ebra55camila mirella santos de oliveira2 mc r a mirella santos de... · entre essas duas abordagens...

XIII ENCONTRO DE ECONOMIA BAIANA – OUT. 2017 ECO. BRASILEIRA, ECO. REGIONAL E DES. ECONÔMICO • 1

A INFLAÇÃO E A DOMINÂNCIA FISCAL NO BRASIL: UMA APLICAÇÃO A PARTIR DO MODELO DE VETORES COM CORREÇÃO DE ERROS (VEC)

Camila Mirella Santos de Oliveira* Sinézio Fernandes Maia**

RESUMO

O presente estudo tem como objetivo analisar os efeitos das políticas fiscais e monetárias sobre a trajetória da inflação, para o período de 2003 a 2016, com a finalidade de investigar a presença de dominância fiscal no Brasil. Para alcançar o objetivo proposto, o estudo baseou-se na teoria econômica de Sargent e Wallace (1989) e Blanchard (2004) sobre a análise de dominância fiscal. Para isto, foram utilizados os dados do Banco Central do Brasil, Instituto de Pesquisa Economia Aplicada (IPEADATA) e JP Morgan. Na análise econométrica utilizou-se do método de Regressão Vetorial com Correção de Erros (VEC). Os testes de raiz unitária mostraram que as séries são integradas de ordem I(1). Na análise do VEC, as funções impulso-resposta e decomposição da variância apontam os efeitos significativos da política fiscal para determinar a taxa de inflação. Palavras-Chave: Dominância fiscal. Dívida pública. Vetores com Correção de Erros (VCE).

ABSTRACT

The present study aims to analyze the effects of fiscal and monetary policies on the inflation trajectory for the period from 2003 to 2016, in order to investigate the presence of fiscal dominance in Brazil. To achieve the proposed objective, the study was based on the economic theory of Sargent and Wallace (1989) and Blanchard (2004) on tax dominance analysis. For this, the data of the Central Bank of Brazil, Institute of Applied Economics Research (IPEADATA) and JP Morgan were used. In the econometric analysis we used the method of Vector Regression with Error Correction (VEC). The unit root tests showed that the series are integrated of order I (1). In the VEC analysis, the impulse-response and decomposition functions of the variance point out the significant effects of fiscal policy to determine the rate of inflation. Keywords: Fiscal dominance. Public debt. Vectors with Error Corrections (VEC).

* Mestre em Economia pela Universidade Federal do Rio Grande do Norte (UFRN) e doutorando em Economia pela Universidade Federal da

Paraíba (UFPB). [email protected] ** Pós-doutor pela Universidade Federal do Rio Grande do Sul (UFRGS) e doutor em Economia pela Universidade Federal de Pernambuco

(UFPE). Professor adjunto da Universidade Federal da Paraíba (UFPB). [email protected]


A INFLAÇÃO E A DOMINÂNCIA FISCAL NO BRASIL: UMA APLICAÇÃO A PARTIR DO MODELO DE VETORES COM CORREÇÃO DE ERROS (VEC) Camila Mirella Santos de Oliveira, Sinézio Fernandes Maia

1 INTRODUÇÃO

Nos últimos anos, a taxa de juros básica definida pelo Comitê de Política Monetária (Copom)

