Os resultados dos autores sugerem que a credibilidade é importante
para reduzir tanto o pass-through relacionado à inflação e expectativas de inflação.
Além disso, há estudos que buscam investigar como a autoridade monetária se
comporta em termos de reação da política monetária. Especificamente, alguns estudos
procuram verificar se a taxa de câmbio afeta a função de reação da política monetária
dos Bancos Centrais (por exemplo, Bogdanski et al. 2002; Fraga et al. 2003; Minella et
al. 2003; de Mello et al. 2009; Nogueira- Jr. e León-Ledesma 2009; Palma e Portugal
2014). Em geral, apesar do principal foco desses trabalhos não ser a questão do fear of
floating, esses estudos apontam que as autoridades monetárias suavizam as variações na
taxa de câmbio com o objetivo de reduzir a variabilidade da taxa de inflação (fear of
inflation) (Nogueira Jr. e León-Ledesma 2009).
De maneira geral, o Brasil é um interessante estudo de caso sobre o assunto, pois
desde 1999 adota um regime de metas de inflação com um regime de câmbio flutuante.
No entanto, como apontam Ball e Reyes (2008), a autoridade monetária enfrenta o
dilema de deixar a taxa de câmbio flutuar sem intervenção ou de intervir por ter receio
de que uma determinada flutuação da taxa de câmbio possa comprometer os objetivos
de política monetária.
Seguindo Calvo e Reinhart (2002), o argumento deste capitulo é o de que esse
dilema está claramente relacionado à construção de credibilidade e à redução da
volatilidade cambial, que são desafios importantes a serem superados pelos
formuladores de políticas no Brasil. Particularmente em relação à importância da
credibilidade, quando a credibilidade da política monetária é baixa, a inflação acelera e
tende a afastar-se da meta de inflação estabelecida (Montes e Curi 2016; Montes e
Bastos 2014). Como consequência, em um ambiente de baixa credibilidade, o banco
central está mais propenso a temer desvalorizações cambiais, pois tais desvalorizações
podem aumentar a taxa de inflação através do efeito de pass-through da taxa de câmbio.
Sendo assim, quando a credibilidade da política monetária está comprometida, a
autoridade monetária é mais suscetível a reagir aos movimentos da taxa de câmbio, ao
invés de simplesmente perseguir a meta de inflação e deixar a moeda flutuar livremente.
Em relação aos resultados deste capítulo, a análise empírica sugere que a
credibilidade da política monetária é capaz de reduzir o medo da autoridade monetária
em relação às flutuações da taxa de câmbio no Brasil. Além disso, as estimativas
também indicam que a melhoria da credibilidade do regime de metas é importante para
8
reduzir as expectativas de mercado acerca do comportamento de fear of floating do
Banco Central do Brasil. A partir dos resultados obtidos, este capítulo ressalta a
importância dos bancos centrais buscarem a credibilidade de suas políticas, pois caso
contrário, podem ser mal interpretados em relação às metas que perseguem e como
conduzem a política monetária.
1.3 Evidências empíricas
Conforme mencionado na seção anterior, este estudo contribui para a literatura,

uma vez que busca evidências empíricas para a hipótese teórica sugerida por Calvo e
Reinhart (2002) de que a construção de credibilidade é importante para reduzir o medo
de flutuar. Adicionalmente, o capítulo também contribui para a literatura por avançar
em relação aos estudos apresentados por Nogueira-Jr. e León-Ledesma (2009) e de
Mendonça e Tostes (2015) para a economia brasileira.
O trabalho de Nogueira-Jr. e León-Ledesma (2009) avalia empiricamente o
impacto de uma mudança radical do regime de política monetária, em um mercado
emergente. Especificamente, os autores investigam se essa mudança de regime produziu
uma mudança na política cambial. Os autores fornecem evidências a respeito do efeito
de pass-through cambial para o Brasil entre 1995 e 2007, assim como a reação da
política monetária aos choques cambiais, comparando o período antes e depois da
adoção de metas em 1999. Os resultados sugerem três principais conclusões: (i) O pass-
through diminuiu consideravelmente após a adoção de metas de inflação; (ii) o Banco
Central continuou reagindo às mudanças na taxa de câmbio, e (iii) a reação do Banco
Central do Brasil aos choques cambiais mudou, no sentido de que quase que
completamente parou de utilizar as reservas internacionais, e substituiu essa política, ao
passar a utilizar as taxas de juros como instrumento de política monetária. De acordo
com Nogueira-Jr. e León-Ledesma (2009), em relação ao Brasil, as intervenções de
política monetária por meio da taxa básica de juros podem ser interpretadas mais como
“fear of inflation”, do que “fear of floating”. Ou seja, as reações das taxas de juros à
taxa de câmbio simplesmente refletem o fato de que a autoridade monetária reage a
qualquer variável que afete a inflação.
Por sua vez, de Mendonça e Tostes (2015) apresentam evidências empíricas
sobre o efeito do pass-through da taxa de câmbio sobre a inflação no Brasil após a
9
adoção do regime de metas para a inflação. Em geral, os resultados indicam que o efeito
de pass-through é importante para explicar a taxa de inflação. Além disso, os autores
analisam o impacto da credibilidade fiscal e monetária no mecanismo de transmissão do
pass-through da taxa de câmbio para a inflação. A evidência empírica indica que uma
credibilidade mais elevada ajuda a mitigar o efeito de pass-through da taxa de câmbio.
Assim, pode-se pensar que uma conseqüência disso é um melhor controle sobre a taxa
de inflação com um custo social menor.
1.4 Dados
Os dados para construir as séries utilizadas neste capítulo foram obtidos a partir
do Sistema de Séries Temporais do Banco Central do Brasil. Devido à disponibilidade
de dados, o período de análise vai de julho de 2002 a dezembro de 2015, com
observações mensais. A análise usa as seguintes séries:
 Taxa básica de juros – SELIC;
 Expectativa da taxa básica de juros para os próximos 12 meses (E(SELIC));
 Taxa de inflação medida pelo Índice de Preços ao Consumidor - IPCA - (INF);
 Expectativa para a taxa de inflação medida pelo Índice de Preços ao Consumidor
- IPCA - para os próximos 12 meses (E(INF));
 Taxa de juros real (SELIC_R);
 Expectativa para a taxa de juros real para os próximos 12 meses (E(SELIC_R));
 Taxa de câmbio (EXCH);
 Expectativa para a taxa de câmbio para os próximos 12 meses (E(ECXH));
 Desvios da inflação em relação à meta de inflação (DESV_INF);
 Desvios esperados da inflação em relação à meta de inflação (DESV_EINF);
 Hiato do produto (GAP);
 Desvios esperados do produto em relação à sua tendência (E(GAP));
Todas as séries foram transformadas para considerar a variação acumulada nos
últimos doze meses. Além disso, uma variável dummy (CRISIS) para a crise financeira
subprime e suas consequências internacionais também é considerada (assume valor 1 de
setembro de 2008 a dezembro de 2012, e zero caso contrário). A Tabela A1 no
Apêndice apresenta uma descrição detalhada de cada série utilizada neste capítulo.
10
Com o objetivo de considerar o efeito da credibilidade da política monetária, são
considerados quatro índices de credibilidade diferentes. Esses índices se baseiam na
ideia de Agénor e Taylor (1992), na qual a medida de credibilidade pode ser construída
a partir de séries de expectativa de inflação. Conforme proposto por Svensson (2000), a
credibilidade monetária pode ser medida pela diferença entre a inflação esperada e a
meta de inflação anunciada. Assim, utilizamos os seguintes índices: o índice de
Cecchetti e Krause (2002); o índice construído por de Mendonça (2007); o índice
proposto por Guimarães e Souza e de Mendonça (2009), e; o índice sugerido por de
Tejada, Neto e Leal (2013). Todos os quatro índices são calculados com base nas séries
de expectativas de inflação obtidas junto ao Banco Central do Brasil.
O índice proposto por Cecchetti e Krause (2002) (CREDCK) é calculado com
base na diferença entre a inflação esperada (𝐸[𝜋]) e a meta de inflação (𝜋 𝑇 ). O valor do
índice é igual a 1, sempre que a inflação anual esperada (𝐸[𝜋]) estiver abaixo da meta
de inflação (𝜋 𝑇 ). Caso as expectativas de inflação sejam inferiores a 20%, mas
superiores à meta, o valor do índice varia entre 0 e 1. Por outro lado, quando a inflação
esperada é igual ou superior a 20%, o valor do índice é 0.
1 𝑖𝑓 𝐸[𝜋] ≤ 𝜋𝑡𝑇
1
𝐶𝑅𝐸𝐷𝐶𝐾 = {1 − 0.2−𝜋𝑇 [𝐸[𝜋] − 𝜋𝑡𝑇 ] 𝑖𝑓 𝜋𝑡𝑇 < 𝐸[𝜋] < 20%}
𝑡
0 𝑖𝑓 𝐸(𝜋) ≥ 20%
Por sua vez, o índice proposto por de Mendonça (2007) (CREDM) possui valor
igual a 1, quando a inflação anual esperada (𝐸[𝜋]) é igual à meta de inflação (𝜋 𝑇 ), e
diminui de maneira linear conforme expectativa inflacionária, se desvia do alvo
anunciado. Mais precisamente, esse índice de credibilidade tem valor entre 0 e 1 apenas
quando a inflação esperada está situada entre os limites máximo e mínimo (𝜋 ∗ )
estabelecidos para cada ano. Caso a inflação esperada se situe fora do intervalo, o índice
assume um valor igual a 0. Em termos de cálculo do índice, quando a inflação esperada
está acima da meta de inflação (e ao mesmo tempo não ultrapassou o limite superior da
∗
faixa), utilizamos, no denominador, a diferença entre o limite máximo (𝜋𝑡𝑀𝐴𝑋 ) e a meta
de inflação (𝜋 𝑇 ). Por outro lado, quando a expectativa de inflação está abaixo da meta
de inflação (e ao mesmo tempo não ultrapassou o limite inferior da faixa), utilizamos,
∗
no denominador, a diferença entre o limite mínimo (𝜋𝑡𝑀𝐼𝑁 ) e a meta ( 𝜋 𝑇 ).
11
1 𝑖𝑓 𝐸[𝜋] = 𝜋𝑡𝑇
1
𝐶𝑅𝐸𝐷𝑀 = {1 − 𝜋∗ −𝜋𝑇 [𝐸[𝜋] − 𝜋𝑡𝑇 ] ∗
𝑖𝑓 𝜋𝑡𝑀𝐼𝑁 ∗
< 𝐸[𝜋] < 𝜋𝑡𝑀𝐴𝑋 }
𝑡 𝑡
∗ ∗
0 𝑖𝑓 𝐸(𝜋) ≥ 𝜋𝑡𝑀𝐴𝑋 𝑜𝑟 𝐸[𝜋] ≤ 𝜋𝑡𝑀𝐼𝑁
Com base no índice de Cecchetti e Krause (2002), Guimarães e Souza e de

Mendonça (2009) propuseram um outro índice (CREDSM). A ideia desse índice é de
que quando a inflação anual esperada (𝐸[𝜋]) excede qualquer uma das bandas de
∗ ∗
tolerância (𝜋𝑡𝑀𝐼𝑁 or 𝜋𝑡𝑀𝐴𝑋 ), mas não ultrapassa o limite inferior de 0% nem o limite
superior de 20 %, há uma perda linear de credibilidade. Se a inflação esperada (𝐸[𝜋])
for menor que 0% ou maior que 20%, há 0 de credibilidade. Por outro lado, o índice tem
valor igual a 1, se a inflação esperada (𝐸[𝜋]) estiver dentro do intervalo de tolerância.
∗ ∗
1 𝑖𝑓 𝜋𝑡𝑀𝐼𝑁 ≤ 𝐸[𝜋] ≤ 𝜋𝑡𝑀𝐴𝑋
∗
[𝐸[𝜋] − 𝜋𝑡𝑀𝐴𝑋 ] ∗
1 − ∗ 𝑖𝑓 𝜋𝑡𝑀𝐴𝑋 < 𝐸[𝜋] < 20%
0,2 −𝜋𝑡𝑀𝐴𝑋
𝐶𝑅𝐸𝐷𝑆𝑀 = ∗
[𝐸[𝜋] − 𝜋𝑡𝑀𝑖𝑛 ] ∗
1 − ∗ 𝑖𝑓 0% < 𝐸[𝜋] < 𝜋𝑡𝑀𝑖𝑛
(−𝜋𝑡𝑀𝑖𝑛 )
{0 𝑖𝑓 𝐸(𝜋) ≥ 20% 𝑜𝑟 𝐸[𝜋] ≤ 0%}
Em relação ao índice proposto por Tejada, Neto e Leal (2013) (CREDTNL), sua
principal característica é considerar não-linearidades, de modo que os pequenos desvios
da meta de inflação representem menor redução da credibilidade do que desvios
maiores. Sendo assim, grandes desvios da inflação esperada em relação à meta têm um
efeito mais forte na credibilidade. A ideia do índice é a de que pequenos desvios podem
ser percebidos como temporários e, como consequência, não prejudicam tanto a
credibilidade quanto desvios maiores. Sua especificação quadrática captura esse efeito
não linear. Assim como os demais índices, CREDTNL utiliza as expectativas de
inflação obtidas junto ao Banco Central, a meta de inflação e o intervalo de tolerância
definidos pela autoridade monetária.
1 𝑖𝑓 𝐸[𝜋] = 𝜋𝑡𝑇
2 2
√[𝜋𝑇 −𝜋∗ 𝑇
𝑡 𝑡𝑀𝐴𝑋 ] −[𝐸[𝜋]−𝜋𝑡 ]
∗ 𝑖𝑓 𝜋𝑡𝑇 < 𝐸[𝜋] < 𝜋𝑡𝑀𝐴𝑋
∗
(𝜋𝑡𝑀𝐴𝑋 −𝜋𝑡𝑇 )
𝐶𝑅𝐸𝐷𝑇𝑁𝐿 =
∗
√[𝜋𝑡𝑇 −𝜋𝑡𝑀𝑖𝑛 ]²−[𝐸[𝜋]−𝜋𝑡𝑇 ]2
∗
∗ 𝑖𝑓 𝜋𝑡𝑀𝐼𝑁 < 𝐸[𝜋] < 𝜋𝑡𝑇
(𝜋𝑡𝑇 −𝜋𝑡𝑀𝑖𝑛 )
∗ ∗
{0 𝑖𝑓 𝐸(𝜋) ≥ 𝜋𝑡𝑀𝐴𝑋 𝑜𝑟 𝐸[𝜋] ≤ 𝜋𝑡𝑀𝐼𝑁 }
A Figura 1.1 apresenta os gráficos para todos os índices e suas respectivas

tendências obtidas através do filtro Hodrick-Prescott. Além disso, a Tabela 1.1 abaixo
apresenta a matriz de correlação dos índices.
12
Figura 1.1 – Gráficos dos indices de credbilidade monetária.
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
02 03 04 05 06 07 08 09 10 11 12 13 14 15 02 03 04 05 06 07 08 09 10 11 12 13 14 15
CRED_CK TREND_CRED_CK CRED_M TREND_CRED_M
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
02 03 04 05 06 07 08 09 10 11 12 13 14 15 02 03 04 05 06 07 08 09 10 11 12 13 14 15
CRED_SM TREND_CRED_SM CRED_TNL TREND_CRED_TNL
1.0
0.8
0.6
0.4
0.2
0.0
02 03 04 05 06 07 08 09 10 11 12 13 14 15
TREND_CRED_CK TREND_CRED_M
TREND_CRED_SM TREND_CRED_TNL
Gráfico elaborado pelo autor.
Tabela 1.1 - Matriz de correlação dos índices de credibilidade da política

monetária
INDEXES CREDCK CREDM CREDSM CREDTRL
CREDCK 1.000 0.446 0.670 0.588
CREDM 0.446 1.000 0.064 0.372
CREDSM 0.670 0.064 1.000 0.661
CREDTRL 0.588 0.372 0.661 1.000
Tabela elaborada pelo autor.
Com o propósito de capturar as características comuns presentes em todas as

séries de credibilidade monetária, também usamos a combinação linear dos índices, ou
seja, construímos uma série com base no componente principal de todos os índices de
credibilidade da política monetária (PC_CREDM).
13
Uma primeira condição a ser analisada antes de se aplicar a análise econométrica
é verificar se as séries são estacionárias (ou se têm raízes unitárias). Dessa maneira,
realizaram-se os testes de raiz unitária: Augmented Dickey-Fuller (ADF), Phillips-
Perron (PP) e Kwiatkowski-Phillips-Schmidt-Shin (KPSS) (Tabela 1.2 abaixo). Os
resultados indicaram que todas as séries são I(0) (um resultado esperado, uma vez que
todas as séries são transformadas para considerar a variação acumulada nos últimos
doze meses). Como os índices de credibilidade são variáveis com valores entre 0 e 1,
testes de raiz unitária não são necessários, ou seja, espera-se que todos os índices de
credibilidade sejam estacionários.
Tabela 1.2 – Testes de raiz unitária

ADF PP KPSS
Series
Lag Test cv -10% Band Test cv -10% Band LM-stat cv -1%
SELIC None 1 -5.5 -1.62 None 9 -2.96 -1.62 C+T 10 0.09 0.22
EXP_SELIC None 3 -5.35 -1.62 None 8 -3.14 -1.62 C+T 9 0.05 0.22
INF None 1 -3.22 -1.62 None 7 -2.8 -1.62 C 9 0.08 0.74
EINF None 4 -6.16 -1.62 None 5 -3.52 -1.62 C 9 0.08 0.74
SELIC_R None 1 -3.18 -1.62 None 5 -2.68 -1.62 C 9 0.09 0.74
EXP_SELIC_R None 4 -4.96 -1.62 None 2 -3.25 -1.62 C+T 9 0.09 0.22
DESV_INF C+T 11 -4.23 -3.14 None 2 -2.89 -1.62 C+T 9 0.04 0.22
GAP None 0 -5.3 -1.62 None 6 -5.54 -1.62 C 9 0.03 0.74
EGAP None 1 -4.37 -1.62 None 6 -7.49 -1.62 C 8 0.02 0.74
EXCH None 0 -2.2 -1.62 None 4 -2.5 -1.62 C 9 0.43 0.74
EXP_EXCH C+T 4 -4.08 -3.14 None 8 -5.38 -1.62 C 10 0.5 0.74
Tabela elaborada pelos autores. Nota: Teste ADF - a escolha final do lag foi feita com base no critério de
Schwarz. Testes PP e KPSS – o lag é o truncamento de lag escolhido para o Bartlett kernel. "C" denota
constante; “C + T” denota constante e tendência e; "None" denota nenhum.
1.5 Metodologia
Com o objetivo de verificar o argumento teórico de Calvo e Reinhart (2002), isto

é, se a credibilidade reduz o fear of floating, uma regra de Taylor expandida é utilizada
na análise econométrica. Em geral, uma regra de Taylor é utilizada na literatura para
mostrar como um banco central reage às mudanças nas principais variáveis
macroeconômicas (Taylor, 1993). Para evitar o uso de uma única forma funcional, e
para dar robustez aos resultados, utilizamos diferentes especificações da regra de
Taylor, que são conhecidas na literatura teórica e empírica (por exemplo, Clarida et al
1998; Minella et al. 2003; Lubik 2007). Em todas as especificações, usamos as variáveis
padrão da regra de Taylor (o desvio da inflação da meta e o hiato do produto), assim
como as expectativas das variáveis macroeconômicas (isto é, EINF e EGAP), que
capturam o comportamento forward-looking da autoridade monetária. Além disso, todas
14
as especificações consideram a influência da taxa de câmbio na reação do Banco
Central do Brasil através da taxa básica de juros.
Por sua vez, com o objetivo de verificar o efeito da credibilidade da política
monetária sobre o fear of floating, termos de interação são utilizados, assim como de
Mendonça e Tostes (2015). No entanto, de Mendonça e Tostes (2015) analisaram a
influência direta da credibilidade fiscal e monetária no pass-through da taxa de câmbio
para a inflação. Por outro lado, este capítulo considera o efeito da credibilidade na
reação do Banco Central, por meio da utilização de interações entre a taxa de câmbio e
os índices de credibilidade monetária na função de reação do Banco Central do Brasil.
Do ponto de vista dos modelos estimados, utilizam-se dois conjuntos de equações
empíricas, considerando as variáveis de taxa de câmbio e da credibilidade da política
monetária em nível: uma especificação com a taxa de juros nominal no lado direito, e
outra com a taxa de juros real no lado direito da equação. O objetivo dessa estratégia é
estimar os dois conjuntos de equações obtidos a partir da literatura empírica, para
verificar se os resultados permanecem os mesmos, em diferentes formas funcionais.
As equações estimadas para a especificação que considera a taxa de juros
nominal no lado direito da equação seguem o seguinte modelo:
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛼0 + 𝛼1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛼2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛼3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛼4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛼5 𝐺𝐴𝑃𝑡−1 +

𝛼6 𝐸𝑋𝐶𝐻𝑡−3 + 𝛼7 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜚𝑡 (1.1)
Assim sendo, quando consideramos o efeito da credibilidade, tem-se o termo de

interação:
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛾0 + 𝛾1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛾2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛾3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛾4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛾5 𝐺𝐴𝑃𝑡−1 +

𝛾6 𝐸𝑋𝐶𝐻𝑡−3 + 𝛾7 𝐶𝑅𝐸𝐷𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝛾8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑒𝑡 (1.2)
Nesse caso, a variável CRED representa um dos índices de credibilidade da

política monetária considerados da análise deste capítulo. Dessa maneira, estimam-se as
variações da equação com a variável de interação para considerar os índices 𝐶𝑅𝐸𝐷CK,
𝐶𝑅𝐸𝐷M, 𝐶𝑅𝐸𝐷SM, CREDTRL e a combinação PC_CRED.
Alternativamente, têm-se os modelos com a taxa de juros real no lado direito da
equação, que seguem a seguinte especificação:
𝑆𝐸𝐿𝐼𝐶𝑡 = ψ0 + ψ1 𝐼𝑁𝐹𝑡−2 + ψ2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + ψ3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + ψ4 𝐸𝐼𝑁𝐹𝑡−2 +

ψ5 𝐸𝐺𝐴𝑃𝑡−3 + ψ6 𝐺𝐴𝑃𝑡−1 + ψ7 𝐸𝑋𝐶𝐻𝑡−3 + ψ8 𝐶𝑅𝐼𝑆𝐼𝑆 + ϙ𝑡 (1.7)
15
Da mesma maneira que na especificação anterior, quando se considerar o efeito
da credibilidade, tem-se o termo de interação. Novamente, 𝐶𝑅𝐸𝐷 representa um dos
índices de credibilidade da política monetária, de modo que têm-se variações da
seguinte equação:
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜎0 + 𝜎1 𝐼𝑁𝐹𝑡−2 + 𝜎2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜎3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜎4 𝐸𝐼𝑁𝐹𝑡−3 + 𝜎5 𝐸𝐺𝐴𝑃𝑡−3 +

𝜎6 𝐺𝐴𝑃𝑡−1 + 𝜎7 𝐸𝑋𝐶𝐻𝑡−3 + 𝜎8 𝐶𝑅𝐸𝐷𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜎9 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜛𝑡 (1.8)
Onde, 𝜛 representa um termo de erro aleatório.

Sendo assim, o conjunto que representa as equações descritas previamente no
texto que vai da especificação 1.1 a 12.1 é:
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛼0 + 𝛼1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛼2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛼3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛼4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛼5 𝐺𝐴𝑃𝑡−1 +

𝛼6 𝐸𝑋𝐶𝐻𝑡−3 + 𝛼7 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜚𝑡 (1.1)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛾0 + 𝛾1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛾2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛾3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛾4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛾5 𝐺𝐴𝑃𝑡−1 +

𝛾6 𝐸𝑋𝐶𝐻𝑡−3 + 𝛾7 𝐶𝑅𝐸𝐷𝐶𝐾𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝛾8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑒𝑡 (1.2)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜂0 + 𝜂1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜂2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜂3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜂4 𝐸𝐺𝐴𝑃𝑡−3 + 𝜂5 𝐺𝐴𝑃𝑡−1 +

𝜂6 𝐸𝑋𝐶𝐻𝑡−3 + 𝜂7 𝐶𝑅𝐸𝐷𝑀𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜂8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜖𝑡 (1.3)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜌0 + 𝜌1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜌2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜌3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜌4 𝐸𝐺𝐴𝑃𝑡−3 + 𝜌5 𝐺𝐴𝑃𝑡−1 +

𝜌6 𝐸𝑋𝐶𝐻𝑡−3 + 𝜌7 𝐶𝑅𝐸𝐷𝑆𝑀𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜂8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜇𝑡 (1.4)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜔0 + 𝜔1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜔2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜔3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜔4 𝐸𝐺𝐴𝑃𝑡−3 +

𝜔5 𝐺𝐴𝑃𝑡−1 + 𝜔6 𝐸𝑋𝐶𝐻𝑡−3 + 𝜔7 𝐶𝑅𝐸𝐷𝑇𝑅𝐿𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜔8 𝐶𝑅𝐼𝑆𝐼𝑆 + ϭ𝑡 (1.5)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜅0 + 𝜅1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜅2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜅3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜅4 𝐸𝐺𝐴𝑃𝑡−3 + 𝜅5 𝐺𝐴𝑃𝑡−1 +

𝜅6 𝐸𝑋𝐶𝐻𝑡−3 + 𝜅7 𝑃𝐶_𝐶𝑅𝐸𝐷𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜅8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜊𝑡 (1.6)
𝑆𝐸𝐿𝐼𝐶𝑡 = ψ0 + ψ1 𝐼𝑁𝐹𝑡−2 + ψ2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + ψ3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + ψ4 𝐸𝐼𝑁𝐹𝑡−2 +

ψ5 𝐸𝐺𝐴𝑃𝑡−3 + ψ6 𝐺𝐴𝑃𝑡−1 + ψ7 𝐸𝑋𝐶𝐻𝑡−3 + ψ8 𝐶𝑅𝐼𝑆𝐼𝑆 + ϙ𝑡 (1.7)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜎0 + 𝜎1 𝐼𝑁𝐹𝑡−2 + 𝜎2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜎3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜎4 𝐸𝐼𝑁𝐹𝑡−3 + 𝜎5 𝐸𝐺𝐴𝑃𝑡−3 +

𝜎6 𝐺𝐴𝑃𝑡−1 + 𝜎7 𝐸𝑋𝐶𝐻𝑡−3 + 𝜎8 𝐶𝑅𝐸𝐷𝐶𝐾𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜎9 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜛𝑡 (1.8)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜏0 + 𝜎1 𝐼𝑁𝐹𝑡−2 + 𝜏2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜏3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜏4 𝐸𝐼𝑁𝐹𝑡−2 + 𝜏5 𝐸𝐺𝐴𝑃𝑡−3 +

𝜏6 𝐺𝐴𝑃𝑡−1 + 𝜏7 𝐸𝑋𝐶𝐻𝑡−3 + 𝜏8 𝐶𝑅𝐸𝐷𝑀𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜏9 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜍𝑡 (1.9)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛽0 + 𝛽1 𝐼𝑁𝐹𝑡−2 + 𝛽2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝛽3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛽4 𝐸𝐼𝑁𝐹𝑡−2 + 𝛽5 𝐸𝐺𝐴𝑃𝑡−3 +

𝛽6 𝐺𝐴𝑃𝑡−1 + 𝛽7 𝐸𝑋𝐶𝐻𝑡−3 + 𝛽8 𝐶𝑅𝐸𝐷𝑆𝑀𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝛽9 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑣𝑡 (1.10)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜃0 + 𝜃1 𝐼𝑁𝐹𝑡−2 + 𝜃2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜃3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜃4 𝐸𝐼𝑁𝐹𝑡−2 + 𝜃5 𝐸𝐺𝐴𝑃𝑡−3 +

𝜃6 𝐺𝐴𝑃𝑡−1 + 𝜃7 𝐸𝑋𝐶𝐻𝑡−3 + 𝜃9 𝐶𝑅𝐸𝐷𝑇𝑅𝐿𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜃10 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜀𝑡 (1.11)
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜙0 + 𝜙1 𝐼𝑁𝐹𝑡−2 + 𝜙2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜙3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜙4 𝐸𝐼𝑁𝐹𝑡−2 +

