NOTA PARA PUBLICAÇÃO NO BARÔMETRO - CEICIN

Tendo em vista o aumento da restrição à entrada de dólares proveniente da queda

abrupta do preço do barril do Brent e a iminente exaustão de reservas nacionais, as
autoridades monetárias angolanas já admitem promover a desvalorização
seqüenciada do kwanza, objetivando com isso conter a evasão de ativos estrangeiros.
Apesar de necessária, esta medida expõe outras fragilidades da economia angolana,
dentre elas o aumento generalizado do nível dos preços, ou seja, inflação via
componente cambial. Num país que importa de tudo, de bens de consumo a matérias-
prima, a desvalorização de sua moeda implica fatalmente no aumento do custo de
vida.

Diante do exposto, qual seria a expectativa de viés de preços da referida economia

para os próximos meses? Tentando responder a esse questionamento, a presente
nota lança mão de um modelo de série temporal1 que objetiva não apenas
diagnosticar o padrão de ocorrência para a inflação, como também reproduzi-la para
um futuro próximo. Já sob a influência do referido modelo, o gráfico abaixo esboça as
estimativas de inflação para os próximos 4 meses2:

1,8
INFLACAO
previsão
Intervalo a 95 por cento
1,6

1,4

1,2

0,8

0,6

0,4

0,2

0
2011 2011,5 2012 2012,5 2013 2013,5 2014 2014,5 2015 2015,5

Conforme pode ser observado, o modelo foi capaz de captar o efeito sazonal
proveniente do dia das mães, que em Angola é comemorado no primeiro domingo de

1
SARIMA(0,1,1)(0,1,1)
2
4 previsões porque a inflação média do mês de abril ainda não havia sido divulgado até o
fechamento desta edição do barômetro.
maio e a exemplo de outros países, constitui-se de uma época de fomento do varejo e
conseqüente elevação no nível dos preços, motivo pelo qual maio aparece nas
previsões com o maior índice de inflação para os próximos 4 meses.

Contudo, tão ou mais importante do que previsões pontuais, são as estimativas de

piores cenários3 para os referidos meses. Até porque, os referidos índices tendem a
responder muito rápido a diferentes estímulos na economia. Nesse caso, podemos
considerar os valores acima previstos como apenas um benchmark onde a partir do
qual realizaremos uma análise de pior cenário possível, segundo metodologia Value-
at-Risk (VaR)4. Dessa forma, com base nas previsões pontuais (benchmark), fizemos
a estimativa de piores cenários para a inflação, conforme tabela abaixo:

MÊS/ANO BENCHMARK VAR(90%)

abr/15 0,64 % 1,05%
mai/15 0,75 % 1,12%
jun/15 0,63 % 0,99%
jul/15 0,62 % 0,98%

A terceira coluna, em vermelho, revela os maiores índices inflacionários para o padrão

de valores diagnosticado pelo modelo de série temporal. Dessa forma, apesar de que
o mês de abril infere um índice de 0,61%, o verdadeiro valor pode chegar a 1,02%
com 90% de confiança. Alternativamente, também é correto afirmar que resta
ainda um risco de 10% de que o referido índice inflacionário seja ainda maior do
que do que os 1,02%. Esta interpretação se estende para os demais índices (de
maio a julho de 2015).

ADVERTÊNCIA:

Vale advertir que as estimativas geradas neste estudo são provenientes de um modelo
estocástico de simulação e como tal são mais confiáveis a partir de um futuro que
reproduza parcialmente condições semelhantes as do passado. Nesse caso,
alterações conjunturais bruscas podem impor condições bastante adversas ao modelo,
suportadas até certo ponto pelas simulações, contudo, sob o risco de extrapolar seus
limites de confiança. No entanto, estamos trabalhando com um horizonte de 4 meses,
tempo considerado curto e por isso sob forte influência do modelo em questão.

3
Piores cenários na perspectiva angolana.
4
Consagrado modelo de dimensionamento de risco desenvolvido e difundido pelo banco de
norte-americano de investimento JP Morgan.
ANEXO ESTATÍSTICO – VALIDAÇÃO DO MODELO

1. O MODELO: SARIMA(0,1,1)(0,1,1)

Modelo 1: ARIMA, usando as observações 2012:02-2015:03 (T = 38)

Estimado usando o filtro de Kalman (Máxima verossimilhança exata)

Variável dependente: (1-L)(1-Ls) INFLACAO_

Erros padrão baseados na Hessiana

coeficiente erro padrão z p-valor

-------------------------------------------------------
theta_1 −0,816136 0,135166 −6,038 1,56e-09 ***
Theta_1 −0,352590 0,194810 −1,810 0,0703 *

Média var. dependente 0,000526 D.P. var. dependente 0,264687

Média de inovações 0,010364 D.P. das inovações 0,199235
Log da verossimilhança 6,010023 Critério de Akaike -6,020045
Critério de Schwarz -1,107287 Critério Hannan-Quinn -4,272123

2. TESTES DE VALIDAÇÃO
2.1. Normalidade

2
Estatística de teste para normalidade: uhat4
N(0,010364 0,2132)
Qui-quadrado(2) = 4,132 [0,1267]
1,8

1,6

1,4

1,2
Densidade

0,8

0,6

0,4

0,2

0
-0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6
uhat4
2.2. Teste ARCH de ordem 12

COEFICIENTE ERRO PADRÃO RAZÃO T P-VALOR

alpha(0) 0,0224733 0,0283451 0,7928 0,4421
alpha(1) −0,00144201 0,278544 −0,005177 0,9959
alpha(2) 0,162504 0,112141 1,449 0,171
alpha(3) 0,045355 0,120513 0,3763 0,7127
alpha(4) −0,149201 0,114401 −1,304 0,2148
alpha(5) 0,0110372 0,119461 0,09239 0,9278
alpha(6) 0,0154535 0,114831 0,1346 0,895
alpha(7) −0,0288611 0,115548 −0,2498 0,8067
alpha(8) −0,0613111 0,116135 −0,5279 0,6064
alpha(9) −0,0601233 0,111238 −0,5405 0,598
alpha(10) 0,201932 0,112696 1,792 0,0965 *
alpha(11) 0,0852268 0,125475 0,6792 0,5089
alpha(12) −0,000246267 0,117612 −0,002094 0,9984

HIPÓTESE NULA: EFEITO ARCH NÃO ESTÁ PRESENTE

Estatística de teste: LM = 10,7126
com p-valor = P(Qui-quadrado(12) > 10,7126) = 0,5537

2.3. Correlograma Residual para Ruído Branco

FAC dos Resíduos

0,4 +- 1,96/T^0,5
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
-0,4

0 2 4 6 8 10 12
defasagem

FACP dos Resíduos

0,4 +- 1,96/T^0,5
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
-0,4

0 2 4 6 8 10 12
defasagem
2.4. Periodograma Residual
Espectro dos resíduos

períodos
38,0 9,5 5,4 3,8 2,9 2,4

0,03

0,025

0,02

0,015

0,01

0,005

0
0 2 4 6 8 10 12 14 16 18
frequência escalada

2.5. Captação de Ajuste

INFLACAO_ efetivo e ajustado

1,8
ajustado
efetivo

1,6

1,4

1,2
INFLACAO_

0,8

0,6

0,4

0,2
2011 2012 2013 2014 2015