tem alcançado patamares bem elevados dentro do histórico da economia brasileira, surtindo efeitos bastante controversos à economia brasileira. Em 2016, o Banco Central manteve a taxa de juros em 14,25%, maior nível alcançado nos últimos 10 anos. A intenção em elevar a taxa consiste em desestimular o consumo e consequentemente conter a inflação, que desde o início de 2016 mostrou-se bastante resistente. Com relação aos indicadores de econômico, o ano de 2016 caracterizou-se pela forte recessão experimentada pela economia brasileira, altas taxas de inflação, com altos níveis de desemprego e por fim, retração do crescimento econômico. Por outro lado, ainda no ano de 2016 a taxa de juros reduziu para 14%, e a expectativa é que a taxa de juros se mantenha em queda para os próximos anos. Segundo os especialistas, a redução da taxa de juros ajudará a economia brasileira a sair da sua maior recessão histórica, pois quanto menor for a taxa de juros estabelecida menores serão as pressões do dólar, contribuindo para que a inflação convirja para um patamar próximo a meta de 4,5%. Além disso, reduções da taxa de juros implicara em um cenário mais favorável para o setor público. Haja vista, a decisão do Banco Central por elevar a taxas de juros para estabilizar à inflação está interligada a três caminhos. O primeiro deles é o impacto da Selic sobre as taxas de créditos ao consumidor e às empresas, pois quanto maior a taxa de juros menores serão os incentivos ao consumo. O segundo caminho se dá sobre a taxa de câmbio, pois elevações da taxa de juros (Selic) ao incentivar a entrada de capitais implicará numa apreciação da taxa de câmbio, desacelerando a pressão inflacionária. A terceira e última, é o impacto sobre as expectativas, já que maiores taxas de juros ao pressionar as expectativas, impactaria sobre a previsibilidade da inflação.

Na literatura tradicional no regime de dominância monetária o controle do nível de preços é determinado pela demanda e oferta de moeda, por outro lado, no regime de dominância fiscal a autoridade monetária perde o controle dos níveis de preços e é forçado a gerar receitas por meio da senhoriagem suficientes para liquidar as contas do governo. Logo, ao invés de conter a pressão inflacionária, aumentos da taxa de juros pode gerar caminhos explosivos da dívida pública. Segundo Blanchard (2004) em uma economia caracterizada por desequilíbrios fiscais, elevações da taxa de juros eleva a probabilidade de default da dívida pública, impulsionando a fuga de capitais seguida por uma depreciação cambial, por fim, gerando pressões inflacionária. Esse tipo de trajetória apresentado é conhecido na literatura como, dominância fiscal.

Dominância fiscal se refere a uma situação em que o Governo com suas contas desequilibradas, não consegue gerar receita necessárias para custear seus gastos. Desse modo, uma das soluções para garantir o equilíbrio de suas contas é imprimir papel, conhecido como senhoriagem†. Logo, a senhoriagem é vista como uma das únicas maneiras para administrar os déficits orçamentários, criando efeitos negativos sobre a economia, a pressão inflacionária. Blanchard (2004) avalia a situação fiscal como principal causa para a existência de dominância fiscal. Conforme Souza e Dias (2015), a presença de desequilíbrios é visto como investimentos desfavoráveis para o mercado externo, consequentemente, gerando efeitos adversos da política monetária.

O cenário atual da economia brasileira é de total estagnação, o que torna ainda mais difícil o controle da inflação. Uma das ações tomada pelo governo é o corte dos gastos, pois apenas com as contas equilibradas seria possível superar essa crise econômica e melhorar o desempenho dos indicadores econômicos. Diante disso, esta pesquisa tem como objetivo avaliar as interações entre as variáveis macroeconômicas de política fiscal e monetária na economia brasileira para determinar qual tipo de dominância predomina na economia brasileira, entre o período de 2002 a 2016. Diante disso, para cumprir o objetivo proposto, utilizou-se do modelo de Vetor de Correção de Erros

† Entende-se quando o governo para gerar receitas necessárias para quitar suas dívidas através da criação de

moeda.



(VEC) avaliando o papel da dívida pública e risco de default para a condução da política monetária, através das funções de impulso-resposta e decomposição da variância.

Além desta introdução o artigo estará estruturado em 5 seções. Na segunda será apresentado a fundamentação teórica; na terceira são apresentados os dados; na quarta e quinta seção será apresentado os resultados empíricos e considerações finais, respectivamente. E por fim, faz-se a apresentação das referências bibliográficas.