𝜙5 𝐸𝐺𝐴𝑃𝑡−3 + 𝜙6 𝐺𝐴𝑃𝑡−1 + 𝜙7 𝐸𝑋𝐶𝐻𝑡−3 + 𝜙8 𝑃𝐶_𝐶𝑅𝐸𝐷𝑡−3 [𝐸𝑋𝐶𝐻𝑡−3 ] + 𝜙9 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝜉𝑡
(1.12)
16
Além disso, como em de Mendonça e Tostes (2015), também estimamos todas
as equações (1.1 a 1.12) com a primeira diferença para as variáveis de credibilidade da
política monetária (∆CRED), bem como a primeira diferença para a taxa de câmbio
(∆EXCH), ao invés das variáveis em nível. Enquanto, por um lado, a análise com as
variáveis em nível mostra como a taxa de juros é afetada, dependendo do nível de
credibilidade e do nível de taxa de câmbio; por outro lado, as estimativas considerando
as primeiras diferenças mostram como a variação da credibilidade afeta a reação do
Banco Central do Brasil às variações da taxa de câmbio. Mais uma vez, a justificativa
para o uso desse procedimento é antecipar uma possível questão que pode surgir, desta
vez relacionada à ideia de que também é importante verificar o efeito de mudanças na
taxa de câmbio e mudanças na credibilidade da política monetária (como de Mendonça
e Tostes (2015) fizeram pelo efeito de pass-through da taxa de câmbio para a inflação).
2
Vale ressaltar que os termos CRED ou ∆CRED (onde, como vimos, CRED é
CREDCK, CREDM, CREDSM, CREDTRL ou PC_CRED) tornam o coeficiente do
efeito da taxa de câmbio na reação do Banco Central do Brasil dependentes da
credibilidade monetária. Dessa maneira, por exemplo, o efeito total dos coeficientes da
taxa de câmbio são dados por: 𝛾6 + 𝛾7 (Eq. 1.2) e 𝜎7 + 𝜎8 (Eq. 1.8). Por um lado,
espera-se que os coeficientes para o termo de taxa de câmbio sejam positivos (𝛾6 e
𝜎7 > 0); por outro lado, para o termo de interação, espera-se um coeficiente negativo
(𝛾7 e 𝜎8 < 0). Isso significa que quando a credibilidade está em níveis mais elevados, a
autoridade monetária reage com menor intensidade às flutuações na taxa de câmbio. No
sentido oposto, se a credibilidade for baixa, a autoridade monetária está mais propensa à
uma reação mais intensa à taxa de câmbio. O mesmo argumento pode ser usado se
considerarmos as especificações com ∆CRED e ∆EXCH. Quando há uma melhora na
credibilidade ∆CRED> 0, o Banco Central do Brasil reage com menos intensidade às
variações da taxa de câmbio.
No que se refere aos lags variáveis nas equações, a escolha das defasagens para
as variáveis foram determinadas empiricamente, seguindo o método geral para
específico e o princípio da parcimônia. Essa metodologia leva em consideração não
2
No caso das equações que utilizam as variáveis em primeira diferença, As variáveis ∆𝐶𝑅𝐸𝐷 e ∆EXCH
são inseridas na equação ao invés das mesmas variáveis em nível. Por tanto, por exemplo, equação (2.1)
se torna:
𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛾0 + 𝛾1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛾2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛾3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛾4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛾5 𝐺𝐴𝑃𝑡−1 + 𝛾6 ∆𝐸𝑋𝐶𝐻𝑡−3
+ 𝛾7 ∆𝐶𝑅𝐸𝐷𝑡−3 [∆𝐸𝑋𝐶𝐻𝑡−3 ] + 𝛾8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑒𝑡
17
apenas a significância estatística dos parâmetros, mas também testes diagnósticos, a fim
de garantir que o modelo escolhido tenha poder explicativo e, assim, garanta uma
equação parcimoniosa (Hendry, 2001).
A análise faz uso de mínimos quadrados ordinários (OLS) e do método
generalizado de momentos (GMM). Um bom argumento para justificar a estimação dos
modelos por GMM é que enquanto as estimativas de OLS têm problemas de
simultaneidade e endogeneidade dos regressores, o que é típico em séries temporais
macroeconômicas, o GMM fornece estimativas consistentes (Hansen, 1982). Em
relação à escolha dos instrumentos, estimativas GMM adotaram um procedimento
padrão baseado em Johnston (1984), ou seja, os instrumentos escolhidos foram datados
do período t-1 ou anterior. Além disso, um teste J-padrão foi realizado com o objetivo
de testar essa propriedade para a validade das restrições de sobreidentificação e garantir
a eficiência dos estimadores (Cragg, 1983). Mais especificamente, a estatística-J indica
se a condição de ortogonalidade é satisfeita. Além disso, com objetivo de garantir que
não haja endogeneidade nas estimativas por GMM, realizou-se o teste de Durbin-Wu-
Hausman (teste D-W-H) de endogeneidade dos regressores (Durbin 1954; Wu 1973;
Hausman 1978).
A fim de dar robustez aos resultados e evitar possíveis críticas sobre as escolhas
dos lags nas regressões, estimamos por GMM todas as equações anteriormente descritas
considerando regressores contemporâneos. Nesse caso, as estimativas por OLS não
foram realizadas devido aos problemas de simultaneidade e endogeneidade que surgem
quando se utilizam regressores contemporâneos, os quais justificam o uso do GMM (as
estimativas com regressores contemporâneos são reportadas nas tabelas A.2 e A.3 no
Apêndice 1 do capítulo).
1.6 Estimações e resultados
As tabelas 1.3 e 1.4 apresentam as estimativas por OLS e GMM,

respectivamente, para as equações (1.1) a (1.12), usando as duas variáveis CRED e
EXCH em nível. Enquanto as Tabelas 1.5. e 1.6 apresentam as estimativas por OLS e
GMM, respectivamente, para as mesmas equações, mas utilizando as variáveis ∆CRED
e ∆EXCH, ao invés das variáveis em nível.
18
Os resultados apresentados nas tabelas 1.3, 1.4, 1.5 e 1.6 revelam que todos os
coeficientes estimados apresentam os sinais esperados e estão de acordo com a
perspectiva teórica. Em relação aos coeficientes estimados das variáveis
tradicionalmente analisadas em estudos empíricos utilizando as regras de Taylor, as
estimativas corroboram os resultados demonstrados na literatura e sugerem, com
significância estatística: (i) a existência de uma relação positiva entre a taxa de inflação
e a reação do Banco Central do Brasil por meio da taxa básica de juros; (ii) a existência
de uma relação positiva entre o desvio da inflação da meta e a reação da autoridade
monetária, e (iii) a existência de uma relação positiva entre o hiato do produto e a
reação da Banco Central do Brasil. Além disso, os resultados sugerem que a autoridade
monetária reagiu à crise financeira internacional.
Em relação às variáveis expectacionais, os resultados também sugerem que o
BCB atua de maneira forward-looking. As estimativas revelam coeficientes positivos
para a reação do BCB tanto em relação às expectativas de inflação, quanto em relação
às expectativas para a atividade econômica.
No que se refere à relação entre a taxa de câmbio e a reação da autoridade
monetária, todos os coeficientes estimados são positivos e a significância estatística foi
encontrada na maioria dos coeficientes. Desse modo, os resultados indicam que o BCB
reage através da taxa básica de juros e sugere a existência de um comportamento
compatível com a noção de fear of floating.
Com relação à hipótese central do capítulo, de que a credibilidade da política
monetária é importante para reduzir o fear of floating, os resultados apresentados nas
tabelas 1.3 e 1.4, baseados nas estimativas das equações (1.2) a (1.6) e (1.8) a (1.12),
mostram que quanto maior a credibilidade, menor a reação do BCB em relação à taxa de
câmbio. É importante notar que os coeficientes estimados para as variáveis interativas
formadas pela taxa de câmbio e pelos diferentes índices de credibilidade da política
monetária são negativos em todas as equações e estatisticamente significantes na
maioria delas.
Como a noção de fear of floating está diretamente relacionada às flutuações da
taxa de câmbio, estimamos as mesmas equações com a primeira diferença da taxa de
câmbio e a primeira diferença dos índices de credibilidade da política monetária. Nas
tabelas 1.5 e 1.6 verificam-se as estimativas por OLS e por GMM, respectivamente.
Novamente, de maneira geral os coeficientes estimados têm os sinais esperados e, em
19
sua maioria, estão de acordo com a visão teórica. No entanto, os coeficientes estimados
para a variável ∆EXCH estimados por OLS foram a exceção, pois nenhum deles
apresentou significância estatística. Por outro lado, quando obtidos através da estimação
por GMM, todos os coeficientes para a variável ∆EXCH apresentaram os sinais
esperados e significância estatística. Os resultados são semelhantes aos das Tabelas 1.3
e 1.4, que consideram as equações com a taxa de câmbio e os índices de credibilidade
da política monetária em nível. Os resultados reforçam a ideia de que a credibilidade é
capaz de reduzir o fear of floating, pois se houver uma melhora na credibilidade, o BCB
se torna menos suscetível a reagir às pressões cambiais.

Variável Dependente: SELIC
Eq. (1.1) Eq. (1.2) Eq. (1.3) Eq. (1.4) Eq.(1.5) Eq. (1.6) Eq. (1.7) Eq. (1.8) Eq. (1.9) Eq. (1.10) Eq. (1.11) Eq. (1.12)
Estimador: OLS
C 0.373 0.295 -0.270 0.378 0.073 0.178 1.512 1.228 0.391 1.576 0.707 0.864
(0.821) (0.83) (1.088) (0.86) (0.892) (0.87) (1.384) (1.379) (1.801) (1.357) (1.619) (1.562)
SELIC(-1) 0.878*** 0.885*** 0.877*** 0.878*** 0.883*** 0.885***
(0.03) (0.03) (0.029) (0.032) (0.028) (0.029)
INF(-2) 0.557*** 0.594*** 0.575*** 0.559*** 0.592*** 0.596***
(0.067) (0.069) (0.058) (0.076) (0.059) (0.066)
SELIC_R(-1) 0.660*** 0.691*** 0.658*** 0.662*** 0.693*** 0.687***
(0.044) (0.044) (0.044) (0.047) (0.044) (0.044)
DESV_INF(-3) 0.049** 0.031 0.0461** 0.0488* 0.034 0.032 0.146*** 0.087* 0.129*** 0.141** 0.100** 0.089**
(0.02) (0.025) (0.019) (0.026) (0.021) (0.023) (0.041) (0.048) (0.034) (0.058) (0.039) (0.045)
EINF(-2) 0.055*** 0.051*** 0.0387* 0.055*** 0.054*** 0.048*** 0.224*** 0.206*** 0.164*** 0.223*** 0.216*** 0.195***
(0.019) (0.016) (0.022) (0.018) (0.016) (0.016) (0.035) (0.049) (0.055) (0.061) (0.048) (0.049)
EGAP(-3) 0.034 0.035* 0.021 0.035 0.035* 0.034* 0.039 0.042 0.001 0.042 0.043 0.039
(0.022) (0.019) (0.019) (0.023) (0.019) (0.019) (0.044) (0.038) (0.038) (0.047) (0.039) (0.039)
GAP(-1) 0.769*** 0.706*** 0.759*** 0.767*** 0.709*** 0.710*** 1.552*** 1.382*** 1.572*** 1.546*** 1.386*** 1.420***
(0.199) (0.212) (0.199) (0.208) (0.207) (0.208) (0.314) (0.303) (0.327) (0.313) (0.32) (0.308)
EXCH(-3) 0.033 0.694* 0.112* 0.051 0.200*** 0.028 0.112* 2.120** 0.332*** 0.347 0.543*** 0.099*
(0.033) (0.411) (0.062) (0.408) (0.053) (0.031) (0.064) (0.827) (0.096) (0.985) (0.145) (0.053)
CRISIS -2.082 -1.752 -1.341 -2.082 -1.502 -1.607 -6.100* -5.043* -3.891 -6.102* -4.508* -4.642*
(1.457) (1.411) (1.664) (1.459) (1.432) (1.45) (2.802) (2.621) (3.005) (2.805) (2.701) (2.772)
EXCH(-3)*CREDCK(-3) -0.712 -2.159**
(0.451) (0.895)
EXCH(-3)*CREDM(-3) -0.173 -0.473***
(0.111) (0.149)
EXCH(-3)*CREDSM(-3) -0.018 -0.236
(0.427) (0.988)
EXCH(-3)*CREDTRL(-3) -0.232*** -0.597***
(0.069) (0.162)
EXCH(-3)*PC_CREDM(-3) -0.040** -0.115***
(0.02) (0.036)
R² 0.97 0.97 0.97 0.97 0.97 0.97 0.88 0.89 0.89 0.88 0.89 0.89
Adj. R² 0.97 0.97 0.97 0.97 0.97 0.97 0.87 0.88 0.88 0.87 0.89 0.88
Ramsey RESET (1) 1.02 0.27 1.17 1.02 0.01 0.25 2.66 0.45 2.41 2.61 1.28 0.59
Prob. Ramsey RESET (1) 0.31 0.79 0.24 0.31 1.00 0.80 0.01 0.66 0.02 0.01 0.20 0.55
ARCH(1) test 106.18 100.78 90.59 106.24 89.76 94.80 17.84 18.47 22.51 17.74 32.23 24.62
Prob. ARCH(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
LM(1) test 190.06 185.55 192.75 189.01 192.44 191.63 118.47 96.51 116.23 117.20 109.64 105.66
Prob. LM(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Jaque-bera 1.89 2.85 1.42 1.90 5.05 2.78 6.18 14.67 3.58 6.68 3.94 8.67
Prob. Jaque-bera 0.38 0.24 0.49 0.38 0.08 0.24 0.04 0.00 0.16 0.03 0.13 0.01
F-statistic 731.76 666.23 666.69 636.06 705.71 675.20 134.02 131.34 129.12 118.43 140.70 133.20
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Observações 159 159 159 159 159 159 159 159 159 159 159 159
Fonte: Tabela elaborada pelo autor. Níveis de significância marginais: *** denota significância estatística
a 0,01, ** denota a 0,05 e * denota a 0,1; erro-padrão entre parênteses. Devido aos problemas de
autocorrelação e heteroscedasticidade diagnosticados acima (ver teste LM e teste ARCH), todas as
estimativas por OLS apresentam erros-padrão robustos de Newey-West (1987).
20
Com relação às estimativas do GMM para as equações (1.1) a (1.12), que
consideram regressores contemporâneos, os resultados corroboram os achados já
relatados acima (ver tabelas A.1.2 e A.1.3 no Apêndice). Novamente, as estimativas
reforçam a ideia de que a melhoria da credibilidade da política monetária pode mitigar o
fear of floating.
Tabela 1.4 Estimativas por GMM: Efeito da credibilidade no fear of floating

Estimador: GMM
C 0.589 0.590 -1.369 0.988 0.545 0.625 -0.739 -1.497 -3.259 1.436 0.201 -1.938
(1.004) (1.05) (1.489) (0.862) (1.04) (1.058) (1.828) (1.396) (2.885) (2.142) (1.755) (1.661)
SELIC(-1) 0.849*** 0.883*** 0.831*** 0.876*** 0.837*** 0.863***
(0.037) (0.035) (0.029) (0.042) (0.032) (0.033)
INF(-2) 0.646*** 0.656*** 0.646*** 0.649*** 0.647*** 0.641***
(0.053) (0.038) (0.037) (0.058) (0.048) (0.037)
SELIC_R(-1) 0.731*** 0.767*** 0.699*** 0.773*** 0.773*** 0.758***
(0.065) (0.058) (0.053) (0.045) (0.041) (0.059)
DESV_INF(-3) 0.063*** 0.028 0.062*** 0.037 0.037* 0.044* 0.079* 0.044 0.0788 0.068** 0.039* 0.056*
(0.023) (0.024) (0.016) (0.03) (0.022) (0.023) (0.032) (0.034) (0.026) (0.035) (0.021) (0.033)
EINF(-2) 0.063** 0.055** 0.027 0.059*** 0.074*** 0.053** 0.199*** 0.185*** 0.108** 0.264*** 0.258*** 0.201***
(0.025) (0.022) (0.031) (0.021) (0.027) (0.026) (0.048) (0.044) (0.055) (0.064) (0.045) (0.045)
EGAP(-3) 0.029 0.066* 0.002 0.109** 0.002 0.068** 0.145 0.131* 0.034 0.165* 0.094** 0.181**
(0.04) (0.035) (0.033) (0.054) (0.043) (0.037) (0.101) (0.078) (0.064) (0.09) (0.046) (0.091)
GAP(-1) 1.274*** 1.026*** 1.449*** 1.033*** 1.134*** 1.242*** 1.744*** 1.558*** 2.187*** 0.958* 1.089** 1.399**
(0.306) (0.344) (0.251) (0.355) (0.275) (0.318) (0.578) (0.512) (0.476) (0.526) (0.488) (0.548)
EXCH(-3) 0.070* 0.928** 0.237*** 0.986 0.412*** 0.063* 0.158** 2.550*** 0.488** 1.768** 0.819*** 0.172***
(0.04) (0.443) (0.09) (0.71) (0.149) (0.037) (0.074) (0.743) (0.187) (0.867) (0.198) (0.061)
CRISIS -4.189* -3.586 -0.902 -4.765** -4.668* -4.059* -0.389 3.659 3.211 -5.576 -2.588 3.093
(2.277) (2.308) (2.761) (2.276) (2.486) (2.235) (4.434) (3.88) (5.033) (4.469) (3.353) (3.994)
EXCH(-3)*CREDCK(-3) -0.948* -2.543***
(0.481) (0.815)
EXCH(-3)*CREDM(-3) -0.338* -0.621*
(0.179) (0.347)
EXCH(-3)*CREDSM(-3) -0.934 -1.710*
(0.721) (0.872)
EXCH(-3)*CREDTRL(-3) -0.466*** -0.953***
(0.209) (0.242)
EXCH(-3)*PC_CREDM(-3) -0.048* -0.123***
(0.027) (0.046)
R² 0.97 0.97 0.97 0.96 0.97 0.97 0.86 0.86 0.87 0.86 0.89 0.86
Adj. R² 0.97 0.97 0.96 0.96 0.96 0.96 0.85 0.85 0.86 0.85 0.88 0.85
Observations 156 155 155 155 155 155 156 156 155 154 154 156
RANK 20 23 25 22 24 25 20 25 26 24 27 25
J-statistic 11.53 15.11 17.65 12.81 16.11 16.25 12.33 13.93 18.33 12.91 14.76 16.67
p-value(J-stat) 0.48 0.37 0.34 0.46 0.37 0.44 0.34 0.53 0.30 0.53 0.61 0.34
D-W-H test 4.20 4.76 2.59 7.76 5.23 4.42 10.24 6.82 4.46 9.81 7.40 6.67
p-value(D-W-H) 0.76 0.78 0.96 0.46 0.73 0.82 0.25 0.66 0.88 0.37 0.60 0.67
a 0,01, ** denota a 0,05 e * denota a 0,1; erro-padrão entre parênteses. Devido a possível presensa de
autocorrelação e à heteroscedasticidade todas as estimativas de GMM apresentam erros-padrão robustos
de Newey-West (1987).
21
(primeira diferença)
Estimador: OLS
C 0.379 0.538 0.411 0.435 0.469 0.539 1.812 2.213* 1.726 2.073 2.044 2.216
(0.831) (0.818) (0.825) (0.826) (0.801) (0.814) (1.434) (1.37) (1.426) 1.36737 (1.317) (1.351)
SELIC(-1) 0.886*** 0.877*** 0.887*** 0.881*** 0.8779*** 0.877***
(0.028) (0.03) (0.028) (0.029) (0.029) (0.029)
INF(-2) 0.564*** 0.551*** 0.559*** 0.557*** 0.559*** 0.556***
(0.069) (0.06) (0.07) (0.061) (0.055) (0.057)
SELIC_R(-1) 0.681*** 0.673*** 0.683*** 0.682*** 0.68*** 0.676***
(0.05) (0.05) (0.049) (0.05) (0.048) (0.05)
DESV_INF(-3) 0.045** 0.047*** 0.045** 0.047*** 0.043** 0.046** 0.142*** 0.146*** 0.144*** 0.148*** 0.134*** 0.142***
(0.02) (0.021) (0.02) (0.021) (0.021) (0.021) (0.045) (0.044) (0.045) (0.046) (0.039) (0.042)
EINF(-2) 0.064*** 0.071*** 0.064*** 0.065*** 0.077*** 0.072*** 0.262*** 0.277*** 0.266*** 0.266*** 0.294*** 0.28***
(0.015) (0.014) (0.016) (0.015) (0.015) (0.014) (0.058) (0.05) (0.059) (0.055) (0.044) (0.047)
EGAP(-3) 0.034 0.032 0.034 0.032 0.035 0.033 0.035 0.034 0.035 0.03 0.042 3.50E-02
(0.022) (0.022) (0.022) (0.023) (0.022) (0.022) (0.044) (0.044) (0.043) (0.045) (0.042) (0.044)
GAP(-1) 0.658*** 0.688*** 0.648*** 0.678*** 0.661*** 0.681*** 1.175*** 1.212*** 1.182*** 1.218*** 1.139*** 1.194***
(0.176) 0.182 (0.173) (0.18) (0.179) (0.179) (0.415) (0.417) (0.403) (0.424) (0.409) (0.424)
∆EXCH(-3) 0.034 0.014 0.027 0.027 -0.002 0.003 0.086 0.029 0.111 0.048 -0.012 0.001
(0.05) (0.044) (0.047) (0.046) (0.043) (0.043) (0.089) (0.091) (0.091) (0.09) (0.1) (0.099)
CRISIS -2.071 -2.220 -2.150 -2.158 -2.183 -2.283* -6.429** -6.693*** -6.123** -6.702***-6.587***-6.844***
(1.41) (1.402) (1.418) (1.423) (1.373) (1.406) (2.595) (2.504) (2.602) (2.562) (2.451) (2.508)
∆EXCH(-3)*∆CREDCK(-3) -5.210*** -13.142***
(1.732) (4.122)
∆EXCH(-3)*∆CREDM(-3) -0.332 1.231**
(0.359) (0.617)
∆EXCH(-3)*∆CREDSM(-3) -3.350** -15.118***
(1.287) (4.366)
∆EXCH(-3)*∆CREDTRL(-3) -1.162*** -3.023***
(0.299) (0.655)
∆EXCH(-3)*∆PC_CREDM(-3) -0.139*** -0.363***
(0.034) (0.083)
R² 0.97 0.97 0.97 0.97 0.97 0.97 0.87 0.88 0.88 0.88 0.89 0.89
Adj. R² 0.97 0.97 0.97 0.97 0.97 0.97 0.87 0.88 0.87 0.88 0.88 0.88
Ramsey RESET (1) 0.24 0.02 0.26 0.17 0.29 0.06 2.49 2.15 2.31 2.33 2.42 2.39
Prob. Ramsey RESET (1) 0.81 0.98 0.79 0.86 0.77 0.95 0.01 0.03 0.02 0.02 0.02 0.02
ARCH(1) test 111.55 56.41 89.29 82.89 35.34 50.07 15.83 21.91 15.07 11.56 6.67 10.21
Prob. ARCH(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.96 0.01 0.00
LM(1) test 197.66 169.98 187.57 188.21 161.98 165.25 123.97 103.39 121.83 107.97 90.05 97.35
Prob. LM(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Jaque-bera 2.36 1.48 2.53 2.88 9.86 3.13 7.64 2.15 5.54 0.96 1.55 0.81
Prob. Jaque-bera 0.30 0.47 0.28 0.23 0.00 0.20 0.02 0.03 0.06 0.61 0.45 0.66
F-statistic 734.73 670.95 641.79 649.60 665.91 677.80 129.66 124.11 116.44 125.37 128.61 127.05
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Observações 158 158 158 158 155 158 158 158 158 158 158 158
a 0,01, ** denota a 0,05 e * denota a 0,1; erro-padrão entre parênteses. Devido aos problemas de
autocorrelação e heteroscedasticidade diagnosticados acima (ver teste LM e teste ARCH), todas as
estimativas por OLS apresentam erros-padrão robustos de Newey-West (1987).
22
Tabela 1.6 - Estimativas por GMM: Efeito da credibilidade no fear of floating
(primeira diferença)
Estimador: GMM
C 1.427 2.106*** 0.285 0.58 2.209***
2.788** 5.671*** 5.617*** 6.791*** 6.639*** 4.836*** 3.941
(0.876) (0.672) (1.2) (1.022) (0.706)
(1.122) (2.049) (1.661) (1.439) (0.822) (1.169) (2.463)
SELIC(-1) 0.86*** 0.861*** 0.82*** 0.841*** 0.836***
0.83***
(0.031) (0.024) (0.039) (0.019) (0.029)
(0.037)
INF(-2) 0.538*** 0.538*** 0.511*** 0.498*** 0.526*** 0.423***
(0.071) (0.053) (0.047) (0.028) (0.026) (0.044)
SELIC_R(-1) 0.698*** 0.756*** 0.646*** 0.705*** 0.71*** 0.566***
(0.053) (0.048) (0.048) (0.027) (0.029) (0.081)
DESV_INF(-3) 0.052*** 0.02 0.039* 0.053*** 0.055*** 0.062*** 0.141*** 0.124*** 0.138*** 0.155*** 0.12*** 0.147***
(0.017) (0.014) (0.02) (0.013) (0.019) (0.018) (0.032) (0.03) (0.035) (0.021) (0.021) (0.025)
EINF(-2) 0.081*** 0.18*** 0.131*** 0.119*** 0.148*** 0.118*** 0.372*** 0.512*** 0.459*** 0.474*** 0.477*** 0.416***
(0.019) (0.027) (0.024) (0.016) (0.027) (0.031) (0.087) (0.064) (0.055) (0.048) (0.049) (0.061)
EGAP(-3) 0.004 0.021* 0.045* 0.036** 0.005 0.007 0.007 0.024 0.017 2.60E-02 2.40E-02 0.01
(0.021) (0.012) (0.025) (0.018) (0.026) (0.029) (0.074) (0.037) (0.042) (0.034) (0.036) (0.047)
GAP(-1) 0.849*** 0.507*** 0.952*** 0.777*** 0.78*** 0.865*** 0.887 0.053 0.866* 0.111 0.35 1.606**
(0.198) (0.148) (0.267) (0.139) (0.167) (0.219) (0.609) (0.408) (0.451) (0.319) (0.297) (0.714)
∆EXCH(-3) 0.142** 0.067* 0.162** 0.104** 0.148* 0.21** 0.52** 0.312* 0.227** 0.255** 0.202* 0.324**
(0.068) (0.04) (0.072) (0.048) (0.078) (0.101) (0.262) (0.177) (0.114) (0.107) (0.114) (0.164)
CRISIS -5.368*** -6.474*** -1.306 -4.411*** -7.828*** -8.786***-16.241***-16.467***-19.869***-19.795***-13.986***-11.165**
(1.788) (1.204) (3.06) (0.92) (1.537) (2.6) (4.296) (3.027) (3.194) (1.899) (2.194) (5.39)
∆EXCH(-3)*∆CREDCK(-3) -2.776* -1.249
(1.443) (4.123)
∆EXCH(-3)*∆CREDM(-3) -1.243** -2.598*
(0.549) (1.542)
∆EXCH(-3)*∆CREDSM(-3) -2.547** -6.768*
(1.265) (4.075)
∆EXCH(-3)*∆CREDTRL(-3) -1.106* -3.249***
(0.664) (1.197)
∆EXCH(-3)*∆PC_CREDM(-3) -0.378* -0.466***
(0.108) (0.148)
R² 0.97 0.97 0.97 0.97 0.96 0.95 0.83 0.84 0.82 0.83 0.86 0.85
Adj. R² 0.97 0.97 0.96 0.97 0.96 0.95 0.82 0.82 0.80 0.82 0.85 0.84
Observações 154 145 151 150 151 153 153 147 151 150 150 153
RANK 30 42 29 40 36 26 20 39 36 47 43 29
J-statistic 15.04 18.16 15.64 18.35 13.76 13.84 10.34 18.98 19.10 22.81 22.71 13.24
p-value(J-stat) 0.86 0.98 0.74 0.96 0.98 0.68 0.50 0.92 0.83 0.97 0.91 0.83
D-W-H test 4.16 1.67 4.30 4.14 4.50 7.37 8.98 2.86 2.64 2.83 2.98 8.82
p-value(D-W-H) 0.76 0.99 0.83 0.90 0.81 0.50 0.34 0.97 0.98 0.97 0.97 0.45
1.7 Estimativas para as expectativas do comportamento de fear of floating do

Banco Central do Brasil
Devido ao fato de que as expectativas desempenham um papel fundamental nos

países que adotam metas de inflação, a credibilidade da política monetária pode servir
como um mecanismo importante para minimizar os efeitos das expectativas da taxa de
câmbio. Se os agentes consideram que haja um comportamento de fear of floating da
autoridade monetária, quando suas expectativas em relação à taxa de câmbio variam,
suas expectativas sobre a taxa de juros também varia. Além disso, pode-se argumentar
23
que em um ambiente com alta credibilidade, os agentes esperam uma reação mais suave
do BCB em relação à taxa de câmbio. Assim, representando uma contribuição para a
literatura relacionada ao fear of floating, é essa questão examinada nessa seção que diz
respeito à percepção dos especialistas do mercado financeiro sobre o fear of floating.
Portanto, estimamos as seguintes equações:
𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝜒0 + 𝜒1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝜒2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + 𝜒3 𝐸𝐼𝑁𝐹𝑡−6 + 𝜒4 𝐸𝐺𝐴𝑃𝑡−6 +

𝜒5 𝐺𝐴𝑃𝑡 + 𝜒6 (𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 ) + 𝜒7 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑢𝑡 (1.13)
𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝛿0 + 𝛿1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝛿2 𝐷𝐸𝑆𝑉𝐼𝑁𝐹 𝑡 + 𝛿3 𝐸𝐼𝑁𝐹𝑡−6 + 𝛿4 𝐸𝐺𝐴𝑃𝑡−6 + 𝛿5 𝐺𝐴𝑃𝑡 +

𝛿6 (𝐸𝑋𝑃𝐸𝑋𝐶𝐻 𝑡−2 ) + 𝛿7 𝐶𝑅𝐸𝐷𝐶𝐾𝑡−2 [(𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 )] + 𝛿8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑧𝑡 (1.14)
𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝜆0 + 𝜆1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝜆2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + 𝜆3 𝐸𝐼𝑁𝐹𝑡−6 + 𝜆4 𝐸𝐺𝐴𝑃𝑡−6 +

𝜆5 𝐺𝐴𝑃𝑡 + 𝜆6 (𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 ) + 𝜆7 𝐶𝑅𝐸𝐷𝑀𝑡−2 [(𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 )] + 𝜆8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑞𝑡 (1.15)
𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝜄0 + 𝜄1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝜄2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + 𝜄3 𝐸𝐼𝑁𝐹𝑡−6 + 𝜄4 𝐸𝐺𝐴𝑃𝑡−6 + 𝜄5 𝐺𝐴𝑃𝑡 +

𝜄6 (𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 ) + 𝜄7 𝐶𝑅𝐸𝐷𝑆𝑀𝑡−2 [(𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 )] + 𝜄8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑙𝑡 (1.16)
𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = а0 + а1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + а2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + а3 𝐸𝐼𝑁𝐹𝑡−6 + а4 𝐸𝐺𝐴𝑃𝑡−6 +

а5 𝐺𝐴𝑃𝑡 + а6 (𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 ) + а7 𝐶𝑅𝐸𝐷𝑇𝑅𝐿𝑡−2 [(𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 )] + а8 𝐶𝑅𝐼𝑆𝐼𝑆 + ℎ𝑡 (1.17)
𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = б0 + б1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + б2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + б3 𝐸𝐼𝑁𝐹𝑡−6 + б4 𝐸𝐺𝐴𝑃𝑡−6 +

б5 𝐺𝐴𝑃𝑡 + б6 (𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 ) + б7 𝑃𝐶_𝐶𝑅𝐸𝐷𝑡−2 [(𝐸𝑋𝑃_𝐸𝑋𝐶𝐻𝑡−2 )] + б8 𝐶𝑅𝐼𝑆𝐼𝑆 + 𝑝𝑡 (1.18)
onde, 𝑢, 𝑧, 𝑞, 𝑙, ℎ, e 𝑝 são termos de erro aleatório. As defasagens foram determinadas

empiricamente, seguindo o método geral para específico e o princípio da parcimônia.
Além disso, também estimamos todas as equações (1.13) a (1.18) considerando a
primeira diferença para as variáveis de credibilidade da política monetária (∆CRED),
bem como a primeira diferença para a taxa de câmbio (∆EXP_EXCH), ao invés dessas
variáveis em nível. Mais uma vez, a análise faz uso dos mínimos quadrados ordinários
(OLS) e do método generalizado dos momentos (GMM). Com o intuito de dar robustez
aos resultados e evitar possíveis críticas sobre as escolhas das defasagens nas
regressões, também estimaram-se, por meio do GMM, as equações (1.13 a 1.18)
utilizando regressores contemporâneos. Nesse caso, as estimativas através do OLS não
foram realizadas devido aos problemas de simultaneidade e endogeneidade que surgem
quando se utilizam regressores contemporâneos, os quais justificam o uso do GMM (as
estimativas são reportadas através das tabelas A.1.4 e A1.5 no Apêndice).
A Tabela 1.7 apresenta estimativas por OLS e GMM para as equações (1.13) a
(1.18). As estimativas são consistentes com os resultados apresentados anteriormente.
24
As evidências mostram que, quando a inflação se desvia da meta de inflação e as
expectativas de inflação aumentam, os especialistas do mercado financeiro esperam que
o BCB aumente a taxa básica de juros. As estimativas também revelam coeficientes
positivos em relação às expectativas para a atividade econômica (EGAP) e para o hiato
do produto (GAP).
Em relação a hipótese de que a formação de expectativas leva em consideração
um comportamento de Fear of Floating, os resultados indicam uma relação positiva
entre EXP_EXCH e EXP_SELIC, isto é, quando os especialistas do mercado financeiro
esperam uma taxa de câmbio mais alta, eles também esperam que o BCB aumente a
taxa básica de juros. Em relação aos efeitos da credibilidade da política monetária na
percepção dos especialistas do mercado financeiro sobre o fear of floating, os resultados
mostram que eles percebem uma redução na reação do BCB quando há mais
credibilidade monetária. Além disso, os resultados para as estimativas com regressores
contemporâneos (tabela A.1.4 no Apêndice) são consistentes com as evidências
apresentadas na tabela 1.7
A Tabela 1.8 apresenta as estimativas das equações (1.13) a (1.18), porém com a
variação da taxa de câmbio (∆EXCH) e a variação dos diferentes índices de
credibilidade da política monetária (∆CRED). Os resultados para as variáveis de
controle corroboram a visão teórica, assim como as demais evidências apresentadas na
Tabela 1.7. Por sua vez, os resultados indicam que quando os especialistas do mercado
financeiro esperam uma maior variação cambial positiva, também esperam que haja um
aumento da taxa básica de juros. Em relação aos efeitos das variações da credibilidade
da política monetária na percepção dos especialistas do mercado financeiro sobre o fear
of floating, os resultados apontam para o fato de que há uma percepção de uma redução
no fear of floating quando há ganho de credibilidade da política monetária. Além disso,
os resultados para as estimativas quando considerados regressores contemporâneos
(tabela A.5 no Apêndice), mas com a variação da taxa de câmbio (∆EXCH) e a variação
dos diferentes índices de credibilidade da política monetária, são consistentes com os
resultados apresentados em tabela 1.8.
25
Tabela 1.7 - Estimações por OLS e GMM: Efeito da credibilidade nas expectativas
de fear of floating
Variável Dependente: SELIC Eq. (1.13) Eq. (1.14) Eq. (1.15) Eq. (1.16)
Eq.(1.17) Eq. (1.18) Eq. (1.13) Eq. (1.14) Eq. (1.15) Eq. (1.16) Eq.(1.17) Eq. (1.18)
Estimador: OLS GMM
C 0.791 -0.09 -4.576 1.889 0.479 -0.427 2.985 -1.083 -4.535 1.886 -0.916 -1.671
(2.477) (2.374) (3.224) (2.329) (2.699) (2.515) (2.776) (2.819) (3.424) (3.262) (2.119) (2.905)
EXP_SELIC(-6) 0.156* 0.2** 0.178** 0.155* 0.154* 0.173** 0.175** 0.207** 0.158** 0.127* 0.163** 0.167**
(0.087) (0.079) (0.072) (0.087) (0.087) (0.08) (0.07) (0.085) (0.072) (0.07) (0.08) (0.08)
DESV_INF 0.251*** 0.212*** 0.247*** 0.239*** 0.241*** 0.224*** 0.235*** 0.166*** 0.222*** 0.232*** 0.214*** 0.19***
(0.044) (0.046) (0.046) (0.043) (0.044) (0.046) (0.039) (0.047) (0.045) (0.034) (0.041) (0.039)
EINF(-6) 0.116** 0.109** 0.096* 0.121** 0.114** 0.11** 0.138** 0.143** 0.112** 0.135** 0.072 0.101
(0.05) (0.053) (0.052) (0.052) (0.051) (0.052) (0.06) (0.066) (0.053) (0.053) (0.076) (0.073)
EGAP(-6) 0.154** 0.136* 0.108 0.162** 0.15** 0.138* 0.285*** 0.339*** 0.196** 0.315*** 0.214*** 0.324***
(0.078) (0.073) (0.065) (0.076) (0.075) (0.071) (0.086) (0.112) (0.083) (0.068) (0.068) (0.085)
GAP 3.78*** 3.649*** 3.572*** 3.744*** 3.835*** 3.736*** 4.833*** 4.494*** 5.537*** 4.692*** 5.23*** 5.082***
(0.729) (0.745) (0.73) (0.711) (0.756) (0.742) (0.667) (0.847) (0.546) (0.771) (0.699) (0.707)
EXP_EXCH(-2) 0.245* 4.184*** 0.685*** 3.826** 0.52 0.214 0.194* 5.35*** 0.718** 4.005*** 0.879** 0.234*
(0.142) (1.256) (0.222) (1.619) (0.452) (0.145) (0.108) (1.066) (0.287) (0.788) (0.402) (0.124)
CRISIS -5.582 -4.812 -0.52 -6.641 -5.18 -4.357 -14.229** -7.452 -1.17 -9.096 -6.232 -3.98
(5.028) (4.778) (5.348) (4.854) (5.206) (4.828) (6.917) (6.112) (5.373) (7.544) (4.534) (6.851)
EXP_EXCH(-2)*CREDCK(-2) -4.25*** -5.528***
(1.389) (1.188)
EXP_EXCH(-2)*CREDM(-2) -1.122*** -0.991*
(0.39) (0.558)
EXP_EXCH(-2)*CREDSM(-2) -3.614** -3.865***
(1.633) (0.835)
EXP_EXCH(-2)*CREDTRL(-2) -0.36 -0.843*
(0.574) (0.47)
EXP_EXCH(-2)*PC_CREDM(-2) -0.207** -0.169***
(0.091) (0.058)
R² 0.60 0.63 0.65 0.61 0.60 0.63 0.53 0.58 0.58 0.59 0.58 0.58
Adj. R² 0.58 0.61 0.63 0.59 0.58 0.61 0.51 0.55 0.56 0.56 0.55 0.55
Ramsey RESET (1) 0.98 0.30 0.91 0.51 0.35 0.42
Prob. Ramsey RESET (1) 0.33 0.77 0.36 0.61 0.73 0.67
ARCH(1) test 64.77 42.36 25.16 53.12 48.78 33.23
Prob. ARCH(1) test 0.00 0.00 0.00 0.00 0.00 0.00
LM(1) test 213.75 218.52 178.80 208.69 205.88 203.86
Prob. LM(1) test 0.00 0.00 0.00 0.00 0.00 0.00
Jaque-bera 9.18 11.10 4.85 13.24 10.70 10.93
Prob. Jaque-bera 0.01 0.00 0.08 0.00 0.00 0.00
F-statistic 31.23 30.97 34.36 29.02 27.60 30.92
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00
Observações 156 156 156 156 156 156 150 150 152 150 148 149
RANK 24 17 25 26 27 25
J-statistic 11.36 12.14 15.23 13.10 13.34 14.28
p-value(J-stat) 0.79 0.14 0.51 0.73 0.77 0.58
D-W-H test 6.94 8.77 6.67 8.47 7.97 5.99
p-value(D-W-H) 0.44 0.36 0.57 0.39 0.44 0.65
Fonte: Tabela elaborada pelo autor. Níveis de significância marginais: *** denota significância estatística a 0,01, **
denota a 0,05 e * denota a 0,1; erro-padrão entre parênteses. Devido aos problemas de autocorrelação e
heteroscedasticidade diagnosticados acima (ver teste LM e teste ARCH), todas as estimativas por OLS apresentam
erros-padrão robustos de Newey-West (1987). Devido a possível presensa de autocorrelação e à heteroscedasticidade
todas as estimativas de GMM apresentam erros-padrão robustos de Newey-West (1987).
26
fear of floating (Primeira diferença)
Variável Dependente:SELIC Eq. (1.13) Eq. (1.14) Eq. (1.15) Eq. (1.16) Eq.(1.17)
Eq. (1.18) Eq. (1.13) Eq. (1.14) Eq. (1.15) Eq. (1.16) Eq.(1.17) Eq. (1.18)
Estimador: OLS GMM
C 1.381 1.496 1.262 1.494 1.377 1.528 -2.775 0.156 -2.794 -3.598 0.159 -0.75
(2.649) (2.731) (2.655) (2.7) (2.679) (2.707) (3.26) (2.148) (3.621) (2.614) (2.855) (2.773)
EXP_SELIC(-6) 0.149 0.151 0.154* 0.152 0.149 [0.152 0.145* 0.141** 0.188*** 0.173*** 0.119* 0.169**
(0.092) (0.092) (0.092) (0.093) (0.093) (0.092) (0.086) (0.068) (0.072) (0.064) (0.068) (0.078)
DESV_INF 0.23*** 0.225*** 0.227*** 0.225*** 0.23*** 0.224*** 0.234*** 0.229*** 0.22*** 0.184*** 0.222*** 0.188***
(0.052) (0.056) (0.051) (0.055) (0.052) (0.055) (0.054) (0.047) (0.047) (0.051) (0.043) (0.054)
EINF(-6) 0.19*** 0.191*** 0.186*** 0.191*** 0.19*** 0.191*** 0.23*** 0.224*** 0.193*** 0.196*** 0.245*** 0.209***
(0.037) (0.037) (0.037) (0.038) (0.037) (0.037) (0.046) (0.027) (0.043) (0.038) (0.04) (0.04)
EGAP(-6) 0.131 0.132 0.126 0.133* 0.131 0.131 0.192* 0.199** 0.138 0.206*** 0.027 0.169**
(0.079) (0.08) (0.081) (0.08) (0.081) (0.08) (0.099) (0.079) (0.086) (0.058) (0.098) (0.076)
GAP 3.739*** 3.74*** 3.759*** 3.728*** 3.738*** 3.741*** 5.343*** 5.068*** 5.487*** 5.177*** 5.656*** 5.426***
(0.746) (0.746) (0.746) (0.744) (0.762) (0.746) (0.886) (0.624) (0.804) (0.774) (0.698) (0.781)
∆EXP_EXCH(-2) 0.797* 0.776* 0.788* 0.765* 0.796* 0.772* 1.294** 0.708** 1.114** 0.848** 1.145*** 0.944**
(0.437) (0.45) (0.438) (0.436) (0.433) (0.451) (0.497) (0.35) (0.444) (0.428) (0.422) (0.422)
CRISIS -7.173 -7.253 -7.194 -7.259 -7.169 -7.286 -1.569 -7.821 -1.01 1.297 -9.796 -2.531
(5.081) (5.098) (5.076) (5.114) (5.099) (5.104) (8.157) (5.239) (9.686) (6.459) (7.602) (7.152)
∆EXP_EXCH(-2)*∆CREDCK(-2) -1.814 -10.445*
(3.777) (6.281)
∆EXP_EXCH(-2)*∆CREDM(-2) -3.036 -8.56*
(2.657) (4.723)
∆EXP_EXCH(-2)*∆CREDSM(-2) -2.03 -8.836*
(3.013) (5.17)
∆EXP_EXCH(-2)*∆CREDTRL(-2) 0.037 -6.052*
(1.191) (3.576)
∆EXP_EXCH(-2)*∆PC_CREDM(-2) -0.066 -0.352*
(0.099) (0.205)
R² 0.58 0.58 0.59 0.58 0.58 0.58 0.56 0.58 0.54 0.56 0.55 0.57
Adj. R² 0.56 0.56 0.57 0.56 0.56 0.56 0.54 0.56 0.52 0.53 0.52 0.54
Ramsey RESET (1) 1.29 1.36 1.01 1.46 1.29 1.40
Prob. Ramsey RESET (1) 0.20 0.18 0.31 0.15 0.20 0.17
ARCH(1) test 82.42 83.28 86.81 81.57 82.28 83.68
Prob. ARCH(1) test 0.00 0.00 0.00 0.00 0.00 0.00
LM(1) test 228.67 226.57 217.22 224.76 231.26 225.60
Prob. LM(1) test 0.00 0.00 0.00 0.00 0.00 0.00
Jaque-bera 6.94 6.79 7.78 6.87 6.95 6.81
Prob. Jaque-bera 0.03 0.03 0.02 0.03 0.03 0.03
F-statistic 29.69 25.84 26.29 25.85 25.81 25.87
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00
Observações 156 156 156 156 156 156 152 152 153 150 153 152
RANK 24 37 28 40 29 28
J-statistic 15.53 17.77 15.46 20.79 15.62 14.25
p-value(J-stat) 0.49 0.93 0.69 0.92 0.74 0.77
D-W-H test 4.54 3.06 5.49 3.49 5.40 5.83
p-value(D-W-H) 0.72 0.93 0.70 0.90 0.71 0.67
Fonte: Tabela elaborada pelo autor. Níveis de significância marginais: *** denota significância estatística a 0,01, **
denota a 0,05 e * denota a 0,1; erro-padrão entre parênteses. Devido aos problemas de autocorrelação e
heteroscedasticidade diagnosticados acima (ver teste LM e teste ARCH), todas as estimativas por OLS apresentam
erros-padrão robustos de Newey-West (1987). Devido a possível presensa de autocorrelação e à heteroscedasticidade
todas as estimativas de GMM apresentam erros-padrão robustos de Newey-West (1987).
1.8 Conclusões

credibilidade da política monetária é importante para reduzir o fear of floating, analisou-
se empiricamente essa hipótese para o caso brasileiro. Como o Brasil é um país em
desenvolvimento que adota metas de inflação, as expectativas desempenham um papel
fundamental. Nesse sentido, a análise empírica do capítulo sugere também que a
27
credibilidade da política monetária é capaz para afetar as expectativas dos especialistas
do mercado financeiro sobre as reações de fear of floating do Banco Central. Dessa
maneira, são duas principais contribuições do capítulo: primeiro, o artigo é pioneiro em
analisar empiricamente o argumento teórico de Calvo e Reinhart e; segundo, o artigo é o
primeiro a propor e analisar empiricamente o efeito da credibilidade da política
monetária na percepção dos previsores do mercado financeiro sobre o fear of floating.
Para isso, utilizaram-se diferentes formas funcionais da regra de Taylor, assim

como diferentes índices de credibilidade. Com base nas estimativas, verificaram-se
evidências empíricas de que a credibilidade da política monetária é importante para
reduzir o receio da autoridade monetária em relação às flutuações da taxa de câmbio, ou
seja, as evidências corroboram o argumento teórico de Calvo e Reinhart. Além disso, as
estimativas também sugerem que a melhoria da credibilidade da política monetária é
importante para reduzir as expectativas do mercado financeiro sobre o comportamento
de fear of floating do BCB.
28
Apêndice 1
Tabela A.1.1 – Descrição dos dados

Nome Cód
Descrição Fonte
SELIC 4189
Taxa de juros - Selic acumulada no mês anualizada base 252 - % a.a. BCB
E(SELIC) - Expectativa do mercado para a taxa de juros nominal doze meses a BCB
frente
INF 13522 Índice nacional de preços ao consumidor - amplo (IPCA) - em 12 meses BCB
-%
E(INF) - Expectativa do mercado para a taxa de inflação doze meses a frente BCB
SELIC_R - Calculada como a diferença entra a taxa de juros nominal e a inflação Elaboração
(SELIC-INF) Prória
E(SELIC_R) - Calculada como a diferença entra a expectativa da taxa de juros Elaboração
nominal e a expetativa de inflação (SELIC-INF) Prória
DESV_INF - Calculado como a diferença entra a inflação e a meta estabelecida para Elaboração
a inflação pela autoridade monetária Prória
DESV_EINF - Calculado como a diferença entra a expectativa de inflação doze Elaboração
meses a frente e a meta estabelecida para a inflação pela autoridade Prória
monetária
GAP 4380 Diferença entre o PIB mensal - Valores correntes (R$ milhões) e sua Elaboração
tendência gerada pelo Filtro de Hodrick-Prescott Prória
EGAP 7343 Expectativa para o produto calculada como a diferença entre o Índice Elaboração
de Confiança do Empresário Industrial (ICEI) e sua tendência gerada Prória
pelo filtro HP
EXCH 3696 Taxa de câmbio - Livre - Dólar americano (venda) - Fim de período - BCB
US$
E(ECXH) - Expectativa do mercado para a taxa de câmbio doze meses a frente BCB
Elaborada pelo autor.
29
Tabela A.1.2 – Estimativas por GMM: efeito da credibilidade no fear of floating
(regressores contemporâneos)
Estimador: GMM
C -1.413 0.815 0.107 1.968* 0.984 0.666 -0.23637 1.100* 1.529 1.035 0.064 1.017
(3.438) (0.561) (0.841) (1.01) (0.718) (0.675) (0.508) (0.663) (1.289) (0.718) (0.756) (0.763)
SELIC(-1) 0.862*** 0.888*** 0.862*** 0.915*** 0.892*** 0.881***
(0.022) (0.018) (0.018) (0.031) (0.019) (0.018)
INF(-1) 0.878*** 0.886*** 0.858*** 0.889*** 0.894*** 0.889***
(0.02) (0.023) (0.023) (0.023) (0.022) (0.023)
SELIC_R(-1) 0.904*** 0.860*** 0.866*** 0.869*** 0.882*** 0.859***
(0.031) (0.033) (0.034) (0.031) (0.031) (0.033)
DESV_INF 0.059*** 0.037*** 0.049*** 0.035 0.037*** 0.039*** 0.049*** 0.039** 0.049*** 0.038*** 0.038*** 0.038**
(0.012) (0.013) (0.013) (0.022) (0.012) (0.014) (0.009) (0.015) (0.012) (0.013) (0.01) (0.016)
EINF 0.105*** 0.095** 0.114*** 0.104*** 0.1089*** 0.100*** 0.121*** 0.046*** 0.084*** 0.051*** 0.067*** 0.039**
(0.032) (0.016) (0.021) (0.031) (0.018) (0.016) (0.02) (0.015) (0.025) (0.017) (0.014) 0.0159
EGAP 0.001 0.0001 -0.037 0.006 -0.024 0.001 0.007 -0.066*** -0.093*** -0.052** -0.041* -0.070***
(0.03) 0.018 (0.025) (0.027) (0.027) 0.021 (0.019) (0.024) (0.029) (0.023) (0.024) (0.026)
GAP 0.418 0.684*** 0.712*** 0.472* 0.470* 0.746*** 0.519** 1.188*** 0.608* 1.113*** 0.984*** 1.096***
(0.314) (0.174) (0.21) (0.25) (0.235) (0.18) (0.254) (0.268) (0.33) (0.237) (0.262) (0.278)
EXCH 0.059* 0.633*** 0.117** 1.249* 0.152* 0.040* 0.033 0.668** 0.125*** 0.608* 0.169*** 0.054*
(0.032) (0.234) (0.05) (0.702) (0.083) 0.022 (0.021) (0.273) (0.061) (0.328) (0.063) (0.03)
CRISIS -5.326*** -4.218*** -3.431** -7.122*** -4.705*** -4.080*** -0.540 -4.748*** -7.491*** -4.641*** -2.587* -4.944***
(1.943) (1.113) (1.649) (2.678) (1.64) (1.304) (1.109) (1.343) (2.425) (1.213) (1.393) (1.484)
EXCH*CREDCK -0.641*** -0.657***
(0.255) (0.295)
EXCH*CREDM -0.217* -0.244*
(0.125) (0.144)
EXCH*CREDSM -1.220* -0.563*
(0.713) (0.328)
EXCH*CREDTRL -0.194* -0.192**
(0.116) (0.082)
EXCH*PC_CRED -0.028* -0.039**
(0.015) (0.02)
R² 0.96 0.97 0.97 0.97 0.97 0.96 0.98 0.97 0.96 0.97 0.97 0.97
Adj. R² 0.96 0.97 0.97 0.97 0.97 0.96 0.98 0.96 0.96 0.97 0.97 0.96
Observações 154 153 154 153 154 154 155 157 156 157 157 157
RANK 27 35 30 23 27 27 23 23 25 25 25 23
J-statistic 10.46 22.43 19.39 14.70 17.67 10.46 14.46 18.21 14.56 17.56 18.84 16.41
p-value(J-stat) 0.94 0.66 0.56 0.40 0.48 0.94 0.42 0.15 0.48 0.29 0.22 0.23
D-W-H test 1.83 1.15 1.97 2.01 2.89 1.83 6.87 3.08 5.76 3.20 1.87 2.18
p-value(D-W-H) 0.99 1.00 0.98 0.99 0.94 0.99 0.55 0.96 0.76 0.96 0.99 0.99
30
Tabela A.1.3 - Estimativas por GMM: efeito da credibilidade no fear of floating
(taxa de câmbio e credibilidade em diferenças)
Estimador: GMM
C 2.789* 2.542*** 0.752 2.101*** 2.635** 3.329*** 0.817 1.293*** 0.216 0.708 1.255** 1.328***
(1.492) (0.758) (0.783) (0.763) (1.033) (1.246) (0.675) (0.411) (0.576) (0.458) (0.511) (0.493)
SELIC(-1) 0.895*** 0.878*** 0.877*** 0.858*** 0.889*** 0.872***
(0.018) (0.017) (0.02) (0.018) (0.018) (0.026)
INF(-1) 0.888*** 0.878*** 0.879*** 0.895*** 0.891*** 0.887***
(0.015) (0.013) (0.018) (0.014) (0.015) (0.015)
SELIC_R(-1) 0.938*** 0.935*** 0.927*** 0.937*** 0.945*** 0.943***
(0.019) (0.016) (0.023) (0.02) (0.019) (0.019)
DESV_INF 0.052*** 0.047*** 0.044*** 0.058*** 0.038*** 0.052*** 0.051*** 0.054*** 0.043*** 0.056*** 0.05*** 0.051***
(0.01) (0.008) (0.011) (0.009) (0.013) (0.012) (0.009) (0.007) (0.011) (0.008) (0.008) (0.009)
EINF 0.105*** 0.141*** 0.125*** 0.151*** 0.129*** 0.159*** 0.153*** 0.162*** 0.182*** 0.115*** 0.163*** 0.162***
(0.016) (0.022) (0.024) (0.022) (0.027) (0.04) (0.014) (0.012) (0.029) (0.011) (0.018) (0.017)
EGAP -0.033 -0.035* 0.003 -0.005 -0.045** -0.003 0.003 0.018 0.029* 0.002 0.016 0.015
(0.02) (0.018) (0.019) (0.021) (0.018) (0.023) (0.016) (0.011) (0.017) (0.013) (0.013) (0.013)
GAP 0.323* 0.354** 0.532*** 0.232 0.212 0.023 0.149 0.039 0.065 0.359** 0.119 0.108
(0.187) (0.155) (0.203) (0.166) (0.196) (0.194) (0.198) (0.139) (0.208) (0.155) (0.166) (0.161)
∆EXCH 0.109* 0.121** 0.109* 0.104** 0.137* 0.157** 0.133* 0.069** 0.142** 0.079* 0.103* 0.138**
(0.058) (0.051) (0.057) (0.044) (0.082) (0.073) (0.07) (0.032) (0.068) (0.046) (0.059) (0.06)
CRISIS -7.557*** -8.48*** -2.683 -9.056*** -8.573*** -10.39*** -3.049** -3.255*** -0.951 -3.133*** -3.95*** -4.117***
(2.177) (1.56) (1.977) (1.616) (2.186) (2.606) (1.5) (0.893) (1.179) (0.938) (1.043) (1.058)
∆EXCH*∆CREDCK -1.455* -1.596**
(0.871) (0.805)
∆EXCH*∆CREDM -0.698 -0.441
(0.97) (0.595)
∆EXCH*∆CREDSM -2.077* -2.13*
(1.218) (1.118)
∆EXCH*∆CREDTRL -0.497* -0.648*
(0.297) (0.34)
∆EXCH*∆PC_CREDM -0.126** -0.079**
(0.06) (0.039)
R² 0.97 0.96 0.97 0.96 0.96 0.95 0.98 0.98 0.97 0.98 0.98 0.98
Adj. R² 0.97 0.96 0.97 0.96 0.96 0.95 0.98 0.98 0.97 0.98 0.98 0.98
Observações 154 152 153 153 153 153 154 154 153 156 153 153
RANK 33 40 28 40 35 35 29 40 27 36 34 34
J-statistic 19.80 21.19 15.47 19.58 18.31 18.21 22.09 23.84 15.12 24.62 23.80 24.16
p-value(J-stat) 0.76 0.91 0.69 0.94 0.86 0.87 0.34 0.78 0.59 0.54 0.47 0.45
D-W-H test 0.71 1.12 6.04 2.34 2.20 2.60 1.43 2.03 7.44 2.19 0.84 0.99
p-value(D-W-H) 0.99 1.00 0.64 0.98 0.97 0.96 0.99 1.00 0.59 0.99 0.99 0.99
31
Tabela A.1.4 - Estimativas por GMM: efeito da credibilidade nas expectativas de
fear of floating (regressores contemporâneos)
Eq. (1.13) Eq. (1.14) Eq. (1.15) Eq. (1.16) Eq.(1.17) Eq. (1.18)
Estimador: GMM
C 1.064 0.654 -2.587** 2.266* 0.095 0.282
(1.002) (0.669) (1.224) (1.149) (1.298) (0.945)
EXP_SELIC(-1) 0.809*** 0.819*** 0.82*** 0.805*** 0.797*** 0.801***
(0.029) (0.031) (0.022) (0.034) (0.03) (0.03)
DESV_INF 0.062*** 0.039** 0.054*** 0.063*** 0.035** 0.041***
(0.012) (0.018) (0.01) (0.014) (0.015) (0.016)
EINF 0.048** 0.05*** 0.028** 0.061*** 0.073*** 0.053***
(0.018) (0.012) (0.013) (0.022) (0.017) (0.013)
EGAP 0.057* 0.058* 0.05** 0.05 0.065** 0.054*
(0.032) (0.03) (0.022) (0.035) (0.032) (0.032)
GAP 1.259*** 1.241*** 1.4*** 1.13*** 1.488*** 1.361***
(0.269) (0.294) (0.223) (0.288) (0.288) (0.273)
EXP_EXCH 0.078** 1.771*** 0.214*** 0.298 0.373*** 0.062*
(0.036) (0.527) (0.061) (0.645) (0.139) (0.035)
CRISIS -5.449** -4.137** 1.81 -8.252*** -3.307 -4.277*
(2.31) (1.717) (1.976) (2.661) (2.965) (2.189)
EXP_EXCH*CREDCK -1.843***
(0.585)
EXP_EXCH*CREDM -0.361**
(0.149)
EXP_EXCH*CREDSM -0.236
(0.651)
EXP_EXCH*CREDTRL -0.425**
(0.187)
EXP_EXCH*PC_CREDM -0.085**
(0.034)
R² 0.94 0.95 0.95 0.94 0.94 0.94
Adj. R² 0.94 0.94 0.94 0.93 0.94 0.94
Observações 156 157 157 157 157 157
RANK 28 27 28 31 25 25
J-statistic 15.18 15.81 19.27 15.06 14.51 14.66
p-value(J-stat) 0.77 0.61 0.44 0.86 0.56 0.55
D-W-H test 5.01 3.80 3.29 5.48 4.98 4.50
p-value(D-W-H) 0.66 0.87 0.92 0.70 0.76 0.81
32
Tabela A.1.5 - Estimativas por GMM: efeito da credibilidade nas expectativas de
fear of floating (Em diferenças)
Eq. (1.13) Eq. (1.14) Eq. (1.15) Eq. (1.16) Eq.(1.17) Eq. (1.18)
Estimador: GMM
C 2.461* 0.995*** 1.317*** 0.735 1.013*** 1.703**
(1.301) (0.372) (0.463) (0.491) (0.377) (0.793)
EXP_SELIC(-1) 0.848*** 0.834*** 0.821*** 0.846*** 0.825*** 0.835***
(0.033) (0.021) (0.019) (0.018) (0.021) (0.034)
DESV_INF 0.05*** 0.041*** 0.051*** 0.038*** 0.042*** 0.044***
(0.012) (0.009) (0.009) (0.009) (0.008) (0.014)
EINF 0.078*** 0.082*** 0.087*** 0.079*** 0.091*** 0.051***
(0.027) (0.016) (0.008) (0.01) (0.009) (0.013)
EGAP 0.045 0.039** 0.034* 0.042*** 0.045** 0.022
(0.044) (0.015) (0.02) (0.014) (0.019) (0.026)
GAP 0.751*** 0.916*** 0.855*** 0.75*** 0.854*** 0.894***
(0.255) (0.132) (0.134) (0.139) (0.172) (0.203)
∆EXP_EXCH 0.365* 0.167* 0.207** 0.197** 0.281** 0.317*
(0.186) (0.088) (0.098) (0.091) (0.109) (0.166)
CRISIS -9.559*** -4.49*** -5.192*** -3.839*** -4.682*** -6.689***
(2.623) (0.855) (0.875) (0.882) (0.814) (1.526)
∆EXP_EXCH*∆CREDCK -2.558*
(1.528)
∆EXP_EXCH*∆CREDM -1.129*
(0.61)
∆EXP_EXCH*∆CREDSM -3.67*
(2.072)
∆EXP_EXCH*∆CREDTRL -1.004***
(0.366)
∆EXP_EXCH*∆PC_CREDM -0.129*
(0.074)
R² 0.93 0.95 0.95 0.95 0.95 0.94
Adj. R² 0.93 0.95 0.95 0.95 0.95 0.94
Observações 156 152 154 154 154 157
RANK 23 45 40 40 35 23
J-statistic 12.26 21.90 22.67 21.18 23.03 13.78
p-value(J-stat) 0.66 0.97 0.86 0.91 0.63 0.47
D-W-H test 4.38 3.38 3.15 4.91 1.24 7.27
p-value(D-W-H) 0.74 0.91 0.92 0.77 1.00 0.51
33
2 CREDIBILIDADE DA POLÍTICA MONETÁRIA, DISAGREEMENT NA
TAXA DE CÂMBIO E TRANSMISSÃO DE INCERTEZA PARA A TAXA
DE JUROS E A INFLAÇÃO
34
2.1 Introdução
Desde os trabalhos seminais de Muth (1961) e Lucas (1972), a hipótese das