2 FUNDAMENTAÇÃO TEÓRICA

Nos últimos anos o Brasil vem passando por um cenário de instabilidade e recesso econômico. As políticas fiscais e monetárias têm servido como ponte para alcançar resultados desejáveis, elevações da taxa de juros são utilizadas como instrumento para conduzir a economia para patamares menores da taxa de inflação. Nesse ensejo, muitos estudos têm permitido a partir da investigação econômica das políticas fiscais e monetárias com o propósito de identificar a presença da dominância fiscal.

O desenvolvimento de estudos que buscam identificar nos déficits fiscais a causa para crescente inflação. Em seu estudo seminal, Sargente e Wallace (1981) analisaram os efeitos controversos da política fiscal sobre a monetária. Conforme os autores, o regime de dominância monetária ocorre quando a autoridade fiscal passiva provoca um superávit primário suficiente para manter a relação dívida/PIB, não sendo forçada a monetizar a dívida pública, tornando a sua única preocupação controlar o nível de preço através da demanda e oferta de moeda. Por outro lado, em um regime de dominância fiscal, a autoridade fiscal ativa gera superávit primário independente da condição dívida/PIB, desse modo, a autoridade monetária perde o controle dos níveis de preços sendo forçada a criar receitas através da emissão de moeda para quitar suas despesas. Logo, sob as condições da dominância fiscal, considera-se a inflação um fenômeno meramente monetário.

Uma outra contribuição teórica ao debate sobre a dominância fiscal foi o desenvolvimento da teoria Fiscal do Nível de Preço (TFNP). Com base na TFNP um banco central “forte” e “independente” não é necessário para obter a estabilidade de preços, pois, os impactos da política fiscal sobre a inflação vai mais além que um processo de senhoriagem. Logo, a TFNP tem por finalidade avaliar o papel da política fiscal para determinar os níveis de preço. Muitos foram os estudos desenvolvidos em torno da TFPN, entre eles temos, Cochrane (2001), Sims (1994) e Woodford (1994, 1995, 2001). Diferentemente da abordagem tradicional de Wallace e Sargent (1981), a TFPN caracteriza-se por uma situação de regime não-ricardiano. A principal distinção entre essas duas abordagens consiste na interpretação da orçamentária intertemporal do governo. Segundo Loyo (1999), elevações da taxa de juros implica em trajetórias de crescimento da dívida nominal, e devido ao efeito-riqueza impulsionará os níveis de preço.

Ainda nesse contexto, Blanchard e Fischer (1989) encontraram uma relação positiva entre as taxas de inflação e os déficits orçamentários. Em seu estudo mais recente, Blanchard (2004) concluiu que, aumentos na taxa de juros nominal não só afeta a taxa o montante da dívida pública, mas também a probabilidade de default e os prêmios de risco, incentivando à fugas de capitais e consequentemente a depreciação do capital. Sabe-se que a dívida pública é atrelada ao dólar, uma possível desvalorização do câmbio além de impactar sobre o encargo da dívida pública também afetará as expectativas de inflação, criando pressões inflacionárias, tornando um círculo vicioso. Desse modo, o autor pode confirmar a presença de dominância fiscal e monetária a partir da interação entre variáveis fiscais e monetárias sobre a economia brasileira. Além disso, outros trabalhos debateram o papel da senhoriagem na obtenção da solvência intertemporal do governo, entre eles temos, como em Pastore (1995), Rocha (1997), Issler & Lima (2000), entre outros.

Em complemento aos achados por Blanchard (2004), os autores Favero e Giavazzi (2004) em seu estudo ao considerar o fator risco, incluiu a variável Emerging Markets Bond Index Plus (EMBI). Segundo Souza e Dias (2015), entende-se como risco país o risco de crédito que os investidores estrangeiros se submetem quando optam por investir num determinado país,



comumente conhecido como prêmio de risco da dívida soberana. Quanto menor o fator risco, maior será as expectativas dos estrangeiros para investimentos no país de destino. O quadro 1 apresenta um resumo das principais referências que trazem um pouco discussão sobre a interação de políticas fiscais e monetárias. 3 METODOLOGIA