expectativas racionais representa a principal hipótese sobre o processo de formação de
expectativas em modelos macroeconômicos. No entanto, segundo Mankiw et al. (2003,
p. 209), “nem todos têm as mesmas expectativas” e, portanto, é bastante razoável supor
que exista divergência entre as previsões dos agentes econômicos. Como consequência,
um assunto importante, que ainda não foi extensivamente analisado na literatura, refere-
se à diferença na previsão dos agentes, ou seja, ao disagreement nas expectativas, e o
que explica essa discordância.
Uma das razões pelas quais há uma escassez de estudos empíricos sobre
desacordo nas expectativas sobre variáveis econômicas em países em desenvolvimento
é a baixa disponibilidade de dados de expectativas para essas variáveis. Há poucos
países - como o Brasil - que fornecem livre acesso a bases de dados de expectativas para
diferentes variáveis macroeconômicas. Dessa maneira, a partir desse conjunto de dados
de expectativas obtidos do Banco Central do Brasil (CBB), este capítulo contribui para
a literatura com a seguinte análise: investigam-se os efeitos do disagreement nas
expectativas de taxa de câmbio sobre as divergências nas expectativas para inflação e
para a taxa de juros da política monetária no Brasil. Nesse sentido, esse capítulo
adiciona mais um elemento na análise do fear of floating, pois além da reação da
autoridade monetária, é analisado aqui um canal de transmissão de incerteza da taxa de
câmbio.
As divergências nas expectativas dos agentes econômicos sobre o valor futuro
de uma variável podem refletir as incertezas em relação ao comportamento futuro dessa
variável (por exemplo, Bomberger, 1996; Boero et al., 2008). Dessa maneira, alguns
estudos usam o disagreement nas expectativas sobre uma determinada variável como
uma proxy para o nível de incerteza em relaçao a essa variável (por exemplo, Mankiw et
al., 2003; Söderlind, 2011; Montes e Curi, 2017). Sendo assim, a análise realizada neste
capítulo busca verificar se a incerteza relacionada ao comportamento futuro da taxa de
câmbio afeta tanto o processo de formação da expectativa de inflação quanto o processo
de formação de expectativa de taxa de juros da política monetária.
A justificativa para essa análise vem de duas literaturas específicas: uma
relacionada ao efeito de pass-through da taxa de câmbio para a inflação e a outra
relacionada ao Fear of Floating. Desde a adoção do regime de câmbio flutuante e metas
35
de inflação no Brasil, a literatura relacionada ao pass-through da taxa de câmbio tem se
desenvolvido de maneira considerável (por exemplo, Minella et al. 2003; Nogueira Jr.
2007, 2010; Ca ' Zorzi et al., 2007; de Mendonça e Tostes 2015). Em resumo, esses
estudos sugerem que o efeito de pass-through da taxa de câmbio para a inflação não
pode ser negligenciado. Além disso, sob um regime de meta de inflação, o fear of
floating está relacionado, em grande parte, ao medo de que a flutuação da taxa de
câmbio comprometa os objetivos para a inflação. Nesse contexto, o temor da
autoridade monetária é o de que haja um grande repasse da desvalorização cambial para
os preços domésticos (Ball e Reyes 2004, 2008). Embora o Brasil seja um país
emergente que adotou um regime de metas, Ball e Reyes (2008) sugerem a presença do
fear of floating na condução da política monetária no Brasil. Os autores apresentam
evidências de que os formuladores de política econômica anunciam que o país segue um
regime de metas de inflação, mas na verdade, a política monetária segue um regime de
fear of floating de maneira implícita. Portanto, com base nessas literaturas, o capítulo
investiga se o aumento da incerteza sobre o comportamento da taxa de câmbio no futuro
é capaz de aumentar as incertezas relacionadas ao valor futuro da inflação ou da taxa de
juros da política monetária.
Por outro lado, outra contribuição trazida pelo presente capítulo diz respeito à
análise do papel da credibilidade da política monetária nos efeitos do disagreement na
taxa de câmbio. A hipótese considerada é a de que a credibilidade monetária pode ser
capaz de minimizar os efeitos do disagreement nas expectativas sobre a taxa de câmbio.
Mais precisamente, analisa-se como a credibilidade pode mitigar a transmissão do
disagreement nas expectativas para a taxa de câmbio, tanto para o disagreement nas
expectativas de inflação, quanto para o disagreement nas expectativas para a taxa de
juros. Essa análise é motivada pelo fato de alguns estudos apontarem para a existência
de uma relação inversa entre a credibilidade da política monetária e o pass-through da
taxa de câmbio, ou seja, quando o nível de credibilidade melhora, reduz-se o repasse da
desvalorização cambial para a inflação (por exemplo, Taylor 2000; Mishkin e Savastano
2001; de Mendonça e Tostes 2015).
Ademais, Taylor (2000) sugere que o estabelecimento de uma forte âncora
nominal em muitos países levou a uma forte redução no grau de pass-through da
desvalorização cambial para a inflação. Seguindo essa ideia, Mishkin e Savastano
(2001) argumentam que os ganhos de credibilidade decorrentes de um compromisso da
36
autoridade monetária com o regime de metas de inflação podem ser responsáveis por
manter as expectativas de inflação - e a própria inflação - ancoradas na meta de inflação
estabelecida, mesmo após a desvalorização cambial. Em relação à economia brasileira,
de Mendonça e Tostes (2015) indicam que o desenvolvimento da credibilidade da
política monetária pode reduzir o efeito do pass-through da taxa de câmbio para a
inflação.
Por sua vez, de acordo com Calvo e Reinhart (2002), uma das principais razões
para a existência do fear of floating é a falta de credibilidade da autoridade monetária.
Os autores argumentam que muitos países em desenvolvimento definem suas taxas de
juros com base em preocupações domésticas, e a decisão de suavizar as variações da
taxa de câmbio pode ser impulsionada por um cenário de baixa credibilidade com um
alto pass-through da taxa de câmbio. Nesse sentido, Calvo e Reinhart (2002) mostram
que os movimentos na taxa básica de juros são mais frequentes em países com regime
de câmbio flutuante. O modelo teórico proposto por eles considera a adoção de meta
para a inflação, no qual o fear of floating surge de uma combinação de pass-through
elevado e baixa credibilidade. Os resultados sugerem que nem sempre é fácil distinguir
se um país que anuncia a adoção de metas de inflação realmente permitirá que a taxa de
câmbio flutue livremente ou irá intervir na mesma.
Com base nos argumentos e evidências apresentados acima, seria interessante
saber (especialmente para os formuladores de política econômica) se a credibilidade da
política monetária desempenha um papel fundamental na redução das incertezas sobre a
inflação e a taxa de juros da política monetária que derivam das incertezas sobre o valor
futuro da taxa de câmbio.
Em geral, os resultados indicam que o disagreement nas expectativas sobre a
taxa de câmbio impacta as divergências nas expectativas sobre a inflação e a taxa de
juros da política monetária. Além disso, os resultados indicam que a credibilidade é
capaz de mitigar a transmissão desse disagreement da taxa de câmbio para as previsões
da taxa de inflação e da taxa de juros da política monetária.
2.2 Literatura
A literatura econômica enfatiza a importância das expectativas e seus efeitos

para a economia. As crenças dos agentes econômicos sobre o futuro desempenham um
papel importante nas principais variáveis da economia. No entanto, conforme Mankiw
37
et al. (2003) enfatizam, a literatura tem negligenciado o fato de que os agentes não
necessariamente têm as mesmas expectativas. Devido à possibilidade de discordância
nas expectativas, essa questão tornou-se mais proeminente na literatura, de modo que a
hipótese de agentes com expectativas homogêneas se torna menos realista.
Conforme mais dados sobre expectativas se tornaram disponíveis, os estudos
começam a analisar disagreement nas expectativas sobre diferentes variáveis
econômicas (como inflação, taxa de juros, produto e taxa de câmbio). Em relação aos
estudos que buscam identificar os determinantes do disagreement nas expectativas,
Filardo e Guinigundo (2008), Ehrmann et al. (2010), Siklos (2013), Oliveira e Curi
(2016) e Montes et al. (2016) enfatizam aspectos relacionados aos bancos centrais
(como credibilidade, transparência e clareza da comunicação do Banco Central) como
sendo importantes para explicar disagreement nas expectativas. Por outro lado, Dovern
et al. (2012) enfatizam os efeitos da independência dos bancos centrais sobre o
disagreement nas expectativas sobre a inflação e a taxa de juros, e destacam que a
credibilidade da política monetária é importante para ancorar as expectativas e reduzir o
desacordo nas previsões.
De maneira geral, em relação às causas de disagreement nas expectativas, os
estudos chamam atenção para três aspectos: (i) as crenças iniciais dos agentes como
fator importante para a existência de discordância nas expectativas, (ii) os modelos
utilizados para as previsões econômicas e (iii) a sinalização dos formuladores de
políticas sobre políticas econômicas (por exemplo, Lahiri e Sheng, 2008; Patton e
Timmermann, 2010; Wieland e Wolters, 2011; Andrade et al., 2014; Montes et al.,
2016).
A presença de disagreement nas expectativas gera diferentes implicações para a
economia. A alta dispersão nas previsões de variáveis econômicas representa incertezas
sobre o comportamento futuro dessas variáveis, o que pode afetar o processo decisório
dos diferentes agentes econômicos e, portanto, o desempenho da economia
(Bomberguer, 1996; Boero et al., 2008; Söderlind, 2011; Montes e Curi, 2017). Em
relação às flutuações econômicas e aos ciclos econômicos, a literatura indica que a
economia é afetada pela dispersão de expectativas, por erros de previsão e por choques
nas expectativas (como por exemplo, Lorenzoni, 2009; Rondina e Walker, 2011;
Angeletos e La'O, 2013; Hoffmann e Hürtgen , 2016). Além disso, o disagreement nas
expectativas pode ser a causa da alta inércia na taxa de inflação - como Mankiw e Reis
38
(2002), Woodford (2003) e Mackowiak e Wiederholt (2009) apontam em sua análise
com relação à rigidez de preços. Em relação ao mercado financeiro, alguns estudos
verificaram que a dispersão nas expectativas afeta o prêmio de risco dos ativos e os
preços das ações (por exemplo, Scheinkman e Xiong, 2003; Söderlind, 2011; Wright,
2011; Carlin et al., 2012; Buraschi e Whelan, 2012; Burnside et al., 2013; Ehling et al.,
2016; Montes e Curi, 2017).
No que se refere a relação entre disagreement e incerteza, alguns estudos buscam
avaliar se o disagreement nas expectativas é uma boa proxy para medir a incerteza em
relação ao comportamento futuro das variáveis econômicas. Em geral, embora a
discordância nas expectativas não seja uma perfeita proxy de incerteza, alguns estudos
sugerem que o disagreement é uma boa aproximação da incerteza (por exemplo,
Bomberger, 1996; Rich e Butler, 1998; Giordani e Söderling, 2003; Lahiri e Sheng,
2010; Grimme et al., 2011; Conflitti, 2011; Rich et al., 2012; Dovern, 2015; Krüger e
Nolte, 2015; Glas e Hartmann, 2016).
Por sua vez, há estudos buscando identificar como os bancos centrais reagem aos
movimentos da taxa de câmbio. Alguns estudos visam identificar situações de fear of
floating (por exemplo, Calvo e Reinhart, 2002; Best, 2013; Josifidis et al., 2014), em
particular, tentam responder se a taxa de juros (principal instrumento de política
monetária) responde às oscilações da taxa de câmbio. Em relação ao caso brasileiro,
Bogdanski et al. (2002), Fraga et al. (2003), Minella et al. (2003), de Mello et al.
(2009), Nogueira-Jr. e Leon-Ledesma (2009) e Palma e Portugal (2014) buscaram
identificar se a taxa de câmbio afeta a função de reação do Banco Central do Brasil. Há
algum grau de controvérsia em relação ao fenômeno no Brasil, e investigações
adicionais sobre o assunto são necessárias.
2.3 Dados
Os dados para a construção das variáveis utilizadas no capítulo foram obtidos

junto ao Sistema de Séries Temporais do Banco Central do Brasil (CBB). As séries
apresentam frequência mensal e o período utilizado é de novembro de 2001 a dezembro
de 2016 (devido à disponibilidade de dados).
Como o objetivo do estudo é verificar o efeito do disgreement nas expectativas
para a taxa de câmbio (Disag_exch) sobre a discordância nas expectativas sobre a
inflação (Disag_IPCA) e sobre o desacordo nas expectativas sobre a taxa de juros da
39
política monetária (Disag_Selic), essa medidas de disagreement nas expectativas foram
calculadas. Com base nos trabalhos de Montes et al. (2016), Oliveira e Curi (2016), e
Montes e Curi (2017), as séries para as divergências de expectativas são construídas a
partir de um levantamento das expectativas medidas pelo BCB.3
Para entender melhor a construção das variáveis, vale a pena apresentar a
seguinte notação: t é o instante do tempo em que a projeção é feita4, i identifica o agente
que fornece uma previsão (( i   , onde I é o conjunto de agentes pesquisados5), X é a
variável a ser prevista (que pode ser a taxa de câmbio (exch), a inflação (IPCA) ou taxa
de juros de política monetária (Selic)), portanto, Ei,tXa+j representa a projeção de que o i-
ésimo agente fornece no tempo t sobre o valor que a taxa de câmbio (exch), a taxa de
inflação (IPCA) ou a taxa de juros de política monetária (Selic) terá no final do ano a+j.6
Por sua vez, EtminX a+j = min(Ei,tXa+j, i ϵ I), isto é, denota o valor mínimo da distribuição,
enquanto, EtmaxX a+j = max(Ei,t X a+j ,i ϵ I) denota seu valor máximo.
A medida de disagreement que é utilizada ao longo deste capítulo é Disag_Xta+j,
que é calculada pelo intervalo da distribuição definido como7:
Disag_Xta+j = Etmax(X)a+j − Etmin(X)a+j
Previsões como Ei,tXa+j são eventos fixos porque o horizonte de previsão varia
com a passagem do tempo. Assim, o período prospectivo de previsões feitas em t para o
valor que a variável X tomará no final do ano a + j diminui à medida que se avança
dentro de a, o ano no qual as expectativas são formadas.8 Esse padrão de horizontes de
3
O BCB divulga as estatísticas de máximo, mínimo, mediana, média, coeficiente de variação e desvio
padrão da distribuição da previsão diária para a taxa de câmbio, para taxa de inflação e para a taxa de
juros da política monetária para o final do ano corrente e para os quatro anos à frente.
4
O instante é caracterizado por uma data específica, mais especificamente, um dia d, um mês m e um ano
a.
O número de agentes em  é I.
5
6
j=0: ano corrente; j=1: próximo ano após o ano corrente; j=2: dois anos após o ano corrente; j=3: três
anos após o ano corrente; j=4: quatro anos após o ano corrente.
7
Assim como Oliveira e Curi (2016), utilizou-se essa medida de desacordo ao longo do trabalho, pois
outras medidas exigem o conhecimento de toda a distribuição de expectativas. Tais informações não são
fornecidas pelo BCB. É reconhecido o fato de que os trabalhos sobre disagreement muitas vezes usam
outras medidas, como a faixa interquartílica e a medida de divergência de Kulback-Liebler. Essas duas
opções, no entanto, não podem ser calculadas sem a distribuição completa de previsões individuais. O
desvio padrão - SD(ND) - e o coeficiente de variação - CV(ND) - também são frequentemente utilizados
como medidas de desacordo. No entanto, embora essas medidas alternativas sejam liberadas, a
interpolação do SD(ND) e CV (ND) para transformar em horizonte fixo não é apropriada para a análise
(ver, por exemplo, Oliveira e Curi (2016)). Assim, não é possível reestimar as equações com tais medidas.
8
Um exemplo poderia ajudar a esclarecer essa questão. Suponha que um agente, em março de 2005,
calcule sua expectativa sobre o valor da taxa de inflação no final de 2005. Nesse caso, podemos dizer que
40
previsão decrescentes à medida que se avança ao longo do ano gera um comportamento
sazonal em medidas de disagreement baseadas em previsões de eventos fixos, porque a
dispersão de expectativas tende a diminuir à medida que o horizonte de previsão
diminui9.
Desse modo, para evitar esse comportamento sazonal inerente às medidas de
disagreement baseadas em previsões de eventos fixos que a maioria dos artigos na
literatura (por exemplo, Mankiw et al. 2003; Patton e Timmermann 2010; Dovern et al.
2012; Montes et al., 2017) recorrem a previsões de horizonte fixo, em que o horizonte
de previsão não varia com a passagem do tempo. Conforme proposto em Dovern et al.
(2012), a conversão de previsões de eventos fixos em previsões de horizonte fixo é
realizada pela aplicação da seguinte fórmula:
12   m  1 m 1
Et X 12 j 1  Et X a  j  Et X a  j 1 , j  0,1, 2,3,
12 12
Onde m representa o mês em que a projeção é feita (ou o mês que contém o período t) e
EtX12(j+1 denota a média das expectativas dos agentes sobre o valor que a variável X
(que é ND) terá no final dos próximos 12 meses (j + 1). A mesma fórmula é utilizada
para interpolar projeções de mínimas e máximas, a fim de calcular o disagreement na
expectativa (bem como as expectativas médias). Ao final do processo, deriva-se uma
estrutura a termo de disagreement nas expectativas, que é composta pelos “vértices”
Disag_excht12, Disag_excht24, Disag_excht36 e Disag_excht48; Disag_IPCAt12,
Disag_IPCAt24, Disag_IPCAt36 e Disag_IPCAt48, e; Disag_Selict12, Disag_Selict24,
Disag_Selict36 e Disag_Selict48. Como o BCB divulga previsões para o ano atual e os
próximos quatro anos, a fórmula acima pode ser aplicada tomando j = 0,1,2,3,4.
Portanto, é possível interpolar as previsões para os horizontes temporais fixos de 12, 24,
36 e 48 meses.
o horizonte temporal da previsão é de 10 meses porque os primeiros 2 meses de 2005 já passaram e os

valores do balanço orçamentário para janeiro e fevereiro são conhecidos. Pela mesma linha de raciocínio,
quando este agente computa sua expectativa de inflação em setembro de 2005 sobre o valor do saldo do
orçamento no fechamento de 2005, o horizonte temporal de sua previsão diminui para apenas 4 meses.
9
De fato, a medida de disagreement observada em março de 2005 para o valor que a taxa de inflação terá
no final de 2005 tende a ser maior do que a medida de desacordo observada em setembro de 2005 para o
valor que a mesma variável tomará no fechamento de 2005. A medida de divergência tende a aumentar
novamente em março de 2006, uma vez que o ano atual se torna 2006 e o horizonte temporal da previsão
passa a ser de 9 meses.
41
O procedimento descrito acima é realizado diariamente, o que permite estudar as
estruturas a termo de disagreement para cada dia útil. As séries temporais compostas de
observações diárias são convertidas para a frequência mensal por médias mensais. A
conversão das previsões de eventos fixos em horizonte fixo e a frequência mensal foram
aplicadas para computar os disagreements nas expectativas relacionadas a taxa de
câmbio (Disag_exchtm), os disagreements nas expectativas para à inflação
(Disag_IPCAtm) e os disagreements nas expectativas sobre a taxa de juros de política
monetária (Disag_Selictm).
Após calcular os quatro disagremments nas expectativas sobre as variáveis
(Disag_Xtm) (onde, X = {exch, IPCA, Selic}), a etapa final é extrair a primeira
componente principal dessas séries com quatro prazos diferentes (12, 24 36, 48 meses);
esses componentes são boas proxies para a tendência comum das séries (Litterman e
Scheinkmann, 1991). Assim como as médias mensais, essa maneira de construir a
variável permite filtrar mudanças erráticas em uma determinada medida de
disagreement que não tem relação com as outras. Tais movimentos podem ser
considerados como outliers e, portanto, devem ser ignorados do ponto de vista
econômico. Assim, obtemos a série do nível geral de disagreement na expectativa para a
taxa de câmbio (Disag_exch), o nível geral de disagreement nas expectativas para a
inflação (Disag_IPCA) e o nível geral de disagreement nas expectativas para a taxa de
juros de política monetária (Disag_Selic).
Além da série de discordâncias nas expectativas, o capítulo utiliza as séries a
seguir como variáveis de controle. A taxa de juros da política monetária (SELIC) é a
“Selic acumulada no mês em termos anuais (base 252) -% p.y” (Série 4189 obtida junto
ao BCB). A taxa de inflação (IPCA) é o “Índice Nacional de Preços ao Consumidor
Amplo (IPCA) - em 12 meses -%” (Série 13522 obtida junto ao BCB). A volatilidade da
taxa de câmbio (VOL_EXCH) é obtida calculando-se 𝑉𝑂𝐿_𝐸𝑋𝐶𝐻 = (𝐸𝑋𝐶𝐻𝑡 −
𝐸𝑋𝐶𝐻𝑡 )², onde, EXCH é a taxa de câmbio - Free - dólar dos Estados Unidos (venda) -
fim do período - cmu / US $ ”(série 3696 obtida junto BCB). Além disso, são utilizadas
as séries SELIC e IPCA, e, da mesma maneira, é calculada a volatilidade da taxa de
juros (VOL_SELIC) e a volatilidade da taxa de inflação (VOL_IPCA). Assim, tem-se
𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶 = (𝑆𝐸𝐿𝐼𝐶𝑡 − 𝑆𝐸𝐿𝐼𝐶𝑡 )² e 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴 = (𝐼𝑃𝐶𝐴𝑡 − 𝐼𝑃𝐶𝐴𝑡 )².O hiato do
produto (GAP) é obtido pela diferença entre o PIB real mensal dessazonalizado pelo
42
método Censo-X12 (R$ milhões) e sua tendência gerada pelo Filtro de Hodrick-
Prescott.
Com o objetivo de medir o efeito da credibilidade da política monetária, usamos
dois índices de credibilidade diferentes. Ambos os índices são baseados na ideia de
Agénor e Taylor (1992) de que séries de inflação esperada poderiam ser aplicadas para
derivar um índice de credibilidade. Como Svensson (2000) propôs, a credibilidade pode
ser medida pela diferença entre a inflação esperada e a meta. Assim, utilizamos os
seguintes índices: o primeiro vem de Mendonça (2007), que capta a credibilidade de
forma linear, e o segundo vem de Tejada, Neto e Leal (2013), que leva em conta
aspectos não lineares de credibilidade. Ambos, já apresentados no capitulo 1 desta tese
(Seção 1.4).
A Figura 2.1 apresenta os gráficos para os dois índices e suas respectivas
tendências obtidas através do Filtro de Hodrick-Prescott.
Figura 2.1 – Gráficos para os índices de credibilidade monetária

1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
CRED_M TREND_CRED_M CRED_TNL TREND_CRED_TNL
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
TREND_CRED_M TREND_CRED_TNL
Gráficos elaborados pelo autor.
Com o objetivo de controlar para o efeito ciclos econômicos, duas variáveis

fictícias são incluídas na análise para capturar o efeito de crises na economia brasileira.
A primeira (denominada D_CRISE1) capta a crise de confiança relacionada à eleição
43
presidencial de 2002 (“efeito Lula”) - ver Montes e Tiberto (2012). A variável
D_CRISE1 assume valor igual a 1 no período de novembro de 2002 a outubro de 2004,
e zero caso contrário. A segunda variável dummy (denominada D_CRISE2) capta o
efeito da crise de subprime na economia brasileira. A variável D_CRISE2 assume valor
igual a 1 para o período entre setembro de 2008 e dezembro de 2012, e zero caso
contrário.
Uma condição necessária a ser analisada antes da aplicação da análise
econométrica é verificar se as séries possuem raízes unitárias. Assim, os testes Dickey-
Fuller Aumentado (ADF), Phillips-Perron (PP) e Kwiatkowski-Phillips-Schmidt-Shin
(KPSS) foram aplicados (Tabela 2.1 abaixo). Os resultados indicam que todas as séries
são I (0). Como os índices de credibilidade são variáveis com valores entre 0 e 1, testes
de raiz unitária não são necessários, ou seja, todos os índices de credibilidade são
estacionários.
Tabela 2.1 Testes de raiz unitária

ADF PP KPSS
Séries
Lag Test cv -10% Band Test cv -10% Band LM-stat cv -1%
DISAG_EXCH None 1 -2.4971 -1.6155 None 0 -1.6913 -1.6155 C 10 0.28785 0.739
DISAG_IPCA None 0 -2.3481 -1.6155 C+T 5 -3.1683 -3.1414 C 10 0.50385 0.739
DISAG_SELIC C+T 1 -3.5602 -3.1415 C+T 6 -3.4511 -3.1414 C+T 10 0.15677 0.216
SELIC C+T 1 -3.5291 -3.1415 C+T 3 -4.3832 -3.1415 C 16 0.73341 0.739
IPCA C 1 -3.1208 -2.5753 C+T 1 -3.1725 -3.1415 C 10 0.29155 0.739
GAP C+T 0 -7.8862 -3.1414 C+T 2 -7.7481 -3.1415 C+T 8 0.03285 0.216
VOL_SELIC C+T 7 -3.2508 -3.1421 C+T 7 -5.6668 -3.1415 C+T 6 0.123 0.216
VOL_IPCA C+T 0 -8.2631 -3.1421 C+T 2 -8.3088 -4.0098 C+T 6 0.17744 0.216
2.4 Metodologia
Com o objetivo de estimar o efeito do disagreement nas expectativas de taxa de

câmbio sobre o disagreement nas expectativas de taxa de juros ou sobre o disagreement
nas expectativas de inflação, e para investigar o efeito da credibilidade como um
elemento capaz de mitigar esses efeitos, o estudo utiliza como benchmark o modelo
proposto por Mankiw et al. (2004). Assim, para explicar o disagreement nas
expectativas para a taxa de juros e para a inflação, são utilizadas as variáveis de
volatilidade (VOL_SELIC e VOL_INF, respectivamente), assim como as variáveis em
nível (SELIC e INF, respectivamente). Assim, as equações a serem estimadas são:
44
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛼0 + 𝛼1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝛼2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝛼3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜚𝑡 (2.1)
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛽0 + 𝛽1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝛽2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝛽3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝛽4 (𝐶𝑅𝐸𝐷_𝑀𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) + 𝜀𝑡 (2.2)
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛾0 + 𝛾1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝛾2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝛾3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝛾4 (𝐶𝑅𝐸𝐷_𝑀𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) + 𝛾5 𝐺𝐴𝑃𝑡 +

𝜗𝑡 (2.3)
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜃0 + 𝜃1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜃2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜃3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜃4 (𝐶𝑅𝐸𝐷_𝑀𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) + 𝜃5 𝐺𝐴𝑃𝑡 +

𝜃6 𝐷_𝐶𝑅𝐼𝑆𝐸_1𝑡 + 𝜃7 𝐷_𝐶𝑅𝐼𝑆𝐸_2𝑡 + 𝜇𝑡 (2.4)
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜎0 + 𝜎1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜎2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜎3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜎4 (𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) + 𝜖𝑡

(2.5)
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜑0 + 𝜑1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜑2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜑3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜑4 (𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) +

𝜑5 𝐺𝐴𝑃𝑡 + 𝜔𝑡 (2.6)
𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜆0 + 𝜆1 𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜆2 𝑉𝑂𝐿_𝑆𝐸𝐿𝐼𝐶𝑡 + 𝜆3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜆4 (𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) +

𝜆5 𝐺𝐴𝑃𝑡 + 𝜆6 𝐷_𝐶𝑅𝐼𝑆𝐸_1𝑡 + 𝜆7 𝐷_𝐶𝑅𝐼𝑆𝐸_2𝑡 + 𝜏𝑡
(2.7)
Na equação (2.1), é estimado o efeito do disagreement nas expectativas para a

taxa de câmbio no disagreements nas expectativas para a taxa de juros da política
monetária (Selic), assim como o efeito das variáveis de controle frequentemente
utilizadas nas estimativas de disagreement nas expectativas ( eg, Mankiw et al., 2004;
Montes et al., 2016; Oliveira e Curi, 2016). Nas equações de (2.2) a (2.7), a análise é
estendida para incluir os termos de interação entre a credibilidade da política monetária
e o disagreement nas expectativas em relação a taxa de câmbio - ou seja,
(𝐶𝑅𝐸𝐷_𝑀𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ) ou (𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 x 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 )). Além disso, nas
equações de (2.3) a (2.7), também é o controlodado o efeito da atividade econômica por
meio da variável GAP.
Em relação aos termos de interação, é importante observar que, uma vez que
incluímos esses termos na análise, o efeito de DISAG_EXCH em DISAG_SELIC
depende da credibilidade. Os termos de interação nas equações acima nos permitem
observar se um aumento na credibilidade seria capaz de reduzir o efeito do
DISAG_EXCH em DISAG_SELIC. Assim, o efeito total de DISAG_EXCH na equação
(2.2), por exemplo, é:
𝜕𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡
= 𝛽3 + 𝛽4 𝐶𝑅𝐸𝐷_𝑀𝑡
𝜕𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡
Sendo assim, espera-se β3 > 0, e β4 < 0, porque quanto maior o nível de credibilidade,
menor o impacto de DISAG_EXCH em DISAG_SELIC. Nesse sentido, temos β3 + β4<
β3 , o que significa que a credibilidade reduz o efeito de DISAG_EXCH em
DISAG_SELIC. O gráfico da Figura 2.2 mostra que o efeito marginal do desacordo nas
45
expectativas sobretaxa de câmbio sobre o desacordo nas expectativas sobre a taxa de
juros da política monetária diminui à medida que aumenta a credibilidade.
Figura 2.2 – Credibilidade e efeito marginal (DISAG_EXCH em DISAG_SELIC).
Em geral, o mesmo é esperado para as equações (2.3) a (2.7), isto é, γ3 +

γ4 < γ3 na Eq.(2.3), θ3 + θ4 < θ3 na Eq. (2.4), σ3 + σ4 < σ3 na Eq. (2.5), φ3 + φ4 <
φ3 na Eq.( 2.6), e λ3 + λ4 < λ3 na Eq.(2.7).
Além disso, são estimadas equações para o efeito de DISAG_EXCH em
DISAG_IPCA. As equações de (2.8) a (2.14) são estimadas da mesma maneira que as
equações de (2.1) a (2.7), de modo que as interpretações para os termos de interação são
as mesmas. Portanto:
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = 𝜙0 + 𝜙1 𝐼𝑃𝐶𝐴𝑡 + 𝜙2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + 𝜙3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜉𝑡 (2.8)
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = 𝜒0 + 𝜒1 𝐼𝑃𝐶𝐴𝑡 + 𝜒2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + 𝜒3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜒4 𝐶𝑅𝐸𝐷_𝑀𝑡 [𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ] + 𝑢𝑡 (2.9)
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = 𝛿0 + 𝛿1 𝐼𝑃𝐶𝐴𝑡 + 𝛿2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + 𝛿3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝛿4 𝐶𝑅𝐸𝐷_𝑀𝑡 [𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ] + 𝛾5 𝐺𝐴𝑃𝑡 + 𝑧𝑡

(2.10)
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = 𝜄0 + 𝜄1 𝐼𝑃𝐶𝐴𝑡 + 𝜄2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + 𝜄3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜄4 𝐶𝑅𝐸𝐷_𝑀𝑡 [𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ] + 𝜄5 𝐺𝐴𝑃𝑡 +

𝜄6 𝐷_𝐶𝑅𝐼𝑆𝐸_1𝑡 + 𝜄7 𝐷_𝐶𝑅𝐼𝑆𝐸_2𝑡 + 𝑙𝑡 (2.11)
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = б0 + б1 𝐼𝑃𝐶𝐴𝑡 + б2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + б3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + б4 𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 [𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ] + 𝑝𝑡

(2.12)
46
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = 𝜑0 + 𝜑1 𝐼𝑃𝐶𝐴𝑡 + 𝜑2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + 𝜑3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜑4 𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 [𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ] + 𝜑5 𝐺𝐴𝑃𝑡 +
𝜔𝑡 (2.13)
𝐷𝐼𝑆𝐴𝐺_𝐼𝑃𝐶𝐴𝑡 = 𝜆0 + 𝜆1 𝐼𝑃𝐶𝐴𝑡 + 𝜆2 𝑉𝑂𝐿_𝐼𝑃𝐶𝐴𝑡 + 𝜆3 𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 + 𝜆4 𝐶𝑅𝐸𝐷_𝑇𝑅𝐿𝑡 [𝐷𝐼𝑆𝐴𝐺_𝐸𝑋𝐶𝐻𝑡 ] + 𝜆5 𝐺𝐴𝑃𝑡 +

𝜆6 𝐷_𝐶𝑅𝐼𝑆𝐸_1𝑡 + 𝜆7 𝐷_𝐶𝑅𝐼𝑆𝐸_2𝑡 + 𝜏𝑡
(2.14)
Assim, o efeito marginal de DISAG_EXCH em DISAG_IPCA na Eq. (2.13), por

exemplo, é:
𝜕𝐷𝐼𝑆𝐴𝐺_𝑆𝐸𝐿𝐼𝐶𝑡
= 𝜒3 + 𝜒4 𝐶𝑅𝐸𝐷_𝑀𝑡
𝜕𝐷𝐼𝑆𝐴𝐺_𝐼𝐶𝑃𝐴𝑡
Espera-se 𝜒3 > 0 e 𝜒4 <0, porque quanto maior o nível de credibilidade, menor o

impacto de DISAG_EXCH em DISAG_IPCA. Neste sentido, temos 𝜒3 + 𝜒4 <𝜒3 , o que
significa que a credibilidade reduz o efeito de DISAG_EXCH em DISAG_IPCA (ver
Fig. 2.3 abaixo).
Figura 2.3 – Credibilidade e efeito marginal (DISAG_EXCH em DISAG_IPCA).
Como evidência preliminar, a Figura 2.4 mostra as correlações entre

DISAG_EXCH e DISAG_SELIC, assim como entre DISAG_EXCH e DISAG_IPCA, e
também entre os disagreements e as principais variáveis de controle. Pode-se observar
que tanto DISAG_SELIC, quanto DISAG_IPCA são positivamente correlacionados
com as respectivas variáveis de controle, e também com o disagremeent nas
47
expectativas acerca da taxa de câmbio. Quando analisamos os gráficos das correlações
entre DISAG_EXCH e DISAG_SELIC, e DISAG_EXCH e DISAG_IPCA, observamos
um pequeno agrupamento de pontos. A existência deste conjunto superior de pontos
refere-se ao período de crise de confiança devido à eleição presidencial de 2002 (efeito
Lula). Sem o cluster superior, quando removemos esses 10 pontos, as linhas de
regressão ainda apresentam inclinações positivas, o que significa que DISAG_EXCH e
DISAG_SELIC, bem como DISAG_EXCH e DISAG_IPCA, são correlacionadas
positivamente.
Figura 2.4 – Gráficos de dispersão com linha de regressão (correlações)

10 12
8 10
6 8
DISAG_SELIC
DISAG_IPCA
4 6
2 4
0 2
-2 0
-4 -2
-4 -2 0 2 4 6 8 -4 -2 0 2 4 6 8
DISAG_EXCH DISAG_EXCH
10 10 12 12
8 8 10 10
6 6 8 8
DISAG_SELIC
DISAG_SELIC
DISAG_IPCA
DISAG_IPCA
4 4 6 6
2 2 4 4
0 0 2 2
-2 -2 0 0
-4 -4 -2 -2
4 8 12 16 20 24 28 0 1 2 3 4 5 6 7 2 4 6 8 10 12 14 16 18 0 1 2 3 4 5 6 7 8 9
SELIC VOL_SELIC IPCA VOL_IPCA
Além disso, com o objetivo de analisar as relações entre as variáveis, foram

realizados testes de causalidade de Granger. A escolha das defasagens do teste foi
realizada com base no critério de informação de Schwarz (SC) e no critério de
informação de Hannan-Quinn (HQ) após a estimação de um VAR bivariado para
DISAG_EXCH e DISAG_SELIC, e DISAG_EXCH e DISAG_IPCA. Os resultados
indicam lags de ordem 2 para ambos os VARs. (Tabela A.1 - Apêndice). A Tabela 2.2
apresenta os resultados do Teste de Causalidade de Granger. Como se pode observar, a
48
hipótese de que DISAG_EXCH não causa DISAG_IPCA é rejeitada. Por outro lado, o
teste indica que DISAG_IPCA causa DISAG_EXCH. Em relação a DISAG_EXCH e
DISAG_SELIC, o teste sugere a existência de causalidade nos dois sentidos, mas o
efeito seria maior do DISAG_EXCH para DISAG_SELIC do que no sentido contrário.
Tabela 2.2 – Teste de causalidade de Granger

Null Hypothesis: Obs F-Statistic Prob.
DISAG_IPCA does not Granger Cause DISAG_EXCH 180 0.79300 0.4541

DISAG_EXCH does not Granger Cause DISAG_IPCA 2.35683 0.0977
Null Hypothesis: Obs F-Statistic Prob.
DISAG_SELIC does not Granger Cause DISAG_EXCH 180 2.51554 0.0837

DISAG_EXCH does not Granger Cause DISAG_SELIC 2.77978 0.0648
Após a checagem preliminar das relações entre as séries, foi realizada a análise
econométrica. O procedimento econométrico se baseou no uso do método de mínimos
quadrados ordinários (OLS) e no método dos momentos generalizados (GMM) com
uma e com duas etapas. Uma das principais razões da estimação por GMM é a de que
enquanto as estimativas de OLS estão sujeitas a problemas de simultaneidade e
endogeneidade dos regressores, típicos de séries temporais macroeconômicas, o método
dos momentos generalizados fornece estimativas consistentes (Hansen, 1982). As
estimativas por GMM adotaram um procedimento padrão com base em Johnston
(1984), no qual os instrumentos são escolhidos de um período t-1 ou anterior. Como a
sobre-especificação tem um papel importante na escolha das variáveis instrumentais no
que se refere a eficiência das estimativas (Cragg, 1983), foram realizados testes-J
padrão com o objetivo de testar a validade das restrições, de modo a identificar se a
condição de ortogonalidade é satisfeita. Em relação à estimação em duas etapas, as
estimativas foram corrigidas de acordo com Windmeijer (2005) de modo a lidar com
um possível problema de viés nos erros padrões decorrentes de uma amostra pequena.
Além disso, todas as estimações por GMM foram validadas de acordo com o
teste de Durbin–Wu–Hausman para endogeneidade dos regressores (Durbin, 1954; Wu,
1973; Hausman, 1978).
2.5 Evidências
49
A Tabela 2.2 apresenta as estimativas para as equações (2.2) a (2.7) por OLS,
GMM e GMM2. Em geral, verifica-se que a maioria dos coeficientes estimados estão de
acordo com a perspectiva teórica. Quanto maior o nível da taxa de juros de política
monetária (SELIC), maior o disagreement nas expextativas para a taxa de juros, e
assim, maior a incerteza sobre o comportamento futuro da taxa de juros. Esse resultado
está de acordo com as evidências apresentadas por Oliveira e Curi (2016). No que se
refere a variável VOL_SELIC, a maioria dos coeficiente estimados apresentam sinais
positivos, indicando que quanto maior a volatilidade da taxa de juros de política
monetária, maior a incerteza sobre o seu valor futuro. No entanto, os coeficientes
obtidos por meio da estimação por OLS não apresentaram significância estatística, e
embora a maioria dos coeficientes obtidos por GMM e GMM2 tenham apresentado
sinais positivos e estatisticamente significativos, os coeficientes obtidos na “Eq.2.7”
apresentaram sinal negativo. Sendo assim, o resultado para a volatilidade da taxa Selic
não é conclusivo e indica a necessidade de mais avaliação em pesquisas futuras.
Em relação ao efeito da atividade econômica, embora todos os coeficientes
estimados para a variável GAP apresentem sinais negativos, nenhum deles se mostrou
significante do ponto de vista estatístico. Novamente, esse resultado está de acordo com
as estimativas apresentadas por Oliveira e Curi (2016).
Uma das contribuições deste capítulo é analisar o efeito de DISAG_EXCH sobre
DISAG_SELIC. Nesse sentido, as estimações realizadas indicam que o disagreement
nas expectativas para a taxa de câmbio (DISAG_EXCH) aumenta o disagreement em
relação ao valor futuro da taxa de juros (DISAG_SELIC). Portanto, quanto maior a
incerteza sobre qual será o valor da taxa de câmbio no futuro, maior a incerteza sobre
qual será a taxa de juros de política monetária. Em geral, os coeficientes estimados para
a variável DISAG_EXCH são positivos e significativos, exceto o coeficiente obtido na
Eq. (2.1) por OLS, que não apresentou significância estatística.
Outra contribuição é a analise dos efeitos da credibilidade da política monetária.
Nesse caso, os coeficientes estimados para os termos de interação
(DISAG_EXCH*CRED_M) e (DISAG_EXCH*CRED_TRL) são negativos e
significativos em ambos os casos. Esse resultados sugerem que a credibilidade da
política monetária é capaz de mitigar a transmissão de incerteza da taxa de câmbio para
a incerteza relacionada à taxa de juros.
50
As especificações 2.4 e 2.7, nas quais é considerado o efeito das crises
econômicas (D_CRISE1 e D_CRISE2), indicam que a incerteza relacionada à taxa de
juros aumenta em períodos de instabilidade econômica. Nessa caso, todos os
coeficientes estimados para as duas variáveis dummies são positivos e estatisticamente
significativos.
Em relação à inflação, a Tabela 2.4 mostra as estimativas para as equações (2.8)
a (2.14). Os coeficientes estimados para a influência tanto da inflação quanto a
influência da volatilidade da inflação apresentam os sinais esperados e significância
estatística na maioria das especificações. Essas evidências são compatíveis com as
reportadas em outros estudos como Mankiw et al. (2003), Capistrán and Timmermann
(2009), Dovern et al. (2012) e Montes et al. (2016).
No que se refere à atividade econômica, os coeficientes estimados para a
variável GAP apresentaram sinais negativos e estatisticamente significativos, exceto nas
equações 2.10, 2.13 e 2.14 quando estimadas por GMM2. Esse resultado está de acordo
com as evidências apresentadas por Oliveira e Curi (2016), e indica que um maior nível
de atividade econômica gera um menor disagreement nas expectativas de inflação.
Por sua vez, uma das contribuições de nossas estimativas é a análise dos efeitos
do disagreement nas expectativas para a taxa de câmbio sobre o disagreement nas
expectativas para a taxa de inflação. Os resultados apresentados na Tabela 2.4 sugerem
que um aumento no disagreement nas expectativas para a taxa de câmbio acarreta um
aumento no disagreement nas expectativas para a inflação. Todos os coeficientes
estimados se mostraram positivos e, em sua maioria, apresentaram significância
estatística.
Outra contribuição do trabalho está relacionada ao efeito da credibilidade da
política monetária. Os coeficientes estimados para ambos os termos de interação entre o
disagreement nas expectativas para a taxa de câmbio e a credibilidade monetária
(DISAG_EXCH*CRED_M) e (DISAG_EXCH*CRED_TRL) se mostraram negativos e
significativos do ponto de vista estatístico. Esse resultado indica que quanto maior for a
credibilidade, menor é o impacto do disagreement nas expectativas para a taxa de
câmbio sobre o disagreement nas expectativas para a inflação. Desse modo, as
evidências indicam que a credibilidade é capaz de mitigar o efeito de pass-through
derivado da incerteza sobre o valor futuro da taxa de câmbio para a incerteza nas
expectativas de inflação.
51
Em relação aos efeitos das crises econômicas, as estimativas sugerem que
devido à crise de confiança presente na eleição presidencial de 2002, capturada pela
variável dummy D_CRISE1, o disagreement nas expectativas para a inflação aumentou
( todos os coeficientes são positivos e significativos). Por sua vez, as estimativas
indicam que a crise de subprime teve um efeito negativo no disagreement nas
expectativas para a inflação, o que corrobora os resultados encontrados por Montes et
al. (2016).
52
Tabela 2.3 – Estimativas por OLS, GMM e GMM2 (Variável dependente: disagreement nas expectativas para a taxa de juros de política monetária)
Variável dependente: Eq.(2.1) Eq.(2.2) Eq.(2.3) Eq.(2.4) Eq.(2.5) Eq.(2.6) Eq.(2.7) Eq.(2.1) Eq.(2.2) Eq.(2.3) Eq.(2.4) Eq.(2.5) Eq.(2.6) Eq.(2.7) Eq.(2.1) Eq.(2.2) Eq.(2.3) Eq.(2.4) Eq.(2.5) Eq.(2.6) Eq.(2.7)
DISAG_SELIC OLS GMM GMM2
C -3.326*** -3.422*** -3.462*** -3.549*** -3.472*** -3.52*** -3.549*** -2.553*** -2.527*** -2.809*** -4.151*** -2.671*** -3.019*** -4.856*** -2.713*** -2.26*** -2.376*** -2.978*** -1.948*** -2.573*** -4.484***
(0.998) (1.001) (0.987) (0.824) (0.972) (0.96) (0.784) (0.543) (0.419) (0.485) (1.179) (0.429) (0.423) (0.81) (0.558) (0.565) (0.575) (0.872) (0.625) (0.559) (1.02)
SELIC 0.235*** 0.232*** 0.234*** 0.208*** 0.231*** 0.233*** 0.204*** 0.159*** 0.139*** 0.155*** 0.193*** 0.157*** 0.187*** 0.243*** 0.181*** 0.122** 0.144*** 0.16*** 0.096* 0.153*** 0.213***
(0.082) (0.082) (0.081) (0.058) (0.079) (0.079) (0.055) (0.044) (0.033) (0.036) (0.072) (0.032) (0.032) (0.047) (0.046) (0.048) (0.053) (0.057) (0.051) (0.047) (0.061)
VOL_SELIC 0.489 0.426 0.423 0.081 0.305 0.297 -0.034 1.009*** 0.884*** 0.827** -0.405 0.651* 0.1450 -0.723*** 0.5310 0.888** 0.824 0.421 0.881* 0.65 -0.609***
(0.47) (0.437) (0.427) (0.408) (0.397) (0.385) (0.364) (0.353) (0.295) (0.369) (0.258) (0.338) (0.212) (0.132) (0.528) (0.44) (0.641) (0.618) (0.532) (0.704) (0.195)
DISAG_EXCH 0.112 0.267** 0.267** 0.347*** 0.459*** 0.461*** 0.526*** 0.094* 0.55*** 0.579*** 0.834*** 0.683*** 0.817*** 1.077*** 0.081* 0.494*** 0.437* 0.461** 0.697** 0.653** 1.106***
(0.082) (0.13) (0.129) (0.129) (0.162) (0.163) (0.152) (0.057) (0.137) (0.152) (0.181) (0.172) (0.108) (0.119) (0.048) (0.182) (0.227) (0.192) (0.319) (0.282) (0.19)
DISAG_EXCH*CRED_M -0.503** -0.547** -0.493** -1.397*** -1.539*** -1.858*** -1.157** -0.963* -1.027**
(0.244) (0.245) (0.235) (0.379) (0.517) (0.604) (0.501) (0.54) (0.51)
DISAG_EXCH*CRED_TRL -0.643*** -0.678*** -0.629*** -1.01*** -1.256*** -1.409*** -1.048* -0.961** -1.445***
(0.21) (0.212) (0.193) (0.284) (0.196) (0.226) (0.551) (0.462) (0.388)
GAP -4.672 -1.736 -5.899 -3.326 -3.349 -4.257 -7.374 -3.91800 -2.476 -1.165 -3.06 -2.26700
(6.787) (5.891) (6.296) (5.428) (9.021) (12.288) (6.905) (7.78) (10.347) (8.57) (11.315) (13.807)
D_CRISE1 1.831** 1.846*** 3.344*** 2.777*** 0.846 2.351***
(0.711) (0.674) (1.08) (0.635) (0.862) (0.73)
D_CRISE2 1.046*** 0.987*** 2.429*** 2.856*** 0.761 2.866***
(0.371) (0.352) (0.829) (0.598) (0.531) (0.896)
R² 0.52 0.54 0.54 0.65 0.57 0.57 0.68 0.47 0.42 0.42 0.40 0.51 0.52 0.42 0.50 0.44 0.48 0.58 0.44 0.52 0.42
Adj. R² 0.51 0.53 0.53 0.63 0.56 0.56 0.66 0.46 0.41 0.40 0.37 0.50 0.51 0.40 0.49 0.43 0.46 0.56 0.43 0.51 0.39
Ramsey RESET (1) 12.12 13.57 13.09 12.28 13.04 12.22 11.56
Prob. Ramsey RESET (1) 0.00 0.00 0.00 0.00 0.00 0.00 0.00
ARCH(1) test 128.98 124.09 115.59 98.60 106.24 95.98 85.09
Prob. ARCH(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00
LM(1) test 406.74 378.05 372.61 290.91 325.32 318.14 235.06
Prob. LM(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Jaque-bera 78.15 75.86 89.27 32.43 78.69 98.25 35.63
Prob. Jaque-bera 0.00 0.00 0.00 0.00 0.00 0.00 0.00
F-statistic 63.57 50.90 40.79 45.71 57.65 46.42 51.79
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Observations 181 181 181 181 181 181 181 175 174 176 176 175 175 177 173 174 174 174 175 174 174
RANK 20 30 29 24 22 27 30 20 34 33 27 24 33 30
J-statistic 16.20 18.30 19.07 9.99 17.91 17.68 14.90 4.91 19.16 19.86 10.56 16.74 18.90 13.09
p-value(J-stat) 0.44 0.83 0.70 0.87 0.39 0.67 0.87 1.00 0.92 0.84 0.94 0.61 0.87 0.93
DWH test 1.12 0.54 1.08 4.65 0.23 2.33 3.24 1.57 1.53 0.33 6.02 1.04 1.33 5.29
DWH p-value 0.77 0.97 0.96 0.70 0.99 0.80 0.86 0.67 0.82 0.99 0.54 0.90 0.93 0.63
Nota: Níveis de significância marginais: *** denota significância estatística 0,01, ** denota 0,05 e * denota 0,1; erro padrão entre parênteses.
53
Tabela 2.4 – Estimativas por OLS, GMM e GMM2 (Variável dependente: disagreement nas expectativas para a inflação)
Variável dependente: Eq.(2.8) Eq.(2.9) Eq.(2.10) Eq.(2.11) Eq.(2.12) Eq.(2.13) Eq.(2.14) Eq.(2.8) Eq.(2.9) Eq.(2.10) Eq.(2.11) Eq.(2.12) Eq.(2.13) Eq.(2.14) Eq.(2.8) Eq.(2.9) Eq.(2.10)
Eq.(2.11) Eq.(2.12) Eq.(2.13) Eq.(2.14)
DISAG_IPCA OLS GMM GMM2
C -2.947*** -3.094*** -3.234*** -2.494*** -2.961*** -3.083*** -2.272*** -2.782*** -2.796*** -2.988*** -2.536*** -2.742*** -2.966*** -2.198*** -2.738*** -2.979*** -3.486*** -2.715*** -3.213*** -2.788*** -2.014**
(0.544) (0.461) (0.475) (0.436) (0.46) (0.469) (0.412) (0.513) (0.359) (0.348) (0.439) (0.329) (0.326) (0.38) (0.586) (0.551) (0.456) (0.88) (0.492) (0.519) (0.872)
IPCA 0.408*** 0.386*** 0.403*** 0.288*** 0.355*** 0.371*** 0.246*** 0.376*** 0.319*** 0.363*** 0.284*** 0.312*** 0.34*** 0.226*** 0.362*** 0.379*** 0.436*** 0.281** 0.395*** 0.302*** 0.193*
(0.073) (0.073) (0.073) (0.073) (0.075) (0.075) (0.07) (0.057) (0.059) (0.051) (0.053) (0.055) (0.053) (0.059) (0.089) (0.088) (0.064) (0.135) (0.076) (0.078) (0.106)
VOL_IPCA 0.556 0.508 0.499 0.272 0.435 0.425 0.175 0.582*** 0.566** 0.459** 0.156*** 0.464*** 0.432*** 0.077 1.036*** 0.875*** 0.998*** 0.372 0.792*** 0.478** 0.064
(0.431) (0.35) (0.354) (0.305) (0.283) (0.287) (0.224) (0.177) (0.224) (0.224) (0.222) (0.168) (0.151) (0.175) (0.268) (0.291) (0.258) (0.362) (0.21) (0.208) (0.326)
DISAG_EXCH 0.086 0.419 0.407 0.449* 0.68** 0.67** 0.732** 0.454** 0.718*** 0.561*** 0.361*** 0.805*** 0.769*** 0.721*** 0.341* 0.533** 0.436* 0.334* 0.465* 0.939*** 0.787**
(0.178) (0.266) (0.265) (0.263) (0.313) (0.313) (0.293) (0.18) (0.216) (0.188) (0.218) (0.161) (0.161) (0.222) (0.19) (0.263) (0.249) (0.194) (0.281) (0.252) (0.363)
DISAG_EXCH*CRED_M -1.069** -1.158** -1.197*** -1.958*** -1.683*** -1.223*** -0.847** -1.019** -1.216**
(0.429) (0.454) (0.438) (0.631) (0.512) (0.49) (0.41) (0.491) (0.605)
DISAG_EXCH*CRED_TRL -1.072*** -1.12*** -1.185*** -1.233*** -1.285*** -1.112*** -1.149*** -1.535*** -1.296*
(0.376) (0.395) (0.374) (0.203) (0.213) (0.256) (0.321) (0.408) (0.776)
GAP -10.077* -13.606*** -9.542* -13.822*** -10.301* -14.931*** -10.662* -9.554* -12.469 -16.523* -10.214 -18.959
(5.575) (4.332) (5.764) (4.547) (6.21) (6.459) (5.758) (5.714) (9.497) (8.859) (8.016) (13.405)
D_CRISE1 1.544*** 1.647*** 1.753*** 1.88*** 2.931** 2.767***
(0.478) (0.469) (0.432) (0.4) (1.396) (0.933)
D_CRISE2 -0.366* -0.448*** -0.113*** -0.076 0.17 -0.287
(0.202) (0.163) (0.665) (0.591) (0.975) (1.347)
R² 0.60 0.67 0.68 0.73 0.73 0.73 0.79 0.48 0.62 0.66 0.71 0.72 0.73 0.78 0.48 0.60 0.60 0.64 0.65 0.71 0.76
Adj. R² 0.59 0.67 0.67 0.72 0.72 0.72 0.78 0.47 0.61 0.65 0.69 0.72 0.72 0.77 0.47 0.59 0.58 0.63 0.65 0.70 0.75
Ramsey RESET (1) 4.50 7.85 21.21 10.02 8.09 8.53 9.78
Prob. Ramsey RESET (1) 0.00 0.00 0.00 0.00 0.00 0.00 0.00
ARCH(1) test 26.78 18.90 21.21 32.28 23.55 29.81 48.60
Prob. ARCH(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00
LM(1) test 318.64 273.79 292.67 284.34 234.99 254.57 211.18
Prob. LM(1) test 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Jaque-bera 1251.96 448.43 423.24 570.34 181.98 160.64 203.61
Prob. Jaque-bera 0.00 0.00 0.00 0.00 0.00 0.00 0.00
F-statistic 88.11 90.44 74.43 65.57 116.36 95.84 91.56
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Observations 181 181 181 181 181 181 181 172 172 172 172 172 172 172 173 173 173 173 173 175 174
RANK 23 24 27 29 24 27 29 22 24 25 34 28 28 29
J-statistic 8.22 9.01 11.13 9.20 9.89 10.20 6.84 9.29 14.68 13.97 14.62 20.95 17.56 13.82
p-value(J-stat) 0.98 0.97 0.96 0.99 0.96 0.98 1.00 0.95 0.74 0.79 0.96 0.58 0.73 0.88
DWH test 7.72 2.14 1.80 5.48 0.69 1.23 2.95 9.09 5.61 6.26 6.44 1.07 3.45 5.45
DWH p-value 0.10 0.71 0.88 0.60 0.95 0.94 0.89 0.06 0.35 0.39 0.60 0.90 0.63 0.71
Nota: Níveis de significância marginais: *** denota significância estatística 0,01, ** denota 0,05 e * denota 0,1; erro padrão entre parênteses e estatística-t em colchetes.
54
2.6 Análise de Robustez
Com o objetivo de confirmar os resultados anteriores, esta seção analisa

novamente as principais questões do capítulo (i) o efeito de DISAG_EXCH sobre
DISAG_SELIC (ii) o impacto de DISAG_EXCH sobre DISAG_IPCA; e (iii) a
capacidade da credibilidade em minimizar a transmissão dos disagreement nas
expectativas para a taxa de câmbio, tanto para o disagreement nas expectativas para a
taxa de juros, quanto para o disagreement nas expectativas de inflação. Dessa maneira,
as equações de (2.4) a (2.7) e também as equações de (2.11) a (2.14) são reestimadas
por OLS, GMM e GMM2. No entanto, as séries utilizadas para as medidas de
disagreement consideram apenas as expectativas 12 meses à frente. A justificativa para
o horizonte de 12 meses é o de que as expectativas de inflação para os próximos 12
meses é um dos principais indicadores para determinar a credibilidade do Banco
Central, o que a torna uma das principais variáveis de interesse com a capacidade de
afetar as decisões de política monetária.
A Tabela 2.5 mostra os resultados da estimação das equações (2.4) a (2.7). Com
relação ao efeito de DISAG_EXCH_12 sobre DISAG_SELIC_12, as estimativas
corroboram com os resultados previamente reportados na Tabela 2.3, ou seja, quando
DISAG_EXCH_12 aumenta, DISAG_SELIC_12 também se eleva. Adicionalmente, as
estimativas também reforçam a ideia de que a credibilidade monetária é um instrumento
importante para minimizar o efeito de pass-through na incerteza relacionada ao valor
futuro da taxa de câmbio sobre a incerteza sobre o valor futuro da taxa de juros.
55
Tabela 2.5 – Estimativas por OLS, GMM e GMM2 (Variável dependente:
disagreement nas expectativas para a taxa de juros de política monetária 12 meses
à frente)
Variável dependente: Eq.(2.4) Eq.(2.7) Eq.(2.4) Eq.(2.7) Eq.(2.4) Eq.(2.7)
DISAG_SELIC_12 OLS GMM GMM2
C -0.0456 0.160 0.872 -0.235 -0.275 -1.139
(0.63) (0.61) (0.94) (0.8) (1) (0.96)
SELIC 0.190*** 0.189*** 0.152*** 0.213*** 0.174*** 0.248***
(0.04) (0.04) (0.06) (0.07) (0.06) (0.05)
VOL_SELIC 0.050 -0.011 0.114 0.052 -0.267 -0.312
(0.24) (0.23) (0.25) (0.18) (0.17) (0.2)
DISAG_EXCH_12 1.787*** 1.810*** 1.376*** 1.818*** 2.599*** 2.471***
(0.56) (0.54) (0.37) (0.48) (0.64) (0.53)
DISAG_EXCH_12*CRED_M -1.221** -2.240*** -1.969***
(0.48) (0.8) (0.7)
DISAG_EXCH_12*CRED_TRL -1.365*** -1.198* -2.210***
(0.45) (0.65) (0.77)
GAP 5.422 4.980 5.969 11.963* 9.662 9.903
(4.72) (4.32) (6.93) 6.87169 (10.93) (11.86)
D_CRISE1 0.668 0.577 0.729 -0.330 0.762 0.717
(0.46) (0.47) (0.66) (0.74) (0.48) (0.63)
D_CRISE2 1.149*** 1.119*** 1.806*** 1.485*** 2.155*** 2.866***
(0.31) (0.29) (0.71) (0.55) (0.56) (0.51)
R² 0.67 0.68 0.61 0.66 0.61 0.52
Adj. R² 0.66 0.67 0.59 0.64 0.59 0.50
Ramsey RESET (1) 10.85 10.32
Prob. Ramsey RESET (1) 0.00 0.00
ARCH(1) test 2.22 2.09
Prob. ARCH(1) test 0.14 0.15
LM(1) test 142.23 128.21
Prob. LM(1) test 0.00 0.00
Jaque-bera 72.00 49.42
Prob. Jaque-bera 0.00 0.00
F-statistic 49.84 53.21
Prob. F-statistic 0.00 0.00
Observations 181 181 164 167 165 166
RANK 21 19 25 24
J-statistic 13.76 9.35 13.93 11.25
p-value(J-stat) 0.39 0.59 0.67 0.79
DWH test 3.25 8.05 6.61 2.23
DWH p-value 0.92 0.33 0.58 0.95
Nota: Níveis de significância marginais: *** denota significância estatística 0,01, ** denota 0,05 e *
denota 0,1; erro padrão entre parênteses e estatística-t em colchetes.
Na Tabela 2.6 são apresentados os resultados para as equações de (2.11) a

(2.14). No que se refere ao efeito de DISAG_EXCH_12 sobre DISAG_IPCA_12, os
resultados na Tabela 2.6 reforçam os resultados na Tabela 2.4. Portanto, quando se
eleva o DISAG_EXCH_12, observamos que DISAG_IPCA_12 também aumenta. Além
disso, verificamos que há evidências de que a credibilidade da política monetária é
capaz de minimizar o efeito de repasse de incerteza sobre a taxa de câmbio na incerteza
sobre a inflação.
56
Tabela 2.6 – Estimativas por OLS, GMM e GMM2 (Variável dependente:
disagreement nas expectativas de inflação 12 meses à frente)
Variável dependente: Eq.(2.11) Eq.(2.14) Eq.(2.11) Eq.(2.14) Eq.(2.11) Eq.(2.14)
DISAG_IPCA_12 OLS GMM GMM2
C 0.473 0.779** -0.869 -0.276 -0.683 -0.711
(0.41) (0.37) (0.69) (0.64) (0.83) (0.78)
IPCA 0.050 0.055 0.107* 0.080* 0.163* 0.156**
(0.1) (0.09) (0.06) (0.05) (0.08) (0.08)
VOL_IPCA 0.144 0.087 0.462*** 0.223* 0.762 0.659*
(0.24) (0.22) (0.24) (0.13) (0.41) (0.35)
DISAG_EXCH_12 2.616** 2.736** 3.105*** 3.190*** 2.608** 2.796***
(1.2) (1.14) (0.67) (0.46) (1.17) (2.8)
DISAG_EXCH_12*CRED_M -1.951** -2.153** -2.280**
(0.75) (0.86) (1.11)
DISAG_EXCH_12*CRED_TRL -2.183** -2.147*** -1.695***
(0.84) (0.44) (0.44)
GAP -0.501 -1.394 6.943 7.117 3.834 8.297
(3.87) (3.65) (7.65) (4.8) (9.65) (7.22)
D_CRISE1 1.760* 1.569*** 2.299*** 1.986*** 1.432* 1.521**
(0.66) (0.57) (0.68) (0.3) (0.74) (0.68)
D_CRISE2 0.439** 0.379** 1.903** 1.638*** 1.557 1.59378
(0.2) (0.17) (0.76) (0.62) (1.19) (1.04)
R² 0.66 0.69 0.50 0.61 0.49 0.53
Adj. R² 0.65 0.68 0.48 0.59 0.46 0.51
Ramsey RESET (1) 11.57 11.51
Prob. Ramsey RESET (1) 0.00 0.00
ARCH(1) test 21.33 11.51
Prob. ARCH(1) test 0.00 0.00
LM(1) test 229.20 28.93
Prob. LM(1) test 0.00 0.00
Jaque-bera 723.00 227.51
Prob. Jaque-bera 0.00 0.00
F-statistic 48.18 55.66
Prob. F-statistic 0.00 0.00
Observations 181 181 164 163 164 163
RANK 31 34 30 28
J-statistic 9.51 12.84 10.54 10.02
p-value(J-stat) 0.99 0.99 0.98 0.97
DWH test 4.45 3.68 4.85 4.17
DWH p-value 0.81 0.88 0.77 0.84
Nota: Níveis de significância marginais: *** denota significância estatística 0,01, ** denota 0,05 e *
denota 0,1; erro padrão entre parênteses e estatística-t em colchetes.
2.7 Conclusões
Este capítulo utilizou séries de disagreement nas expectativas para analisar as

relações entre a incerteza na taxa de câmbio e as incertezas relacionadas à inflação e à
taxa de juros. Mas especificamente, o trabalho analisou o impacto do disagreement nas
expectativas para a taxa de câmbio, tanto no disagreement nas expectativas para a
inflação, quanto no disagreement nas expectativas para a taxa de juros de política
57
monetária. Dessa maneira, partindo do pressuposto que as séries de disagreement nas
expectativas das variáveis econômicas são uma proxy para a incerteza em relação ao
comportamento futuro das variáveis, os resultados fornecem evidências empíricas de
que o disagreement nas expectativas para a taxa de câmbio tem efeito sobre o
disagreements nas expectativas de inflação ou de taxa de juros.
Por outro lado, a literatura sugere a credibilidade como um aspecto importante
no processo de guiar as expectativas dos agente na economia. Isso se dá pelo fato de que
anúncios críveis por parte do Banco Central reduzem a incerteza sobre a condução da
política monetária no futuro ( e com isso o esforço do Banco Central), e também ajudam
no processo de ancoragem das expectativas de inflação na direção da meta de inflação
estipulada. Nesse sentido, o capítulo propõe que a credibilidade do regime de metas de
inflação é um aspecto importante para reduzir o efeito da incerteza sobre o
comportamento futuro da taxa de câmbio na incerteza em relação ao valor futuro da taxa
de juros, e também sobre a incerteza relacionada ao valor futuro da inflação. Com base
em dois índices de credibilidade, os resultados sugerem que a credibilidade reduz a
incerteza sobre a taxa de juros ou sobre a inflação, que poderiam surgir como um
resultado de uma elevação na incerteza sobre o comportamento futuro da taxa de
câmbio.
Apêndice 2
Tabela A.2.1 – Ordem de defasagens para o teste de causalidade de Granger