Nessa seção será apresentado o tratamento dos dados utilizados na pesquisa em questão,

assim também, como o modelo empírico utilizado para alcançar os objetivos elencados na introdução deste estudo. 3.1Vetores Auto Regressivos

Para alcançar o objetivo proposto buscou-se utilizar do método de vetores autorregressivos (V

AR). Em virtude da insuficiência dos modelos de equações simultâneas, com base nas críticas de Lucas (1976) e Sims (1980), o modelo VAR tornou-se um das técnicas mais utilizadas dentro das pesquisas macroeconômicas. A partir do modelo Vetorial Auto Regressivo (VAR), introduzido por Sims (1980) é possível demonstrar modelos econômicos mais completos. No VAR as variáveis são explicadas por suas defasagens e pelas defasagens das demais variáveis, a partir de uma quantidade mínima de restrições (Maia, 2001).

A estrutura desse modelo se dá por equações simultâneas, ao qual todas as variáveis são consideradas endógenas. Nesse sentido, o principal objetivo desse modelo consiste em verificar a trajetória da variável de interesse ante um choque estrutural (Enders, 2009). Logo, o principal ponto desse estudo é verificar os efeitos das variáveis macroeconômicas, apresentadas na base de dados, sobre uma possível existência de dominância fiscal na economia brasileira. Em sua modelagem, o VAR padrão pode ser especificado da seguinte maneira:

𝐴𝑋! = 𝐶! + 𝐵!𝑋!!! + 𝐵!! (1)

Onde: 𝐴 é uma matriz n × n que define as restrições atualizadas das variáveis que definem o

vetor 𝑛𝑥1; 𝐶! é um vetor de constantes 𝑛𝑥1; 𝐵! são matrizes 𝑛𝑥𝑛; 𝐵 é a matriz 𝑛𝑥𝑛 de desvios padrão; por fim, 𝜖!define o vetor 𝑛𝑥1 de erro aleatório com media zero e variância constante 𝜖!~ 𝑖. 𝑖.𝑑. (0, 𝐼).

Através da equação será possível estimar o modelo teórico, ou seja, o VAR estrutural, com variáveis endógenas na sua forma reduzida:

𝑋! = 𝐴!!𝐶! + 𝐴!!𝐵!𝑋!!! + 𝐴!!𝐵!! (2)

Simplificando a equação 2, obtém-se o VAR padrão estimável:

𝑋! = Φ! + Φ!𝑋!!! + 𝐵!! (3)

Diferentemente dos modelos univariados, o VAR a partir das funções impulso resposta e decomposição da variância busca apresentar a trajetória da série para um dado choque. Logo, esse modelo descreve no tempo como um choque afeta uma série, ou seja, se há mudança ou não ao longo de sua trajetória. Uma das preocupações dos modelos VAR é estimar um modelo na forma reduzida‡ de modo que seja possível recuperar as informações que constituem a forma estrutural. Segundo Hamilton (1994), apesar dos modelos VAR apresentarem problemas de identificação, esses modelos ainda podem ser estimáveis e representar relações entre variáveis.

‡Segundo Enders (2009), na forma reduzida os resíduos não são serialmente correlacionados, e possuem

esperança igual a zero.



Para que o modelo torne exatamente identificável foi necessário utilizar a decomposição de Cholesky. A identificação do VAR se torna possível através dessa decomposição, a qual a sua ordenação causal será definida conforme o teste de causalidade, conhecido como teste de Granger. Segundo Cavalcanti (2010), a identificação do VAR estrutural pelo método de Cholesky constitui-se pela determinação de duas restrições a sua forma estrutural :

𝐸 𝜀!,! , 𝜀!,! = 0 (4) 𝑏!" = 0 𝑜𝑢 𝑏!" = 0 (5)

Com base na primeira equação 4, supõe-se que os choques estruturais não são correlacionados serialmente; já a equação 5, baseia-se na hipótese de que 𝑏!" 𝑜𝑢 𝑏!" será igual a zero. Desse modo, seguindo essas restrições o modelo torna-se exatamente identificado sendo assim possível verificar as inter-relações entre as variáveis macroeconômicas através das funções de impulso resposta e decomposição de variância.