DISAG_EXCH and DISAG_IPCA DISAG_EXCH and DISAG_SELIC
Lag SC HQ Lag SC HQ
0 8.172 8.150 0 8.160 8.139
1 3.617 3.553 1 3.742 3.677
2 3.495* 3.387* 2 3.687* 3.579*
3 3.559 3.407 3 3.802 3.651
4 3.608 3.414 4 3.853 3.659
5 3.717 3.479 5 3.881 3.644
6 3.823 3.543 6 3.989 3.709
7 3.934 3.611 7 4.069 3.745
8 4.028 3.661 8 4.152 3.785
58
3 CREDIBILIDADE DA POLÍTICA MONETÁRIA E FEAR OF FLOATING
EM PAÍSES EM DESENVOLVIMENTO
59
3.1 Introdução
No final dos anos 90, diversos países em desenvolvimento adotaram regimes de

câmbio flutuante e regimes de metas de inflação. No entanto, uma característica que
pode surgir quando os países adotam esse arcabouço é a de que os bancos centrais na
prática não permitem que a taxa de câmbio flutue sem intervenção. Essa situação foi
ressaltada por Calvo e Reinhart (2002) e batizada de fear of floating. Uma vez que os
bancos centrais reconhecem a existência de um efeito de pass-though da taxa de câmbio
para os preços domésticos, eles se preocupam com a possibilidade de que as flutuações
na taxa de câmbio ameacem o regime de metas de inflação (Ball e Reyes, 2008). Nesse
sentido, esse capítulo expande a análise do capítulo 1 para um contexto com diversos
países.
credibilidade é capaz de reduzir o fear of floating, este capítulo investiga empiricamente
essa hipótese. A contribuição para a literatura se dá pelo fato de que o estudo fornece
evidência internacional de que a taxa de câmbio afeta a função de reação das
autoridades monetárias através da taxa básica de juros e é pioneiro em fornecer
evidência internacional de que a credibilidade da política monetária reduz o efeito das
flutuações da taxa de câmbio sobre as reações dos bancos centrais.
Sob um regime de metas de inflação, a questão do fear of floating está
relacionada com fear of inflation, e ambos podem ser justificados pela preocupação da
autoridade monetária em relação ao efeito de pass-through das desvalorizações da taxa
de câmbio para os preços domésticos (Ball e Reyes, 2004 e 2008). Por outro lado,
existem estudos que ressaltam uma relação inversa entre credibilidade e pass-through
da taxa de câmbio, isto é, quando há ganhos de credibilidade, há redução do pass-
through da desvalorização cambial para a inflação (Por exemplo, Taylor, 2000; Mishkin
e Savastano, 2001; de Mendonça e Tostes, 2015; de Mendonça e Tiberto, 2017). Além
disso, Taylor (2000) sugere que o estabelecimento de uma forte âncora nominal em
diversos países acarretou uma redução considerável no grau de pass-through da taxa de
câmbio para a inflação. Com base nessa ideia, Mishkin e Savastano (2001) também
argumentam que os ganhos de credibilidade da autoridade monetária devido ao seu
compromisso com o regime de metas de inflação podem ser responsáveis por manter,
tanto as expectativas de inflação, quanto a própria inflação ancoradas na meta, mesmo
após desvalorizações na taxa de câmbio.
60
De maneira geral, a preocupação dos bancos centrais com as flutuações da taxa
de câmbio tem sido amplamente discutida na literatura econômica. Alguns estudos
enfatizaram a importância de se considerar a taxa de câmbio na análise de política
monetária (por exemplo, Ball, 1999; Svensson, 2000; Clarida et al., 2001; Calvo e
Reinhart, 2002; Ball e Reyes, 2004 e 2008; Lubik e Schorfheide, 2007; Dong, 2013).
Uma das principais questões discutidas nessa literatura foi ressaltada por Calvo e
Reinhart (2002), que mostraram que os países que adotam regimes de câmbio flutuante
e metas de inflação tendem a utilizar a taxa básica de juros para evitar grandes
flutuações na taxa de câmbio.
De acordo com Calvo e Reinhart (2002), uma das principais razões para a
existência de fear of floating é a falta de credibilidade da autoridade monetária. Os
autores argumentam que diversos países em desenvolvimento determinam suas taxas de
juros com base em preocupações domésticas, e que a decisão de suavizar as variações
da taxa de câmbio pode derivar de um cenário de baixa credibilidade e alto efeito de
pass-through. Calvo e Reinhart (2002) mostram que os movimentos na taxa de juros de
política monetária são mais frequentes em países com regimes de câmbio flutuante. O
modelo teórico proposto pelos autores considera a adoção de metas para a inflação, no
qual o fear of floating surge da combinação de elevado efeito de pass-through e baixa
credibilidade. Os resultados sugerem que nem sempre é fácil distinguir se um país que
anuncia metas para a inflação irá realmente permitir que a taxa de câmbio flutue
livremente ou não. Entretanto, o trabalho de Calvo e Reinhart (2002) não fornece
evidências empíricas do efeito da credibilidade sobre o fear of floating.
Dessa maneira, o presente capítulo busca investigar empiricamente o efeito da
credibilidade sobre o fear of floating. Assim com Calvo e Reinhart (2002), nosso
argumento é o de que, em parte, as reações da política monetária às flutuações da taxa
de câmbio são relacionadas com o nível de credibilidade, o que representa uma questão
importante para ser enfrentada pelos formuladores de política econômica nos países em
desenvolvimento. Particularmente, em relação à importância da credibilidade, quando a
credibilidade da política monetária é baixa, a inflação se eleva e desvia da meta de
inflação estabelecida (Montes e Curi, 2013; Montes e Bastos, 2014). Como
consequência, um ambiente de baixa credibilidade leva os bancos centrais a se
preocuparem com as desvalorizações da taxa de câmbio, porque esses movimentos
podem elevar a taxa de inflação devido ao efeito de pass-through. Portanto, com baixa
61
credibilidade da política monetária, a autoridade monetária é mais suscetível a reagir
aos movimentos da taxa de câmbio do que simplesmente perseguir a meta de inflação e
permitir que a moeda flutue livremente.
A partir da literatura que trata de regras de política monetária (por exemplo,
Clarida et al., 1998, 2000; Berger, 2008; Moura e de Carvalho, 2010; Furlani, Portugal e
Laurini, 2010; Fendel et al., 2011; Frömmel et al., 2011), o capítulo utiliza uma regra de
Taylor expandida. A regra considera elementos padrão em uma regra de Taylor, o efeito
10
das variações da taxa de câmbio, e, como novidade, o efeito da credibilidade da
11
política monetária. Dessa maneira, o capítulo contribui para literatura ao investigar
essa relação entre a condução da política monetária, a taxa de câmbio e a credibilidade,
com enfoque em países desenvolvidos que adotaram regimes de metas para a inflação.
Com base em uma metodologia de dados em painel, os resultados sugerem que a
credibilidade do regime de metas de inflação é capaz de reduzir o problema de fear of
floating na condução de política monetária.
3.2 Revisão da literatura
Em geral, a maior parte da literatura que trata da questão do fear of flotaing

busca elucidar dois pontos principais: (i) em que medida o fear of floating está presente,
isto é, se os bancos centrais reagem às flutuações da taxa de câmbio, e (ii)por meio de
quais instrumentos, e em qual intensidade, os bancos centrais reagem às flutuações na
taxa de câmbio (Schmidt-Hebbel e Tapia, 2002; Levy-Yeyati e Sturzenegger, 2005; Ball
e Reyes, 2004 e 2008; Alesina e Wagner, 2006; Lubik e Schorfheide, 2007; Barajas et
al., 2008; Feridun, 2012; Best, 2013; Ghosh, 2014; Peters, 2016; Kim, 2016; Klyuev e
Dao, 2017; Rizvi et al., 2017). Especificamente em relação aos instrumentos utilizados,
alguns estudos buscam identificar se os bancos centrais tendem a reagir às flutuações da
taxa de câmbio por meio de ajustes na taxa de juros de política monetária ou através de
operações no mercado de forex (Aizenman e Sun, 2012; Best, 2013; Josifidis et al.,
2014).
10
De acordo com Nogueira-Jr. e León-Ledesma (2009), quanto maior é o pass-through, maior é a
resposta da política monetária à taxa de câmbio. Os autores argumentam que “even if the Central Bank
does not care about the exchange rate level, it must respond to its movements, as it influences the overall
rate of inflation, and thus its ability to attain the inflation targets” (Nogueira-Jr. e León-Ledesma 2009,
pp. 258).
11
De maneira a obter resultados robustos, a análise considera dois índice de credibilidade monetária.
62
Em relação as explicações para a existência de fear of floating, uma das
principais razões se refere ao pass-through da taxa de câmbio. Nesse sentido, a
literatura ressalta que o fear of floating pode ser relacionado com fear of inflation (Da
silva e Vernego, 2008, Nogueira-Jr. e León-Ledesma, 2009; Kadria e Aissa, 2015). Por
outro lado, a literatura ressalta razões que podem se relacionar com fear of apreciation,
no qual as desvalorizações da taxa de câmbio seriam mais toleráveis que as apreciações
da taxa de câmbio (Obstfeld e Rogoff, 1995; Levy-Yeyati e Sturzenegger, 2007;
Pontines e Siregar, 2012; Aizeman e Sun, 2012; Levy-Yeyati et al., 2013). Essa aversão
à apreciação é relacionada, por exemplo, com a possibilidade de pressões no balanço de
pagamentos.
Em outro sentido, alguns estudos investigam se o comportamento de fear of
floating pode gera resultados desejáveis para a economia, pois as reações da autoridade
monetária às flutuações da taxa de câmbio podem representar uma decisão de política
monetária racional. Dentre as questões consideradas, está a capacidade de uma política
para a taxa de câmbio em mitigar pressões sobre o sistema financeiro (Pang, 2013;
Nakamura, 2016), de maneira a prevenir efeitos adversos que a incerteza no sistema
financeiro pode trazer para ao desempenho macroeconômico devido a uma flutuação da
taxa de câmbio. Por exemplo, Sokolov et al. (2012), ressalta que a adoção de um regime
de metas de inflação com fear of floating pode gerar menor volatilidade nas taxas de
inflação para os países em desenvolvimento.
Este capítulo contribui com a literatura, uma vez que busca evidência empírica
para a hipótese teórica formulada por Calvo e Reinhart (2002) de que a credibilidade é
importante para reduzir o fear of floating. Além disso, o trabalho também contribui para
a literatura ao avançar em relação ao trabalhos apresentados por Nogueira-Jr. e León-
Ledesma (2009) e de Mendonça e Tiberto (2017).
Nogueira-Jr. e León-Ledesma (2009) avaliam empiricamente o impacto de uma
mudança de regime de política monetária em um país em desenvolvimento. Os autores
investigam se a mudança de regime produziu alguma mudança na politica de taxa de
câmbio. Mais precisamente, eles fornecem evidência a respeito do efeito de pass-
through entre 1995 e 2007, assim como sobre a reação de política monetária aos
choques na taxa de câmbio, comparando o período anterior e o posterior à adoção de
metas de inflação em 1999. Os autores sugerem três principais conclusões em relação ao
fear of floating no Brasil: (i) o pass-through da taxa de câmbio diminuiu drasticamente
63
após a adoção de metas de inflação; (ii) embora a volatilidade da taxa de câmbio tenha
aumentado substancialmente após 1999, o Banco Central continuou reagindo às
flutuações na taxa de câmbio, e; (iii) a reação do Banco Central aos choques na taxa de
câmbio era mais comum através do uso das reservas internacionais e mudou para o uso
da taxa básica de juros como instrumento de intervenção. De acordo com Nogueira-Jr.
and León-Ledesma (2009), as intervenções de política monetária através da taxa de
juros refletem o fato de que o Banco Central reage a qualquer variável que afete a
inflação.
Por sua vez, de Mendonça e Tiberto (2017) apresentam evidência empírica em
relação a efeito de pass-through da taxa de câmbio para a inflação em uma amostra de
países em desenvolvimento. Em geral, os resultados indicam que o pass-through da
taxa de câmbio é importante para explicar a taxa de inflação. Além disso, os autores
analisam o impacto da credibilidade monetária nesse canal de transmissão da taxa de
câmbio para a inflação. A evidência empírica indica que uma credibilidade monetária
elevada ajuda a mitigar os efeitos de pass-trhough da taxa de câmbio. Desse modo, uma
melhora da credibilidade facilita o controle da inflação com menor custo para a
sociedade.
3.3 Dados e metodologia
Com o objetivo de verificar o argumento teórico de Calvo e Reinhart (2002), isto é, se a

credibilidade reduz o fear of floating, é utilizada uma regra de Taylor expandida. Em
geral, uma regra de Taylor é utilizada na literatura para mostrar como um banco central
reage às mudanças nas variáveis econômicas (Taylor, 1993). Outros estudos vêm
utilizando o arcabouço de regras de Taylor para checar se os bancos centrais reagem a
flutuações na taxa de câmbio (por exemplo, Wollmershäuser, 2006; Frömmel et al.,
2011).
As séries utilizadas na análise foram obtidas junto ao Fundo Monetário
Internacional (FMI) na base de dados International Financial Statistics (IFS). O período
analisado vai de 2000 a 2017, com periodicidade trimestral.12 O painel é construído
considerando 47 países, dos quais 32 são países em desenvolvimento. 13 A análise
empírica considera diferentes amostras e sub-amostras de maneira a verificar se os
12
O period foi definido de acordo com a disponibilidade de dados.
13
A Table A1.3 no Apendice 3 apresent a lista de países utilizados na análise.
64
resultados se mantêm quando, por exemplo, (i) uma amostra composta apenas por
países em desenvolvimento é considerada, (ii) são considerados apenas países que
adotaram metas de inflação, e (iii) são utilizados diferentes períodos – antes e depois da
crise financeira global.
Como variável dependente, é utilizada a taxa de juros de política monetária (IR). Como
regressores comumente considerados em regras de Taylor, são utilizados o desvio da
inflação para a meta (INF)14 e, com objetivo de capturar o efeito da atividade
econômica, é utilizado o hiato do produto (GAP)15. Para capturar o fear of floating,
também é considerado o efeito das flutuações da taxa de câmbio (∆EXCH)16. Além
disso, uma dummy para o efeito da crise financeira global (SUBPRIME) também é
considerada (A dummy tem valor 1 de 2008Q2 to 2010Q4, e zero caso contrário). Por
fim, também é analisado o efeito da adoção de um regime de metas para a inflação por
meio da inclusão de uma variável dummy (TARGET)17.
Com o objetivo de capturar o efeito da credibilidade monetária, são utilizados
dois índices de credibilidade, ambos já apresentados no capítulo 1 dessa tese. São eles o
índice proposto por Cecchetti e Krause (2002) e o índice de Mendonça (2007),
apresentados anteriormente no capítulo 1 (seção 1.4). Na Figura 3.1, tem-se os gráficos
para a credibilidade média para os dois índices.
Como alguns bancos centrais não tornam disponíveis as informações acerca das
expectativas de inflação, este capítulo segue a mesma metodologia utilizada em de
Mendonça e Tiberto (2017). Então, nesses casos, de maneira a obter séries de
expectativa de inflação, este capítulo segue a metodologia de Tesfaselassie e Schaling
(2010), Cecchetti e Krause (2002) and de Mendonça e Tiberto (2017) que consideram
uma média móvel da inflação como uma proxy para as expectativas. Portanto, com base
na inflação medida pelo Índice de Preços ao Consumidor (obtidos no FMI), são
computadas as expectativas de inflação (Et+4(π)) através de uma média móvel baseada
na inflação observada no último trimestre (πt-1), no trimestre corrente (πt), e nos
14
Como proposto por Dincer e Eichengreen (2014) a taxa de inflação corresponde ao valor logarítimico
de 1 mais a inflação medida pelo Índice de Preços ao Consumidor disponíveis na International Financial
Statistics.
15
O GAP é a diferença entre o valor do produto e a tendência obtida através do filtro de Hodrick-Prescott.
16
É considerada a variação percentual da taxa de câmbio nominal (moeda local por Dólar americano).
17
A variável dummy iguala 1 se o país I é um país com meta de inflação no período t e 0 caso contrário.
A data de adoção da meta se baseia em uma classificação conservadora. No caso onde há uma meta de
inflação explicita foi adotada (ver, de de Mendonça and de Guimarães e Souza, 2012).
65
πt−1 +πt +πt+1 +πt+2
próximos dois trimestres (πt+1 e πt+2), isto é, Et+4 (π) = . A Tabela
4
A.3.2 no Apêndice 3 apresenta as estatísticas descritivas de todas as variáveis.
66
Figura 3.1 – Índices de credibilidade (média dos países desenvolvidos e em
desenvolvimento)
CREDM CREDCK
0.6 1.0
0.5
0.9
0.4
0.8
0.3
0.7
0.2
0.6
0.1
0.0 0.5
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Developed countries Developing countries
Em relação ao modelo econométrico, são utilizadas variáveis tradicionalmente

consideradas em uma regra de Taylor (isto é, desvio da inflação da meta (INF) e o hiato
do produto (GAP), assim como as variações na taxa de câmbio (∆EXCH), o índice de
credibilidade (CRED) e as variáveis SUBPRIME e TARGET. Por sua vez, com o
objetivo de verificar o efeito da credibilidade da política monetária sobre o fear of
floating, são utilizados termos de interação, assim como de Mendonça e Tiberto (2017).
No entanto, enquanto de Mendonça e Tiberto (2017) analisaram a influência da
credibilidade monetária no pass-through da taxa de câmbio para a inflação, a análise
deste capítulo considera os termos de interação na função de reação dos bancos centrais.
Então, a equação considerada é:
𝐼𝑅𝑖,𝑡 = 𝛼0 + 𝛼1 𝐼𝑁𝐹𝑖,𝑡−1 + 𝛼2 𝐺𝐴𝑃𝑖,𝑡−1 + 𝛼3 ∆𝐸𝑋𝐶𝐻𝑖,𝑡−1 + 𝛼4 𝐶𝑅𝐸𝐷𝑖,𝑡−1 + 𝛼5 (∆𝐸𝑋𝐶𝐻𝑖,𝑡−1 ) ∗ (𝐶𝑅𝐸𝐷𝑖,𝑡−1 )

+ 𝛼6 𝑆𝑈𝐵𝑃𝑅𝐼𝑀𝐸𝑡 + 𝛼7 𝑇𝐴𝑅𝐺𝐸𝑇𝑖,𝑡 + 𝜚𝑖,𝑡 (3.1)
Onde, ϱ é um termo de erro aleatório. Duas especificações diferentes são estimadas para
a equação 3.1 (referenciadas como equação 3.1.1 e 3.1.2). A equação 3.1.2 é o modelo
completo, enquanto a equação 3.1.1 não considera a variável TARGET.
É importante notar que o termo CRED (onde CRED é CREDCK ou CREDM)
torna o efeito das variações na taxa de câmbio na reação do banco central (através da
taxa de juros de política monetária) dependente da credibilidade. Por um lado, espera-se
que o coeficiente para ∆EXCH seja positivo (𝛼3 > 0); por outro lado, para o termo de
interação, um sinal negativo é esperado (𝛼5 < 0). Nesse sentido, quando a credibilidade
está em níveis elevados, a autoridade monetária reage com menos intensidade às
67
mudanças na taxa de câmbio. Por sua vez, quando a credibilidade é baixa, a autoridade
monetária reage com maior intensidade às flutuações na taxa de câmbio. A Equação 3.2
descreve esse efeito:
𝜕𝐼𝑅𝑖,𝑡
= 𝛼3 − 𝛼5 (CRED𝑖,𝑡−1 ) (3.2)
𝜕∆𝐸𝑋𝐶𝐻𝑖,𝑡−1
Como uma condição preliminar a ser analisada antes de aplicar a análise

econométrica, foi verificado se as séries são estacionárias (ou tem raiz unitária). Com
base em Bond et al. (2005), diversos testes foram criados para testar raízes unitárias em
dados de painel. Com esse objetivo, a análise deste capítulo considera os seguintes
testes: Levin-Lin-Chu (LLC), Im-Pesaran-Shin (IPS), Fisher-ADF (ADF), e Fisher-PP
(PP). O teste LLC pressupõe a presença de apenas uma raiz unitária comum a todas as
cross-sections. Para os outros testes, assume-se a existência de diferentes raízes
unitárias em diferentes cross-sections. A hipótese nula é a de não estacionariedade das
séries em todos os testes. Ademais, os testes foram aplicados para as séries em nível, e a
escolha das defasagens foi realizada de acordo com o critério de informação de
Schwarz. Os resultados indicam que as séries são I(0) (ver Tabela 3.1).
Tabela 3.1 – Testes de raiz unitária

Constant Constant and trend Without constant or trend
Series
LLC IPS ADF PP LLC IPS ADF PP LLC ADF PP
Schwarz*
IR Stat. -8.75 -10.29 251.81 252.88 -7.77 -10.04 229.82 309.14 -8.44 299.88 194.22
Prob. 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
INF_DEV Stat. -3.50 -10.81 329.68 476.52 -1.53 -8.99 302.07 366.27 -11.75 329.39 622.43
Prob. 0.00 0.00 0.00 0.00 0.06 0.00 0.00 0.00 0.00 0.00 0.00
GAP Stat. -8.36 -19.67 551.50 498.79 -6.19 -15.96 407.77 373.14 -24.44 1117.69 1307.57
Prob. 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
∆EXCH Stat. -39.32 -36.95 1261.34 1250.47 -42.58 -37.05 1190.40 1117.33 -41.05 1994.39 1987.66
Prob. 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
CRED Stat. -14.73 -19.71 607.38 591.86 -16.29 -17.60 503.14 452.16 -17.93 682.33 941.06
Prob. 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
CRED_CK Stat. -8.08 -18.40 585.42 342.63 -10.51 -17.24 510.02 236.15 -0.42 71.72 66.10
Prob. 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.34 0.98 0.99
Teste de Levin-Lin-Chu (LLC) – processo de raiz comum - H0: α = 0. Teste de Im–Pesaran–Shin (IPS) –
processos de raiz individual - H0: α = 0 (para cada i). Teste de Fisher-ADF (ADF) – processos de raiz
individual - H0: α = 0 (para cada i). Teste de Fisher-PP (PP) – processos de raiz individual - H0: α = 0
(para cada i).
O painel de dados utilizado na análise é caracterizado por uma dimensão

temporal (T) grande em relação a um número menor de cross-sections (N) (para a
amostra completa, T=72 e N=47, e para amostra que considera apenas países em
68
desenvolvimento, T=72 e N=32). Nesse contexto, a próximo passo foi a definição do
primeiro método a ser utilizado: modelo com efeitos fixos ou modelo com efeitos
aleatórios. A principal diferença entre esses dois modelos é o fato de que o modelo com
efeitos aleatórios não considera a presença de correlação entre as variáveis explicativas
e os efeitos não observados. Porém, o modelo de efeitos fixos permite que haja essa
correlação entre as variáveis explicativas e os efeitos não observados e variáveis dummy
são adicionadas para considerar diferenças e mudanças de intercepeto (Wooldridge,
2001).
Para a escolha do método mais adequado, o teste de Haussman (1978) foi
utilizado. Esse teste compara os coeficientes estimados com efeitos fixos e com efeitos
aleatórios. Se a hipótese nula é aceita, isso implica que os dois métodos podem ser
utilizados para a estimação. Entretanto, os estimadores de efeitos fixos são considerados
ineficientes. Por outro lado, quando a hipótese nula é rejeitada, o uso de um modelo de
efeitos fixos é o mais adequado. Com o objetivo de corrigir os problemas de
heterocedasticidade nas estimações, as matrizes de covariância foram estimadas pelo
método de White.
Com a preocupação de evitar problemas de endogeneidade, a estimação pelo
Método do Momentos Generalizados Sistêmico (S-GMM) também foi realizada,
conforme proposto por Arellano and Bover (1995) e Blundell e Bond (1998). Por meio
da utlitização do GMM, são adotadas variáveis instrumentais exógenas, as quais
eliminam o problema de simultaneidade entre a taxa de juros de política monetária e os
regressores.
Em geral, a utilização do método de S-GMM é uma boa alternativa no caso em
que o modelo não satisfaz a hipótese de OLS que considera nula a correlação entre os
termos de erro e seus estimadores, o que pode gerar estimativas inconsistentes por OLS
(Wooldrige, 2001). Além disso, as estimativas do S-GMM eliminam os efeitos não
observados nas regressões (Arellano and Bond, 1991), devido à utilização de primeiras
diferenças. Consequentemente, abordagem sistêmica também inclui condições de
momento, de modo a evitar problemas de viés e baixa eficiência que podem surgir na
utilização de apenas GMM com primeiras diferenças (Arellano e Bover, 1995 e
Blundell e Bond, 1998).
Conforme ressaltado por Roodman (2009), o uso de instrumentos em excesso tende a
enviesar os resultados em uma amostra pequena. Com o objetivo de evitar o uso
69
excessivo de instrumentos nas regressões, a razão entre o número de
instrumentos/número de cross-sections é menor do que 1 em cada regressão.
Adicionalmente, conforme proposto por Arellano (2003), com a intenção de observar a
validade dos instrumentos utilizados nos modelos, o teste-J para sobre-especificação foi
utilizado. Além disso, os testes para autocorrelação de primeira ordem (AR1) e segunda
ordem (AR2) também foram realizados.
A estratégia empírica segue a seguinte ordem: primeiro, são estimadas as
especificações 3.1.1 e 3.1.2 para a amostra completa e também para a amostra que
considera apenas os países em desenvolvimento para todo o período (2000Q1-2017Q4)
(Tabela 3.2). Depois disso, as estimações para a amostra completa e para a amostra com
países em desenvolvimento são estimadas em dois contextos diferentes: antes da crise
financeira global (2000Q1-2008Q1) e depois da crise financeira global (2008Q2-
2017Q4) (tabela 3.3). Por fim, as especificações 3.1.1 e 3.2.2 são estimadas apenas para
a amostra completa com países que adotaram metas de inflação e para uma amostra de
países em desenvolvimento que adotaram metas de inflação (Tabela 3.4).
3.4 Resultados
Esta seção fornece evidência empírica a respeito do relacionamento entre fear of

floating e credibilidade da política monetária. Em todas as tabelas, são apresentados os
resultados do teste de Haussman, Estatística-J e testes de autocorrelação. Em geral, a
direção dos sinais e o nível de significância dos coeficientes estimados estão de acordo
com a perspectiva teórica.
Os resultados para a Tabela 3.2 mostram que os coeficientes estimados para a
variação da taxa de câmbio ΔEXCH são positivos e significativos em todas as
especificações, o que sugere que a política monetária responde às flutuações na taxa de
câmbio. Esse resultado corrobora a ideia de qua há fear of floating (e fear of inflation)
(Da silva e Vernego, 2008, Nogueira-Jr. e León-Ledesma, 2009; Kadria e Aissa, 2015).
Além disso, verifica-se que o fear of floating é maior em países em desenvolvimento.
Os coeficientes estimados para a credibilidade da política monetária (CREDM)
apresentam sinais negativos e significância estatística em todas as especificações da
Tabela 3.2. Nesse sentido, esse resultado sugere que na medida que a credibilidade
monetária aumenta, os países apresentam taxas de juros mais baixas, e esse efeito é
ainda maior nos países em desenvolvimento. Em relação à variável interativa
70
(CREDM*ΔEXCH), as estimativas apresentam coeficientes negativos e significativos
em todas as especificações na Tabela 3.2. Esse resultado indica a validade do argumento
teórico de Calvo e Heinhart (2002) de que o fear of floating surge devido a problemas
de falta de credibilidade. As estimativas indicam que quanto maior o nível de
credibilidade, a intensidade das reações da autoridade monetária às flutuações na taxa
de câmbio diminui, o que reforça o argumento da equação 3.2.
Tabela 3.2 – Estimativas para amostra complete e para amostra de países em

desenvolvimento (2000Q1-2017Q4)
Dependent variable: IR Full sample Developing countries
Specfification FE S-GMM FE S-GMM FE S-GMM FE S-GMM
INF(-1) 0.616*** 0.010** 0.589*** 0.013*** 0.612*** 0.024*** 0.577*** 0.027***
(0.08) (0.00) (0.07) (0.00) (0.08) (0.00) (0.07) (0.00)
GAP(-1) 0.313 0.488 0.369 1.261*** 0.116 1.587 0.174 2.909*
(0.27) (1.12) (0.27) (0.28) (0.34) (1.46) (0.34) (1.71)
∆EXCH(-1) 0.059* 0.044*** 0.072** 0.037*** 0.088* 0.085*** 0.105** 0.120***
(0.03) (0.01) (0.03) (0.00) (0.05) (0.02) (0.04) (0.01)
CRED(-1) -0.85*** -0.67* -0.69*** -0.65*** -1.33*** -0.70* -1.12*** -0.93*
(0.17) (0.36) (0.16) (0.12) (0.25) (0.39) (0.24) (0.54)
CRED(-1)*∆EXCH(-1) -0.14** -0.13*** -0.15*** -0.12*** -0.17** -0.16*** -0.19** -0.25***
(0.06) (0.04) (0.05) (0.02) (0.08) (0.05) (0.08) (0.05)
SUBPRIME -0.86*** -0.03 -0.89*** -0.13** -1.00*** -0.07 -1.00*** -0.11
(0.14) (0.08) (0.13) (0.05) (0.19) (0.11) (0.18) (0.15)
TARGET -3.93*** -1.24*** -4.65*** -0.98***
(0.57) (0.14) (0.70) (0.34)
Adj. R² 0.75 0.77 0.71 0.73

F-statistic 152.66 161.85 109.22 118.33
Prob. F-statistic 0.00 0.00 0.00 0.00
Haussman Chi-sd. stat. 55.58 90.61 29.34 72.85
Prob. 0.00 0.00 0.00 0.00
Observations 2624 1836 2624 1859 1644 1150 1644 1132
J-statistic 20.73 31.13 16.93 21.05
Prob(J-statistic) 0.24 0.12 0.53 0.33
Instrument rank 25 32 26 28
Rank / Cross sections 0.56 0.71 0.87 0.93
Ar(1) -0.43 -0.48 -0.43 -0.42
Prob. 0.00 0.00 0.00 0.00
Ar(2) -0.01 0.00 -0.03 -0.02
Prob 0.85 0.96 0.29 0.48
Nota: Níveis de significâncias marginais: (***) denota 0.01, (**) denota 0.05, e (*) denota 0.1. A matriz de
covariancia de White consitente na presença de heterocedasticidade foi utilizada em todas as regressões. Erros
padrão em parenteses. FE singifica estimativas por OLS cotroladas para os efeitos fixos dos países. S-GMM –
utiliza Arellano and Bover (1995) em dois estágiossem efeitos fixos por período. O estimador de S-GMM testa AR
(1) e AR (2) para verificar a presence de autocorrelação de primeira ou de segunda ordem. As constantes e as
variáveis dependents defasdas foram omitidas por conveniência
Os resultados para as variáveis de controle estão de acordo com a perspectiva teórica, e

corroboram a evidência fornecida pela literatura. Os coeficientes positivos para INF,
obtidos em ambas as amostras, indicam que os países com elevada taxa de inflação
também têm taxas de juros elevadas, isto é, um aumento no desvio da inflação em
relação à meta leva os bancos centrais a adotarem taxas de juros mais elevadas com o
71
objetivo de conter o processo inflacionário. Os resultados para o efeito de INF estão de
acordo com as ideias em que a regra de Taylor (1993) se baseia. Com relação às
estimativas para GAP, os coeficientes são positivos, mas só se mostram significativos
na especificação 3.1.2, estimada por S-GMM. No que se refere ao efeito da crise do
subprime, a maior parte das estimativas apresentam coeficientes negativos e
estatisticamente significantes, o que indica que os bancos centrais, em resposta às crises,
reduzem suas taxas de juros, com o objetivo de estimular a atividade econômica e evitar
recessões ainda mais profundas.
Com relação ao efeito da adoção de um regime de metas de inflação (TARGET),
os resultados apontam, para ambas as amostras, que os países que adotam esse regime,
na média, têm menores níveis de taxa de juros. Esse resultado corrobora as evidências
apresentadas por Montes e Gea (2018).
A partir da análise das estimativas apresentadas na Tabela 3.3, observa-se que a
maioria dos resultados está em linha com o que a teoria econômica prevê, e os
resultados reforçam os já apresentados anteriormente na Tabela 3.2. Com relação à
resposta da política monetária às flutuações da taxa de câmbio (ΔEXCH), os resultados
estão de acordo com a teoria econômica e corrobora as evidências da Tabela 3.2. No
entanto, esses resultados indicam que o fear of floating foi maior antes da crise de 2008
do que depois. Além disso, as estimativas indicam que o fear of floating é maior em
países em desenvolvimento; entretanto, a diferença entre os coeficientes se torna menor
na amostra que considera o período pós-crise.
Em relação à credibilidade, os coeficientes estimados são negativos em todas as
estimativas na Tabela 3.3. Os resultados obtidos por meio de S-GMM indicam que o
efeito da credibilidade em reduzir as taxa de juros se tornou maior após a crise de 2008.
Por sua vez, em relação à variável interativa (CREDM * ΔEXCH), todos os coeficientes
estimados são negativos e significativos em todas as especificações. Esse resultado
corrobora com o argumento teórico de Calvo e Reinhart (2002). Entretanto, pode-se
observar que esse efeito perde intensidade após a crise financeira.
Em relação às variáveis de controle, o efeito de INF é positivo e significativo em
todas as especificações, mas a resposta da taxa de juros de política monetária para os
desvios da inflação em relação à meta perde intensidade após a crise de 2008. Por sua
vez, os resultados indicam que a adoção de metas de inflação é importante para a
condução das taxas de juros para níveis mais baixos. Além disso, os resultados indicam
72
que a resposta a desvios do produto da economia de sua tendência se torna maior após a
crise do subprime, embora as estimativas não sejam estatisticamente significativas em
parte das estimações.

desenvolvimento (Antes e depois da crise de 2008)
Dependent variable: IR Full Sample Developing countries
2000-2007 2008-2016 2000-2007 2008-2016
INF(-1) 0.808*** 0.041*** 0.331*** 0.028*** 0.803*** 0.104*** 0.320*** 0.030***
(0.05) (0.00) (0.04) (0.00) (0.05) (0.01) (0.04) (0.00)
GAP(-1) 0.352 0.337*** 1.109*** 0.135 0.711 0.410*** 1.036** 0.484***
(0.29) (0.04) (0.39) (0.12) (0.49) (0.10) (0.42) (0.01)
∆EXCH(-1) 0.184*** 0.128*** 0.068*** 0.094*** 0.245*** 0.217*** 0.083*** 0.112***
(0.03) (0.01) (0.01) (0.01) (0.04) (0.01) (0.02) (0.01)
CRED(-1) -0.81*** -0.02 -0.11 -1.40*** -0.74* -0.02 -0.16 -1.23***
(0.29) (0.06) (0.15) (0.15) (0.45) (0.20) (0.22) (0.04)
CRED(-1)*∆EXCH(-1) -0.20*** -0.18*** -0.10*** -0.09*** -0.22** -0.30*** -0.12** -0.04*
(0.07) (0.03) (0.03) (0.02) (0.10) (0.04) (0.05) (0.02)
TARGET -3.27*** -0.15 -0.45 -3.53** -3.63*** -0.31 -0.46 -1.63*
(0.92) (0.27) (0.51) (1.73) (1.05) (1.15) (0.72) (0.84)
Adj. R² 0.88 0.82 0.86 0.75
F-statistic 152.75 142.56 111.13 91.72
Prob. F-statistic 0.00 0.00 0.00 0.00
Prob. 0.00 0.00 0.00 0.00
Observations 920 624 1663 1164 515 372 1103 769
J-statistic 23.16 15.53 10.58 11.98
Prob(J-statistic) 0.23 0.41 0.57 0.68
Ar(1) -0.55 -0.49 -0.57 -0.57
Prob. 0.00 0.00 0.00 0.00
Ar(2) 0.06 0.01 0.07 -0.01
Prob 0.13 0.90 0.19 0.86
covariância de White consistente na presença de heterocedasticidade foi utilizada em todas as regressões. Erros
padrão em parenteses. FE singifica estimativas por OLS controladas para os efeitos fixos dos países. S-GMM –
utiliza Arellano e Bover (1995) em dois estágios sem efeitos fixos por período. O estimador de S-GMM testa AR
(1) e AR (2) para verificar a presença de autocorrelação de primeira ou de segunda ordem. As constantes e as
variáveis dependentes defasadas foram omitidas por conveniência
Nas estimações na Tabela 3.4, consideraram-se apenas os países que

explicitamente adotaram um regime de metas para a inflação. Desse modo, a amostra
completa é a amostra de países desenvolvidos e em desenvolvimento que adotaram
metas de inflação.
Em geral, as estimativas indicam a existência de fear of floating. Na amostra
completa, todos os coeficientes de ΔEXCH são positivos e significativos. Além disso,
pode-se observar que a magnitude dos coeficientes tende a ser maior na amostra de
países em desenvolvimento. Além disso, quando nós comparamos os coeficientes
73
obtidos através de efeitos fixos reportados na Tabela 3.4 com os coeficientes reportados
na tabela 3.2, verifica-se que os países em desenvolvimento com metas para a inflação
apresentam maior fear of floating.
Novamente, os resultados ressaltam a importância de se construir credibilidade
para trazer a taxa de juros de política monetária a menores níveis. Além disso, as
estimativas também indicam a importância da credibilidade da política monetária para
reduzir o fear of floating. Todos os coeficientes que mostram os termos interativos
(CREDM*ΔEXCH) apresentam sinais negativos e significância estatística na maioria
das estimativas, e esse efeito parece ser maior para países em desenvolvimento que
adotaram metas de inflação.
Tabela 3.4 – Estimativas para países com metas de inflação (Amostra completa e
países em desenvolvimento)
Dependent variable: IR Full Sample (IT countries) IT Developing countries
INF(-1) 0.909*** 0.036* 0.850*** 0.069*** 0.917*** 0.068** 0.842*** 0.083**
(0.05) (0.01) (0.05) (0.02) (0.05) (0.02) (0.04) (0.04)
GAP(-1) -0.49* 0.229 -0.35 0.391 -0.55* 0.009 -0.41 0.136
(0.28) (1.85) (0.28) (2.66) (0.29) (0.15) (0.29) (0.10)
∆EXCH(-1) 0.053* 0.081*** 0.069** 0.073*** 0.105** 0.053 0.126*** 0.060
(0.02) (0.02) (0.02) (0.02) (0.04) (0.03) (0.03) (0.04)
CRED(-1) -1.10*** -0.17* -0.93*** -1.28*** -1.59*** -0.23 -1.36*** -0.93
(0.21) (0.09) (0.21) (0.41) (0.32) (0.24) (0.31) (1.24)
CRED(-1)*∆EXCH(-1) -0.12** -0.18** -0.13*** -0.11** -0.16** -0.05 -0.18*** -0.03
(0.05) (0.08) (0.05) (0.05) (0.07) (0.14) (0.07) (0.04)
SUBPRIME -1.04*** -2.14*** -1.06*** -1.13*** -1.24*** -2.10* -1.25*** -1.86***
(0.17) (0.40) (0.16) (0.25) (0.26) (1.21) (0.24) (0.57)
TARGET -3.14*** -2.64*** -3.66*** -2.63***
(0.45) (0.59) (0.55) (0.50)
Adj. R² 0.74 0.76 0.69 0.72

F-statistic 147.23 155.84 97.74 105.78
Prob. F-statistic 0.00 0.00 0.00 0.00
Prob. 0.00 0.00 0.32 0.31
Observations 1554 1251 1554 1227 896 664 896 795
J-statistic 16.80 8.78 0.91 4.56
Prob(J-statistic) 0.11 0.36 0.82 0.60
Ar(1) -0.49 -0.46 -0.49 -0.46
Prob. 0.00 0.00 0.00 0.00
Ar(2) 0.03 0.02 -0.02 -0.01
Prob. 0.35 0.59 0.68 0.73
padrão em parênteses. FE singifica estimativas por OLS controladas para os efeitos fixos dos países. S-GMM –
74
3.5 Análise de Robustez
Nesta sessão, as mesmas especificações analisadas na seção anterior são

reestimadas. Porém, um índice alternativo é considerado para medir a credibilidade da
política monetária. Então, as estimativas nas tabelas 3.5, 3.4 e 3.7 a seguir, consideram
o índice proposto por Cecchetti e Krausse (2002).
A Tabela 3.5 apresenta as estimativas para a amostra completa e para a amostra
para países em desenvolvimento no período completo (2000Q1-2017Q4). A Tabela 3.6
reporta os estimativas para as mesmas amostras da Tabela 3.5, mas divide o período
entre antes (2000Q1-2008Q1) e depois (2008Q2-2017Q4) da crise de 2008. Já a Tabela
3.7 mostra as estimativas para as duas amostras e período, assim como a Tabela 3.5,
mas considera apenas os países que adotaram explicitamente metas para a inflação.
Em geral, os resultados apresentados nas Tabelas 3.5, 3.6 e 3.7 para as variáveis
de controle estão de acordo com as evidências reportadas na seção anterior.
Em relação às variáveis de interesse do capítulo, as estimativas indicam que a
política monetária responde às flutuações na taxa de câmbio, o que reforça o argumento
de existência de fear of floating. A maioria dos coeficientes reportados nas tabelas 3.5,
3.6 e 3.7 para a variável ΔEXCH são positivos e significativos. Novamente,
comparando os coeficientes reportados na Tabela 3.5, com os da Tabela 3.7, verifica-se
que os países em desenvolvimento com metas para a inflação apresentam maior fear
floating. Além disso, os resultados apresentados na tabela 3.6, confirmam os resultados
apresentados na tabela 3.4 da seção anterior, de modo que as estimativas indicam maior
fear of floaitng antes da crise do que após a crise.
No que se refere aos coeficientes obtidos para a a credibilidade da política
monetária (CREDCK), as estimativas corroboram os resultados reportados na seção
anterior. Todas as estimativas por S-GMM são negativas e significativas. Dessa
maneira, países com mais credibilidade apresentam taxas de juros mais baixas. Com
relação ao termo de interação (CRED_CK * ΔEXCH), as estimativas reforçam o
argumento de Clavo e Reinhart (2002) de que a credibilidade é capaz de mitigar o fear
of floating. Esse efeito é ainda maior para países com metas de inflação.
75
desenvolvimento (2000Q1-2017Q4)
Dependent variable: IR Full sample Developing countries
INF(-1) 0.486*** 0.001 0.472*** 0.009*** 0.491*** 0.008 0.473*** 0.010**
(0.09) (0.00) (0.08) (0.00) (0.09) (0.01) (0.09) (0.00)
GAP(-1) -0.04 2.599 0.057 1.505*** -0.36 7.204** -0.21 4.342
(0.22) (2.51) (0.21) (0.32) (0.25) (3.25) (0.26) (2.76)
∆EXCH(-1) 0.157** 0.036 0.169** 0.070*** 0.172* 0.421*** 0.188** 0.238***
(0.07) (0.07) (0.07) (0.00) (0.09) (0.06) (0.08) (0.01)
CRED_CK(-1) -3.73*** -1.09*** -3.31*** 0.394*** -3.70*** -1.20*** -3.16*** -0.49***
(1.07) (0.32) (1.03) (0.09) (1.11) (0.29) (1.07) (0.16)
CRED_CK(-1)*∆EXCH(-1) -0.19** -0.05 -0.19** -0.09*** -0.20* -0.54*** -0.20** -0.31***
(0.08) (0.08) (0.08) (0.00) (0.10) (0.09) (0.09) (0.01)
SUBPRIME -1.05*** -0.46*** -1.05*** -0.09** -1.19*** -0.53** -1.16*** -1.59***
(0.13) (0.13) (0.12) (0.04) (0.18) (0.22) (0.18) (0.10)
TARGET -3.68*** -1.27*** -4.38*** -3.01***
(0.54) (0.08) (0.66) (0.28)
Adj. R² 0.76 0.77 0.72 0.74

F-statistic 162.51 170.95 115.50 123.76
Prob. F-statistic 0.00 0.00 0.00 0.00
Prob. 0.00 0.00 0.00 0.00
Observations 2624 2051 2624 1857 1644 1215 1644 1169
J-statistic 9.76 32.36 15.14 21.18
Prob(J-statistic) 0.46 0.35 0.37 0.33
Ar(1) -0.43 -0.47 -0.31 -0.37
Prob. 0.00 0.00 0.00 0.00
Ar(2) -0.03 0.00 -0.05 -0.05
Prob 0.20 0.96 0.11 0.11
padrão em parênteses. FE significa estimativas por OLS cotroladas para os efeitos fixos dos países. S-GMM –
76
desenvolvimento (Antes e depois da crise de 2008)
2000-2007 2008-2016 2000-2007 2008-2016
INF(-1) 0.764*** 0.104*** 0.223*** 0.010* 0.783*** 0.082*** 0.227*** 0.037***
(0.05) (0.02) (0.03) (0.00) (0.06) (0.01) (0.03) (0.00)
GAP(-1) 0.501* 0.280*** 0.454* 0.123*** 0.920** 0.048 0.422 0.207***
(0.26) (0.06) (0.26) (0.02) (0.40) (0.13) (0.30) (0.00)
∆EXCH(-1) 0.375*** 0.188*** 0.115*** 0.072*** 0.367*** 0.211*** 0.115*** 0.045***
(0.08) (0.01) (0.03) (0.01) (0.08) (0.02) (0.04) (0.01)
CRED_CK(-1) 0.015 -0.41** -3.66*** -1.04*** 0.414 -0.54** -3.43*** -1.68***
(0.70) (0.16) (0.63) (0.22) (0.72) (0.21) (0.65) (0.16)
CRED_CK(-1)*∆EXCH(-1) -0.38*** -0.17*** -0.10*** -0.05*** -0.33*** -0.22*** -0.09** -0.01
(0.09) (0.01) (0.03) (0.01) (0.10) (0.03) (0.04) (0.01)
TARGET -3.30*** -0.82* -0.29 2.368*** -3.74*** -1.05 -0.30 5.395***
(0.91) (0.46) (0.50) (0.80) (1.05) (0.80) (0.72) (0.50)
Adj. R² 0.88 0.83 0.87 0.77
F-statistic 161.25 159.55 114.92 101.16
Prob. F-statistic 0.00 0.00 0.00 0.00
Prob. 0.00 0.00 0.00 0.00
Observations 920 613 1663 1245 515 349 1103 820
J-statistic 25.17 23.74 12.27 16.55
Prob(J-statistic) 0.24 0.25 0.58 0.68
Ar(1) -0.52 -0.52 -0.51 -0.43
Prob. 0.00 0.00 0.00 0.00
Ar(2) 0.07 0.03 0.05 -0.03
Prob 0.12 0.43 0.43 0.50
padrão em parênteses. FE significa estimativas por OLS controladas para os efeitos fixos dos países. S-GMM –
77
Tabela 3.7 – Estimativas para países com metas de inflação (Amostra completa e
países em desenvolvimento)
Specfification FE S-GMM FE S-GMM FE RE S-GMM FE RE S-GMM
INF(-1) 0.757*** 0.060*** 0.720*** 0.044*** 0.789*** 0.788*** 0.012 0.740*** 0.742*** 0.074*
(0.07) (0.01) (0.06) (0.00) (0.06) (0.07) (0.02) (0.06) (0.06) (0.04)
GAP(-1) -0.80*** 0.831 -0.60** 0.002 -0.81*** -0.83*** 0.018 -0.57* -0.59* 0.044
(0.27) (6.95) (0.27) (0.02) (0.29) (0.29) (4.61) (0.29) (0.30) (0.30)
∆EXCH(-1) 0.191** 0.062*** 0.207*** 0.030*** 0.248*** 0.248*** 0.127*** 0.268*** 0.268*** 0.219***
(0.08) (0.01) (0.07) (0.00) (0.08) (0.08) (0.01) (0.07) (0.07) (0.08)
CRED_CK(-1) -3.06*** -1.79*** -2.54*** -0.29*** -2.73*** -2.79*** -0.64 -2.06*** -2.08*** -0.95**
(0.73) (0.40) (0.71) (0.09) (0.73) (0.75) (0.75) (0.72) (0.74) (0.47)
CRED_CK(-1)*∆EXCH(-1) -0.24*** -0.05*** -0.24*** -0.01*** -0.30*** -0.30*** -0.11 -0.31*** -0.31*** -0.23**
(0.08) (0.01) (0.08) (0.00) (0.09) (0.09) (0.07) (0.08) (0.08) (0.11)
SUBPRIME -1.12*** -0.83*** -1.14*** -0.55*** -1.22*** -1.22*** -0.50* -1.21*** -1.21*** -3.44***
(0.17) (0.19) (0.16) (0.01) (0.25) (0.26) (0.29) (0.24) (0.25) (0.92)
TARGET -3.05*** -1.75*** -3.58*** -3.48*** -1.94**
(0.46) (0.30) (0.57) (0.54) (0.77)
Adj. R² 0.75 0.77 0.70 0.57 0.73 0.60

F-statistic 155.11 163.74 102.09 197.77 110.03 195.55
Prob. F-statistic 0.00 0.00 0.00 0.00 0.00 0.00
Haussman Chi-sd. stat. 18.91 28.51 6.29 6.29 8.33 8.33
Prob. 0.00 0.00 0.39 0.39 0.30 0.30
Observations 1554 1361 1554 1377 896 896 670 896 896 822
J-statistic 12.06 14.10 2.57 5.34
Prob(J-statistic) 0.36 0.52 0.77 0.50
Ar(1) -0.43 -0.44 -0.43 -0.40
Prob. 0.00 0.00 0.00 0.00
Ar(2) 0.00 0.01 0.03 -0.06
Prob. 0.99 0.75 0.38 0.11
padrão em parênteses. FE singifica estimativas por OLS controladas para os efeitos fixos dos países. S-GMM –
utiliza Arellano and Bover (1995) em dois estágios sem efeitos fixos por período. O estimador de S-GMM testa AR
variáveis dependentes defasadas foram omitidas por conveniência.
3.6 Conclusões
Com base no argumento teórico de Calvo e Reinhart (2002) de que a

credibilidade é capaz de minimizar o fear of floating, este capítulo analisou
empiricamente essa hipótese com base em uma metodologia de dados em painel. O
ponto de partida teórico para a construção do modelo empírico foi a regra de Taylor, a
qual foi expandida para verificar: (i) a reação da taxa de juros às flutuações na taxa de
câmbio, (ii) o efeito da credibilidade nas taxas de juros, e (iii) se a credibilidade é capaz
de mitigar o fear of floating. Com o objetivo de capturar o efeito da credibilidade, a
análise considerou o índice proposto por de Mendonça (2007) e o índice proposto por
Cecchetti e Krausse (2002), os quais se baseiam na ideia de que a credibilidade pode ser
medida com base na diferença entre a expectativa de inflação e a meta de inflação.
78
Em geral, os resultados indicaram uma maior existência de fear of floating no
período anterior à crise financeira global de 2008. Além disso, as estimativas fornecem
evidências de que o fear of flaoting é maior nos países em desenvolvimento, e ainda
maior nos países em desenvolvimento que adotaram metas de inflação.
As estimativas apontam para a importância dos ganhos de credibilidade para
trazer a taxa de juros para níveis inferiores. Além disso, os resultados também indicam a
importância da credibilidade da política monetária para reduzir o fear of floating. As
estimativas sugerem que quando a credibilidade é elevada, a reação da política
monetária às flutuações na taxa de câmbio é menos intensa. Portanto, os resultados
ressaltam o fato de que a credibilidade é capaz de minimizar a preocupação das
autoridades monetárias em relação às flutuações na taxa de câmbio, e esse efeito é ainda
maior em países em desenvolvimento que adotaram metas de inflação.
79
Apêndice 3
Tabela
Table A1A3.1 – Countries
List of Lista de países
Full Sample
Armenia Czech Republic Kazakhstan Paraguay Sweden
Australia Denmark Korea Peru Switzerland
Azerbaijan Dominican Republic Kyrgyz Republic Philippines Thailand
Belarus Hungary Malaysia Poland Turkey
Brazil Iceland Mauritius Qatar United Kingdom
Canada India Mexico Russia United States
Chile Indonesia Moldova Saudi Arabia Uruguay
China Israel Mongolia Serbia
Colombia Jamaica New Zeland Singapore Total:
Costa Rica Japan Norway South Africa 47
Developing Countries
Armenia Dominican Republic Mauritius Qatar
Azerbaijan Hungary Mexico Russia
Belarus India Moldova Saudi Arabia
Brazil Indonesia Mongolia Serbia
Chile Jamaica Paraguay South Africa
China Kazakhstan Peru Thailand
Colombia Kyrgyz Republic Philippines Turkey Total:
Costa Rica Malaysia Poland Uruguay 32
IT countries
Armenia India Peru
Australia Indonesia Philippines
Brazil Israel Poland
Canada Japan Russia
Chile Korea Serbia
Czech Republic Mexico South Africa
Dominican Republic Moldova Sweden
Hungary New Zeland Turkey Total:
Iceland Norway 26
80
Tabela A2.1 – Estatísticas descritivas
IR INF GAP ∆EXCH SUBPRIME TARGET CRED CRED_CK
Mean 6.2928 0.2552 -0.0005 0.6372 0.1528 0.4376 0.2003 0.8536
Median 4.7500 -0.6678 0.0000 0.0444 0.0000 0.0000 0.0000 1.0000
Maximum 183.2000 88.8678 2.1863 58.2891 1.0000 1.0000 0.9974 1.0000
Minimum -0.4000 -13.0929 -4.6263 -23.0568 0.0000 0.0000 0.0000 0.0000
Std. Dev. 7.9780 5.6161 0.1688 5.0054 0.3598 0.4962 0.3058 0.2838
Skewness 7.8602 7.8852 -9.3091 2.9246 1.9302 0.2514 1.2467 -2.0635
Kurtosis 121.6277 99.2917 341.5662 23.6798 4.7258 1.0632 3.0650 6.0470
Jarque-Bera 1788765 1258729 14817236 64045.47 2521.285 564.563 787.809 3332.427

Probability 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Sum 18865.7 809.7702 -1.417127 2120.546 517 1481 608.8345 2593.94

Sum Sq. Dev. 190756.6 100048.2 88.09258 83354.03 438.0139 832.8437 284.166 244.6417
Observations 2998 3173 3093 3328 3384 3384 3039 3039
81
CONSIDERAÇÕES FINAIS
Esta tese foi construída a partir de três ensaios. A principal motivação da tese se
relaciona com a hipótese teórica de Calvo e Reinhart (2002), de que quando a
credibilidade é baixa, há dificuldade de se conduzir a politica monetária sem realizar
intervenções na taxa de câmbio. Com essa ideia em mente, o objetivo foi buscar
validade empírica para essa ideia e com isso contribuir para a literatura sobre o tema.
Dessa maneira, embora cada capítulo tenha seu enfoque específico, os ensaios se
relacionam entre si por meio de um tema principal: a importância da credibilidade
monetária para mitigar o fear of floating na condução da política monetária.
O primeiro capítulo apresentou uma análise da relação entre fear of floating e
credibilidade da política monetária para o Brasil. Esse capítulo apresentou os diferentes
índices de credibilidade reconhecidos pela literatura. Por meio de uma análise de séries
temporais do Banco Central do Brasil, o capítulo contribui ao trazer evidência empírica
para a questão do fear of floating, ao avaliar a resposta da taxa de câmbio em uma
função de reação da autoridade monetária. Além disso, independente do índice de
credibilidade utilizado, há evidências de que quando os agentes creem que o Banco
Central irá entregar a meta, há menor resposta às flutuações da taxa de câmbio.
No segundo capítulo, foi realizada uma análise sobre a transmissão de
disagreement nas expectativas para a taxa de câmbio para os disagreements nas
expectativas da taxa de juros ou de inflação. A partir do pressuposto de que a
credibilidade é um aspecto importante no processo de guiar as expectativas dos agentes
na economia, verificou-se que a credibilidade monetária é um mecanismo importante
para reduzir esse efeito.
No terceiro capítulo a análise de fear of floating e credibilidade monetária foi
realizada em um contexto internacional. Os resultados empíricos reforçam a existência
de fear of floating e a importância da credibilidade monetária para mitigar esse efeito.
Além disso, outras observações puderam ser feitas, como a questão do fear of floating
ser maior para países em desenvolvimento e para países que adotaram explicitamente
metas de inflação, assim como a mudança de comportamento dos bancos centrais após a
crise financeira de 2008.
Em termos de implicações de política econômica, os resultados sugerem que
quanto maior a ancoragem das expectativas de inflação em relação à meta, menor a
inclinação da autoridade monetária em reagir por meio da taxa de juros às flutuações na
82
taxa de câmbio. Além disso, quando a política monetária é crível, também é menor a
transmissão de incerteza da taxa de câmbio para taxa de juros e inflação.
83
REFERÊNCIAS BIBLIOGRÁFICAS
Agénor, P. and Taylor, M. P. (1992). “Testing for credibility effects.” IMF Staff Papers,
v. 39, n. 3, p. 545-571.
Aizenman, J., Sun, Y. (2012). The financial crisis and sizable international reserves
depletion: From 'fear of floating' to the 'fear of losing international reserves'?
International Review of Economics and Finance, 24, 250-269.
Alesina, A., Wagner, A.F. (2006). Choosing (and reneging on) exchange rate regimes.
Journal of the European Economic Association, 4(4), 770-799.
Andrade, P., Crump, R. K., Eusepi, S., Moench, E (2014) “Fundamental Disagreement”
Federal Reserve Bank of New York Staff Report No. 655
Angeletos, G. M., and La'O, J. (2013) “Sentiments” Econometrica, 81(2), 739-779.
Arellano, M. (2003). Panel data econometrics. Oxford University Press.
Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte
Carlo evidence and an application to employment equations. Review of
Economic
Arellano, M., & Bover, O. (1995). Another look at the instrumental variables estimation
of error-components models. Journal of Econometrics, 68(1), 29–51.
Aye, G. C., Gupta, R., Moyo, P. S., & Pillay, N. (2015). The impact of exchange rate
uncertainty on exports in South Africa. Journal of International Commerce,
Economics and Policy, 6(01).
Ball, L. (1999), “Policy rules for open economies”, in Taylor, J.B. (Ed), Monetary
policy rules, University of Chicago Press, Chicago, pp. 127-156.
Ball, C., Reyes, J. (2004) Inflation targeting or fear of floating in disguise: The case of
Mexico. International Journal of Finance and Economics 9 (1): 49-69.
Ball, C., Reyes, J. (2008) Inflation Targeting or Fear of Floating in disguise: A broader
perspective. Journal of Macroeconomics 30 (1): 308-326.
Barajas, A., Erickson, L., Steiner, R. (2008) Fear of declaring: Do markets care what
countries say about their exchange rate policies? IMF Staff Papers 55(3), 445-
480.
Beber, A., Breedon, F., & Buraschi, A. (2010). Differences in beliefs and currency risk
premiums. Journal of Financial Economics, 98(3), 415-438.
Becker, B., & Hall, S. G. (2009). Foreign direct investment in R&D and exchange rate
uncertainty. Open Economies Review, 20(2), 207-223.
Berger, W. (2008) Monetary policy rules and the exchange rate. Journal of
Macroeconomics 30 (3): 1064-1084.
Best, G. (2013). Fear of floating or monetary policy as usual? A structural analysis of
Mexico's monetary policy. North American Journal of Economics and Finance
24(1), 45-62.
Bhandari, R., & Upadhyaya, K. P. (2010). Panel data evidence of the impact of
exchange rate uncertainty on private investment in South-east Asia. Applied
Economics, 42(1), 57-61.
Binding, G., & Dibiasi, A. (2017). Exchange rate uncertainty and firm investment plans
evidence from Swiss survey data. Journal of Macroeconomics, 51, 1-27.
Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic
panel data models. Journal of Econometrics, 87(1), 115–143.
84
Boero, G., Smith, J., Wallis, K. F. (2008). Uncertainty and disagreement in economic
prediction: the Bank of England Survey of External Forecasters. The Economic
Journal, 118(530), 1107-1127.
Bogdanski, J., Freitas, P., Goldfajn, I., Tombini, A. (2002) Inﬂation targeting in Brazil:
Shocks, backward-looking prices, and IMF conditionality. In Inflation
Targeting: Design, performance, challenges (N. Loayza and R. Soto, Ed.).
Central Bank of Chile.
Bomberger, W. A. (1996). Disagreement as a Measure of Uncertainty. Journal of
Money, Credit and Banking, 28(3), 381-392.
Bond, S., Nauges, C., Windmeijer, F. (2005) Unit Roots: Identification and Testing in
Micro Panels. IFS Working paper CWP07/05.
Buraschi, A., Whelan, P. (2012) “Term structure models with differences in beliefs.”
May, mimeo
Burnside, C., Eichenbaum, M., Rabelo, S. (2013) “Understanding Booms and Busts in
Housing Markets” Working Paper 16734, National Bureau of Economic
Research.
Ca' Zorzi, M.; Hahn, E. and Sánchez, M. (2007), Exchange Rate Pass-Through in
Emerging Markets, The IUP Journal of Monetary Economics, V, (4), 84-102
Calvo, G. and Reinhart, C.M. (2002), “Fear of Floating”, Quarterly Journal of
Economics, Vol. 117 No. 2, pp. 379-408.
Caporale, G. M., Ali, F. M., and Spagnolo, N. (2015). Exchange rate uncertainty and
international portfolio flows: A multivariate GARCH-in-mean approach. Journal
of International Money and Finance, 54, 70-92.
Capistrán, C., e Timmermann, A. (2009). “Disagreement and biases in inflation
expectations.” Journal of Money, Credit and Banking, 41(2‐ 3), 365-396.
Carlin, B. I.; Longstaff, F. A.; Matoba, K. (2012) “Disagreement and Asset Prices”
NBER Working Paper No. 18619
Cavoli, T. (2008). The exchange rate and optimal monetary policy rules in open and
developing economies: Some simple analytics. Economic Modelling 25(5), pp.
1011-1021.
Cavoli, T. (2009). Is fear of floating justified? The East Asia experience. Journal of
Policy Modeling 31(1), 1-16.
Ca'Zorzi, M., Hahn, E., Sánchez, M. (2007) Exchange rate pass-through in emerging
markets. European Central Bank Working Papers Series 739, March.
Cecchetti, S., Krause, S. (2002) Central bank structure, policy efficiency, and
macroeconomic performance: exploring empirical relationships. Federal Reserve
Bank of St. Louis Review, July/August: 47-59.
Chow, H. K., Lim, G. C., & McNelis, P. D. (2014). Monetary regime choice in
singapore: Would a taylor rule outperform exchange-rate management? Journal
of Asian Economics, 30, 63-81.
Clarida, R., Galí, J. and Gertler, M. (1998), “Monetary Policy Rules in Practice: Some
International Evidence”, European Economic Review, Vol. 42 No. 6, pp. 1033-
1067.
Clarida, R., Galí, J. and Gertler, M. (2000), “Monetary policy rules and macroeconomic
stability: Evidence and some theory”, Quarterly Journal of Economics, Vol. 115
No. 1, pp. 147-180.
Clarida, R., Galí, J. and Gertler, M. (2001), “Optimal monetary policy in open versus
closed economies: an integrated approach”, The American Economic Review,
Vol. 91 No. 2, pp. 248-252.
85
Conflitti, C. (2011) “Measuring Uncertainty and Disagreement in the European Survey
of Professional Forecasters” OECD Journal: Journal of Business Cycle
Measurement and Analysis, OECD Publishing,CIRET, vol. 2011(2), pages 69-
103.
Cragg, J.G. (1983) More efficient estimation in the presence of heteroscedasticity of
unknown form. Econometrica 51 (3): 751-763.
Cukierman, A. and Muscatelli, A. (2008), “Nonlinear Taylor rules and asymmetric
preferences in central banking: evidence from the United Kingdom and the
United States”, The B.E. Journal of Macroeconomics, Vol. 8 No. 1, pp. 1-31.
da Silva, C. E. S., Vernengo, M. (2008). The Decline of the Exchange Rate Pass-
Through in Brazil: Explaining the" Fear of Floating". International Journal of
Political Economy, 37(4), 64-79.
de Mello, L., Moccero, D. and Mogliani, M. (2009), “Do Latin American Central
Bankers Behave Non-Linearly? The experiences of Brazil, Chile, Colombia and
México”, Economics Department Working Paper 679, OECD, Paris.
de Mendonça, H.F. (2004). Mensurando a credibilidade do regime de metas
inflacionárias no Brasil. Revista de Economia Política, v. 24, n. 3, 344-350.
de Mendonça, H.F. and dos Santos, M. (2006). Credibilidade da política monetária e a
previsão do trade-off entre inflação e desemprego: uma aplicação para o Brasil.
Economia, v. 7, n. 2, 293-306
de Mendonça, H. F. (2007) “Towards credibility from inflation targeting: the Brazilian
experience.” Applied Economics, 39, 2599–2615
de Mendonça, H. F. and e Souza, G. J. D. G. (2009). Inflation targeting credibility and
reputation: the consequences for the interest rate. Economic Modelling, 26(6),
1228-1238.
de Mendonça, H.F. and Machado, M.R. (2013), Public debt management and
credibility: Evidence from an emerging economy”, Economic Modelling, Vol.
30, pp. 10-21.
de Mendonça, H.F. and Tostes, F.S. (2015), “The Effect of Monetary and Fiscal
Credibility on Exchange Rate Pass-Through in an Emerging Economy”, Open
Economies Review, Vol. 26 No. 4, pp. 787-816.
de Mendonça, H.F., Tiberto, B.P. (2017). Effect of credibility and exchange rate pass-
through on inflation: An assessment for developing countries. International
Review of Economics and Finance, 50, 196-244.
Dincer, N. N., Eichengreen, B. (2014). Central bank transparency and independence:
Updates and New Measures. International Journal of Central Banking, 10(1),
189-259.
Dong, W. (2013), “Do central banks respond to exchange rate movements? Some new
evidence from structural estimation”, Canadian Journal of Economics, Vol. 46
No. 2, pp. 555-586.
Dovern, J., Fritsche U., Slacalek, J. (2012) “Disagreement among forecasters in G7
Countries” The Review of Economics and Statistics, 2012, vol. 94, issue 4,
pages 1081-1096
Dovern, J. (2015). A multivariate analysis of forecast disagreement: Confronting
models of disagreement with survey data. European Economic Review, 80, 16-
35.
Durbin, J. (1954) Errors in variables. Revue de l'institut International de Statistique 22
(13): 23-32.
86
Ehling, P., Gallmeyerz, M., Heyerdahl-Larsenx, C., Illeditsch, P. (2016) “Disagreement
about Inflation and the Yield Curve.” February, available at:
http://ssrn.com/abstract=2028391.
Ehrmann, M., Eijffinger, S., Fratzscher, M. (2010) “The role of central bank
transparency for guiding private sector forecasts” Working Paper Series 1146,
European Central Bank.
Erdem, E., Nazlioglu, S., & Erdem, C. (2010). Exchange rate uncertainty and
agricultural trade: panel cointegration analysis for Turkey. Agricultural
Economics, 41(6), 537-543.
Fendel, R., Frenkel, M. and Rülke, J.C. (2011), “‘Ex-ante’ Taylor rules – newly
discovered evidence from the G7 countries”, Journal of Macroeconomics, Vol.
33 No. 2, pp. 224-232.
Feridun, M. (2012). Liability dollarization, exchange market pressure and fear of
floating: Empirical evidence for Turkey. Applied Economics 44(8), 1041-1056.
Filardo, A., Guinigundo, D. (2008) “Transparency and Communication in Monetary
Policy: A Survey of Asian Central Banks” paper presented during the BSP-BIS
Joint High-Level Conference on Transparency and Communication in Monetary
Policy on 1 February 2008 in Manila, Philippines.
Fraga, A., Goldfajn, I. and Minella, A. (2003), “Inflation targeting in emerging market
economies”, NBER Macroeconomics Annual, Vol. 18, pp. 365-416.
Frömmel, M., Garabedian, G. and Schobert, F. (2011), “Monetary policy rules in
Central and Eastern European Countries: Does the exchange rate matter?”,
Journal of Macroeconomics, Vol. 33 No. 4, pp. 807-818.
Furlani, L., Portugal, M. and Laurini, M. (2010), “Exchange rate movements and
monetary policy in Brazil: Econometric and simulation evidence”, Economic
Modelling, Vol. 27, pp. 284-295.
Garcia, M.G.P. e Guillén, D.A., (2014). “Expectativas Desagregadas, Credibilidade do
Banco Central e Cadeias de Markov”. Revista Brasileira de Economia.
Ghosh, A. (2014). Does the policy trilemma still hold? fresh evidence and its
implications. International Journal of Monetary Economics and Finance, 7(2), 81
Giordani, P., Söderlind, P., (2003) “Inflation forecast uncertainty” European Economic
Review 47, 1037–1059.
Glas, A., e Hartmann, M. (2016). Inflation uncertainty, disagreement and monetary
policy: Evidence from the ECB Survey of Professional Forecasters. Journal of
Empirical Finance, 39, 215-228.
Gottschalk, S., & Hall, S. (2008). Foreign direct investment and exchange rate
uncertainty in South‐ East Asia. International Journal of Finance & Economics,
13(4), 349-359.
Grimme C., Henzel, S., Wieland, E. (2011) “Inflation uncertainty revisited: A proposal
for robust measurement” Ifo Working Paper Series Ifo Working Paper No. 111,
Ifo Institute for Economic Research at the University of Munich.
Hansen, L. P. (1982). “Large sample properties of generalized method of moments
estimators.” Econometrica: Journal of the Econometric Society, 1029-1054.
Hausman, J.A. (1978) Specification tests in econometrics. Econometrica 46 (6): 1251-
1271.
Hendry, D.F. (2001), “Achievements and challenges in econometric methodology”,
Journal of Econometrics, Vol. 100 No. 1, pp. 7-10.
Hoffmann, M., e Hürtgen, P. (2016). Inflation expectations, disagreement, and
monetary policy. Economics Letters, 146, 59-63.
Johnston, J. (1984) Econometric Methods, 3rd ed., Singapore: McGraw-Hill Book Co.
87
Jongen, R., Verschoor, W. F., & Wolff, C. C. (2008). Foreign exchange rate
expectations: survey and synthesis. Journal of Economic Surveys, 22(1), 140-
165.
Josifidis, K., Allegret, J., Gimet, C., Pucar, E. B. (2014). Macroeconomic policy
responses to financial crises in emerging european economies. Economic
Modelling, 36, 577-591.
Kadria, M., Ben Aissa, M. S. (2015). Adoption of inflation targeting and economic
policies performance in emerging countries: A dynamic treatment effect
evaluation, Economic Modelling 52 (2016) 108–114.
Kim, S. (2016). What is learned from a currency crisis, fear of floating, or hollow
middle? identifying exchange rate policy in crisis countries. International
Journal of Central Banking, 12(4), 105-146.
Klyuev, V., & Dao, T. -. (2017). No more clubbing: The evolution of exchange rate
behaviour in the ASEAN-5 countries. Journal of Southeast Asian Economies,
34(2), 233-265.
Krüger, F., e Nolte, I. (2015). Disagreement versus uncertainty: Evidence from
distribution forecasts. Journal of Banking & Finance.
Lahiri, K., Sheng, X. (2008): “Evolution of Forecast Disagreement in a Bayesian
Learning Model” Journal of Econometrics, 144(2), 325.
Lahiri, K., Sheng, X. (2010) “Learning and heterogeneity in GDP and inflation
forecasts” International Journal of Forecasting 26, 265–292.
Levy-Yeyati, E., Sturzenegger, F. (2005). Classifying exchange rate regimes: Deeds vs.
words. European economic review, 49(6), 1603-1635.
Levy-Yeyati, E., & Sturzenegger, F. (2007). Fear of floating in reverse: exchange rate
policy in the 2000s. In LAMES-LACEA Annual Meetings.
Levy-Yeyati, E., Sturzenegger, F., & Gluzmann, P. A. (2013). Fear of appreciation.
Journal of Development Economics, 101(1), 233-247
Litterman, R., e Scheinkman, J. (1991). “Common factors affecting bond returns.”
Journal of fixed income, 1(1), 54-61.
Lorenzoni, G. (2009) “A Theory of Demand Shocks” American Economic Review,
99(5), 2050-2084.
Lubik, T. and Schorfheide, F. (2007), “Do central banks respond to exchange rate
movements? A structural investigation”, Journal of Monetary Economics, Vol.
54 No. 4, pp. 1069-1087.
Lucas Jr., R. E. (1972). Expectations and the neutrality of money. Journal of Economic
Theory, 4, 103-124.
Maćkowiak, B., Wiederholt, M. (2009) “Optimal sticky prices under rational
inattention” American Economic Review 99,769–803
Mankiw, N. G., R. Reis (2002) “Sticky Information versus Sticky Prices: A Proposal to
Replace the New Keynesian Phillips Curve” Quarterly Journal of Economics,
117(4), 1295- 1328.
Mankiw, N. G., Reis, R., Wolfers, J. (2003). Disagreement about inflation expectations.
NBER Macroeconomics Annual, 18, 209-270.
McKinnon, R., Schnabl, G. (2004). The East Asian dollar standard, fear of floating, and
original sin. Review of Development Economics, 8(3), 331-360.
Méon, P., & Minne, G. (2014). Mark my words: Information and the fear of declaring
an exchange rate regime. Journal of Development Economics, 107, 244-261.
Minella, A. (2003), “Monetary Policy and Inflation in Brazil (1975-2000): A VAR
Estimation”, Revista Brasileira de Economia, Vol. 57 No. 3, pp. 605-635.
88
Minella, A., de Freitas, P.S., Goldfajn, I. and Muinhos, M. (2003), “Inflation targeting
in Brazil constructing credibility under exchange rate volatility”, Journal of
International Money and Finance, Vol. 22, pp. 1015-1040.
Mishkin, F. S., and Savastano, M. A. (2001). Monetary policy strategies for Latin
America. Journal of Development Economics, 66(2), 415-444.
Montes, G. C., e Tiberto, B. P. (2012). Macroeconomic environment, country risk and

stock market performance: Evidence for Brazil. Economic modelling, 29(5),
1666-1678.
Montes, G.C. and Bastos, J.C.A. (2014). “Effects of reputation and credibility on
monetary policy: theory and evidence for Brazil”, Journal of Economic Studies,
Vol. 41 No. 3, pp. 387-404.
Montes, G. C., Oliveira, L. V., Curi, A., & Nicolay, R. T. F. (2016). Effects of
transparency, monetary policy signalling and clarity of central bank
communication on disagreement about inflation expectations. Applied
Economics, 48(7), 590-607.
Montes, G.C. and Curi, A. (2016), The importance of credibility for the conduct of
monetary policy and inflation control, Planejamento e Políticas Públicas, Vol.
46, pp. 13-37.
Montes, G. C., and Curi, A. (2017) "Disagreement in expectations about public debt,
monetary policy credibility and inflation risk premium." Journal of Economics
and Business.
Montes, G.C., Gea, C. (2018). Central bank transparency, inflation targeting and
monetary policy: A panel data approach. Journal of Economic Studies 45 (6).
Moura, M. L., and de Carvalho, A. (2010). What can Taylor rules say about monetary
policy in Latin America? Journal of Macroeconomics, 32(1), 392-404.
Muth, J. (1961). Rational Expectations and the Theory of Price Movements.
Econometrica, 29 (3), 315-335.
Nahon, B., and Meurer, R. (2005). “A relação entre a credibilidade do banco central e a
inflação no Brasil do regime de metas inflacionárias”. ANPEC-Sul, editor,
Encontro de Economia da Região Sul, 8.
Nakamura, C. (2016). Exchange rate risks in a small open economy. Journal of
Financial Economic Policy, 8(3), 348363.
Newey, W.K. and West, K.D. (1987), “A simple, positive semidefinite,
heteroskedasticity and autocorrelation consistent covariance matrix”,
Econometrica, Vol. 55 No. 3, pp. 703-708.
Nogueira-Jr, R. (2007), “Inflation targeting and exchange rate pass-through”, Economia
Aplicada, Vol. 11 No. 2, pp.189–208.
Nogueira-Jr, R. (2010), “Inflation environment and lower exchange rate pass-through in
Brazil: is there a relationship?”, Revista Brasileira de Economia, Vol. 64 No. 1,
pp. 49-56.
Nogueira-Jr, R. and León-Ledesma, M.A. (2009), “Fear of floating in Brazil: did
inflation targeting matter?”, The North American Journal of Economics and
Finance, Vol. 20 No. 3, pp. 255-266.
Obstfeld, M., & Rogoff, K. (1995). The mirage of fixed exchange rates. Journal of
Economic perspectives, 9(4), 73-96.
Oliveira, C. A. D. (2014). Investment and exchange rate uncertainty under different
regimes. Estudos Econômicos (São Paulo), 44(3), 553-577.
89
Oliveira, L. V., and Curi, A. (2016). “Disagreement in expectations and the credibility
of monetary authorities in the Brazilian inflation targeting regime.” Economia,
17(1), 56-76.
Palma, A. and Portugal, M. (2014), “Preferences of the Central Bank of Brazil under the
Inflation Targeting Regime: Estimation using a DSGE Model for a Small Open
Economy”, Journal of Policy Modeling, Vol. 36 No. 5, pp. 824-39.
Pang, K. (2013). Financial integration, nominal rigidity, and monetary policy.
International Review of Economics and Finance, 25, 75-90.
Patton A. J., Timmermann A. (2010) “Why do Forecasters Disagree? Lessons from the
Term Structure of Cross-Sectional Dispersion”, Journal of Monetary Economics,
Volume 57, Issue 7, October, Pages 803–820.
Peters, A. C. (2016). Monetary policy, exchange rate targeting and fear of floating in
emerging market economies. International Economics and Economic Policy,
13(2), 255-281.
Pincheira, P. (2013). Interventions and inflation expectations in an inflation targeting
economy. BIS Working Papers 427, Bank for International Settlements.
Pontines, V., Siregar, R. Y. (2012). Fear of appreciation in east and southeast asia: The
role of the chinese renminbi. Journal of Asian Economics, 23(4), 324-334.
Rahman, S., & Serletis, A. (2009). The effects of exchange rate uncertainty on exports.
Journal of Macroeconomics, 31(3), 500-507.
rate.” Economic Modelling, 26(6), p. 1228-1238.
Rich, R., e Butler, J. S. (1998). Disagreement as a measure of uncertainty: A comment
on Bomberg. Journal of Money, Credit and Banking, 411-419.
Rich, R., Song, J., Tracy, J. (2012) “The measurement and behavior of uncertainty:
evidence from the ECB Survey of Professional Forecasters” Staff Reports 588,
Federal Reserve Bank of New York
Rizvi, S. K. A., Naqvi, B., Mirza, N., Bordes, C. (2017). Fear of floating in asia and the
credibility of true floaters? Research in International Business and Finance, 42,
149-160.
Rondina, G., Walker, T. B. (2012) “Information Equilibria in Dynamic Economies with
Dispersed Information” Working paper.
Roodman, D. (2009). “A note on the theme of too many instruments. Oxford Bulletin of
Economics and statistics,” 71(1), 135-158.
Rudebusch, G. D. (2010). The Fed’s Exit Strategy for Monetary Policy. FRBSF
Economic Letter 2010-18 (June 14).
Scheinkman, J. A., W. Xiong (2003) “Overconfidence and Speculative Bubbles”
Journal of Political Economy, 111(6), 1183-1220.
Schmidt-Hebbel, K., Tapia, M. (2002). Inflation targeting in Chile. North American
Journal of Economics and Finance 13(2), 125-146.
Siklos, P. L. (2013) “Sources of disagreement in inflation forecasts: An international
empirical investigation.” Journal of International Economics, 20, 218-231.
Sill, K. (2014) “Forecast Disagreement in the Survey of Professional Forecasters”
Business Review, issue Q2, pages 15-24.
Sims, C.A. (1980), “Macroeconomics and reality”, Econometrica, Vol. 48 No. 1, pp. 1-
48.
Sims, C.A. (1992), “Interpreting the macroeconomic time series facts: The effects of
monetary policy”, European Economic Review, Vol. 36 No. 5, pp. 975–1000.
Söderlind, P. (2011) “Why disagreement may not matter (much) for asset prices”
Finance Research Letters 6 73–82.
90
Sokolov, V., Lee, B. -., & Mark, N. C. (2011). Linkages between exchange rate policy
and macroeconomic performance. Pacific Economic Review, 16(4), 395-420.
Studies, 58(2), 277–297.
Svensson, L. (2000) “How should monetary policy be conducted in an era ofprice
stability?” Cambridge: NBER, Febr. 2000. (NBER Working Paper, n. 7516).
Svensson, L.E. (2000), “Open-economy inflation targeting”, Journal of International
Economics, Vol. 50 No. 1, pp. 155-183.
Taylor, J. B. (2000). Low inflation, pass-through, and the pricing power of firms.
European economic review, 44(7), 1389-1408.
Taylor, J.B. (1993), “Discretion versus policy rules in practice”, Carnegie-Rochester,
Conference on Public Policy 39, pp. 195-214.
Taylor, J.B. (2000) “Low inflation, pass-through, and the pricing power of firms.”
European economic review 44 (7): 1389-1408.
Tejada, C.A.O., Neto, A., Leal, R. A. (2013) Credibilidade não-linear para as metas de
inflação no Brasil. Proceedings of the 41th Brazilian Economics Meeting,
ANPEC - Brazilian Association of Graduate Programs in Economics.
Tesfaselassie, M. F., Schaling, E. (2010) Managing disinflation under uncertainty.
Journal of Economic Dynamics and Control, 34(12), 2568-2577.
Wieland, V., Wolters, M. (2011), “The diversity of forecasts from macroeconomic
models of the US economy”, Economic Theory, 47, 247-292.
Windmeijer, F. (2005). “A finite sample correction for the variance of linear efficient
two-step GMM estimators.” Journal of econometrics, 126(1), 25-51.
Wollmershäuser, T. (2006). Should central banks react to exchange rate movements?
An analysis of the robustness of simple policy rules under exchange rate
uncertainty. Journal of Macroeconomics, 28 (3): 493-519.
Woodford, M. (2003) “Imperfect Common Knowledge and the Effects of Monetary
Policy," in Knowledge, Information and Expectations in Modern
Macroeconomics” In Honor of Edmund S. Phelps, ed. By P. Aghion, R.
Frydman, J. Stiglitz, and M. Woodford, pp. 2558. Princeton University Press.
Wooldridge, J.M. (2001), “Applications of Generalized Method of Moments
Estimation”, Journal of Economic Perspectives, Vol. 15 No. 4, pp. 87-100.
Wright, J. H. (2011) "Term Premia and Inflation Uncertainty: Empirical Evidence from
an International Panel Dataset.", American Economic Review, 101(4): 1514-34.
Wu, D.M. (1973), “Alternative tests of independence between stochastic regressors and
disturbances”, Econometrica, Vol. 41 No. 4, pp. 733-750.
91

Universidade Federal Fluminense Faculdade de Economia Programa de Pós-Graduação em Economia Tese de Doutorado

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Universidade Federal Fluminense Faculdade de Economia Programa de Pós-Graduação em Economia Tese de Doutorado

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL FLUMINENSE

Fear of floating e credibilidade da política monetária: evidências para

CAIO FERRARI FERREIRA

Fear of floating e credibilidade da política monetária: evidências para

Tese de doutorado apresentada ao Programa de

Ferreira, C. F. “Fear of floating e credibilidade da política monetária: evidências para o Brasil e

Fear of floating e credibilidade da política

Tese de Doutorado (D) – Universidade Federal

1. Credibility. 2. Fear of Floating. 3.

Fear of floating e credibilidade da política monetária: evidências para

Primeiramente, gostaria de agradecer ao meu orientador Prof. Dr. Gabriel Caldas

Esta tese contribui para a literatura de macroeconomia e finanças. Um dos seus

Lista de Conteúdo .............................................................................................................. vii

Figura 1.1 – Gráficos dos indices de credbilidade monetária......................................... 13

Tabela 1.1 – Matriz de correlação dos indices de credibilidade monetária .................... 13

No entanto, conforme ressaltado por Calvo e Reinhart (2002), em um arcabouço

Em relação à organização da tese, foram desenvolvidos três capítulos. O

Por outro lado, o segundo capitulo relaciona a questão da credibilidade do

De maneira geral, os três capítulos podem ser lidos separadamente. No entanto,

No final dos anos 90, muitos países em desenvolvimento adotaram regimes

1.2 Referencial Teórico

No regime de metas para a inflação, o fear of floating pode estar relacionado ao

1.3 Evidências empíricas

Conforme mencionado na seção anterior, este estudo contribui para a literatura,

Com base no índice de Cecchetti e Krause (2002), Guimarães e Souza e de

A Figura 1.1 apresenta os gráficos para todos os índices e suas respectivas

CRED_CK TREND_CRED_CK CRED_M TREND_CRED_M

CRED_SM TREND_CRED_SM CRED_TNL TREND_CRED_TNL

Gráfico elaborado pelo autor.

Tabela 1.1 - Matriz de correlação dos índices de credibilidade da política

Com o propósito de capturar as características comuns presentes em todas as

Tabela 1.2 – Testes de raiz unitária

Com o objetivo de verificar o argumento teórico de Calvo e Reinhart (2002), isto

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛼0 + 𝛼1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛼2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛼3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛼4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛼5 𝐺𝐴𝑃𝑡−1 +

Assim sendo, quando consideramos o efeito da credibilidade, tem-se o termo de

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛾0 + 𝛾1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛾2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛾3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛾4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛾5 𝐺𝐴𝑃𝑡−1 +

Nesse caso, a variável CRED representa um dos índices de credibilidade da

𝑆𝐸𝐿𝐼𝐶𝑡 = ψ0 + ψ1 𝐼𝑁𝐹𝑡−2 + ψ2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + ψ3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + ψ4 𝐸𝐼𝑁𝐹𝑡−2 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜎0 + 𝜎1 𝐼𝑁𝐹𝑡−2 + 𝜎2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜎3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜎4 𝐸𝐼𝑁𝐹𝑡−3 + 𝜎5 𝐸𝐺𝐴𝑃𝑡−3 +

Onde, 𝜛 representa um termo de erro aleatório.

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛼0 + 𝛼1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛼2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛼3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛼4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛼5 𝐺𝐴𝑃𝑡−1 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛾0 + 𝛾1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝛾2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛾3 𝐸𝐼𝑁𝐹𝑡−2 + 𝛾4 𝐸𝐺𝐴𝑃𝑡−3 + 𝛾5 𝐺𝐴𝑃𝑡−1 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜂0 + 𝜂1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜂2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜂3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜂4 𝐸𝐺𝐴𝑃𝑡−3 + 𝜂5 𝐺𝐴𝑃𝑡−1 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜌0 + 𝜌1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜌2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜌3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜌4 𝐸𝐺𝐴𝑃𝑡−3 + 𝜌5 𝐺𝐴𝑃𝑡−1 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜔0 + 𝜔1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜔2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜔3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜔4 𝐸𝐺𝐴𝑃𝑡−3 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜅0 + 𝜅1 𝑆𝐸𝐿𝐼𝐶𝑡−1 + 𝜅2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜅3 𝐸𝐼𝑁𝐹𝑡−2 + 𝜅4 𝐸𝐺𝐴𝑃𝑡−3 + 𝜅5 𝐺𝐴𝑃𝑡−1 +

𝑆𝐸𝐿𝐼𝐶𝑡 = ψ0 + ψ1 𝐼𝑁𝐹𝑡−2 + ψ2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + ψ3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + ψ4 𝐸𝐼𝑁𝐹𝑡−2 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜎0 + 𝜎1 𝐼𝑁𝐹𝑡−2 + 𝜎2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜎3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜎4 𝐸𝐼𝑁𝐹𝑡−3 + 𝜎5 𝐸𝐺𝐴𝑃𝑡−3 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜏0 + 𝜎1 𝐼𝑁𝐹𝑡−2 + 𝜏2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜏3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜏4 𝐸𝐼𝑁𝐹𝑡−2 + 𝜏5 𝐸𝐺𝐴𝑃𝑡−3 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝛽0 + 𝛽1 𝐼𝑁𝐹𝑡−2 + 𝛽2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝛽3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝛽4 𝐸𝐼𝑁𝐹𝑡−2 + 𝛽5 𝐸𝐺𝐴𝑃𝑡−3 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜃0 + 𝜃1 𝐼𝑁𝐹𝑡−2 + 𝜃2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜃3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜃4 𝐸𝐼𝑁𝐹𝑡−2 + 𝜃5 𝐸𝐺𝐴𝑃𝑡−3 +

𝑆𝐸𝐿𝐼𝐶𝑡 = 𝜙0 + 𝜙1 𝐼𝑁𝐹𝑡−2 + 𝜙2 𝑆𝐸𝐿𝐼𝐶_𝑅𝑡−1 + 𝜙3 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡−3 + 𝜙4 𝐸𝐼𝑁𝐹𝑡−2 +

1.6 Estimações e resultados

As tabelas 1.3 e 1.4 apresentam as estimativas por OLS e GMM,

Tabela 1.3 - Estimativas por OLS: Efeito da credibilidade no fear of floating

Tabela 1.4 Estimativas por GMM: Efeito da credibilidade no fear of floating

1.7 Estimativas para as expectativas do comportamento de fear of floating do

Devido ao fato de que as expectativas desempenham um papel fundamental nos

𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝜒0 + 𝜒1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝜒2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + 𝜒3 𝐸𝐼𝑁𝐹𝑡−6 + 𝜒4 𝐸𝐺𝐴𝑃𝑡−6 +

𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝛿0 + 𝛿1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝛿2 𝐷𝐸𝑆𝑉𝐼𝑁𝐹 𝑡 + 𝛿3 𝐸𝐼𝑁𝐹𝑡−6 + 𝛿4 𝐸𝐺𝐴𝑃𝑡−6 + 𝛿5 𝐺𝐴𝑃𝑡 +

𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝜆0 + 𝜆1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝜆2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + 𝜆3 𝐸𝐼𝑁𝐹𝑡−6 + 𝜆4 𝐸𝐺𝐴𝑃𝑡−6 +

𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡 ) = 𝜄0 + 𝜄1 𝐸𝑡 (𝑆𝐸𝐿𝐼𝐶𝑡−6 ) + 𝜄2 𝐷𝐸𝑆𝑉_𝐼𝑁𝐹𝑡 + 𝜄3 𝐸𝐼𝑁𝐹𝑡−6 + 𝜄4 𝐸𝐺𝐴𝑃𝑡−6 + 𝜄5 𝐺𝐴𝑃𝑡 +