A finalidade dos modelos de Vetores Autorregressivos é verificar as relações entre as variáveis diante de um choque, para sua especificação é necessário que alguns testes sejam realizados. Inicialmente, para abordagem empírica realizou-se os testes de raiz unitária, sabe-se que a escolha do número de defasagens é a necessária para que o termo de erro seja ruído branco, os testes de raiz unitária convencionais serão: ADF, PP, KPSS. Na segunda etapa, pretende-se realizar o teste de co-integração de Johansen para analisar se as variáveis no sistema são co-integradas e se existe algum vetor co-integrante. Por fim, antes de estimar o melhor modelo VAR, é necessário verificar o número de lags ótimas, para isto, os testes utilizados serão AIC, HQ, SC e FPE.

Segundo Lutkepohl (2006), o processo para identificação e estimação do VAR consiste nas seguintes etapas: (i) verificação a ordem de integração das séries;(ii) verificação da ordem de integração dos resíduos; (iii) verificação do número de defasagens ótimas com base nos critérios de AIC E SC;(iv) realizar os testes de especificação heterocedasticidade, autocorrelação, normalidade e condição de estabilidade).

Com base Enders (2009), no caso de series não estacionarias e de dinâmica comum, opta-se por especificar um VAR mais completo, conhecido como modelo com vetor de correção de erros (VEC). A partir desse modelo é possível averiguar relações de longo prazo entre as séries. Assim, esse trabalho tem como finalidade identificar uma relação de repasse entre as políticas monetárias e fiscal para o controle da inflação.

3.2Base de dados e Tratamentos

Para análise empírico-estatística sobre os efeitos da política fiscal e monetária sobre a inflação serão utilizados dados oriundos do Banco Central do Brasil, Instituto de Pesquisa Economia Aplicada (IPEADATA) e JP Morgan. As séries de IPCA, SELIC, Dívida Líquida do Setor Público, M1, SELIC, foram obtidas a partir dos dados do Banco Central do Brasil. Por outro lado, os dados de taxa de câmbio real efetiva e risco país foram extraídas do IPEADATA e JP Morgan, respectivamente.

Para o objetivo proposto buscou-se utilizar dados mensais das variáveis mencionadas no quadro 2, englobando o período de 2003.1 – 2016.08. A escolha do período a partir de 2003 à 2016 decorreu por conta da disponibilidade dos dados das variáveis utilizadas. Detalhadamente o quadro 2 apresenta as principais variáveis macroeconômicas da política fiscal e monetária determinantes da inflação. Assim sendo, o presente estudo delimitou-se em testar a hipótese de dominância fiscal na economia brasileira, através de uma análise de impulso – resposta e decomposição da variância (VAR/VEC).



Quadro 2: Descrição das variáveis Sigla Descrição Fonte

IPCA Índice Nacional de Preços ao Consumidor Amplo BCB

DLSP

Dívida Líquida do Setor Público em percentual do PIB –

Governo Federal e Banco Central.

BCB

TXCR Taxa de Câmbio Real Efetiva IPEA SELIC Taxa de juros(%a.a) BCB

M1 Moeda em poder do público IPEADATA EBMI Risco País +EBMI JP MORGAN

Fonte: Elaboração Própria Com base na figura 1 é possível verificar a trajetórias das variáveis utilizadas nos modelos

empíricos, entre elas temos: IPCA, Selic, TCR, M1, DLSP, EMBI. O risco país é uma medida que buscar classificar o risco geral de um determinado país, sua finalidade consiste em verificar a instabilidade econômica de um país. Nesse sentindo, a variável EMBI§+ (Emerging Markets Bond Index Plus) busca captar esse risco país e é disponibilizado pelo banco de investimentos americano J.P.Morgan.

A fim de remover algumas tendências das variáveis macroeconômicas foi necessário identificar e eliminar a presença de sazonalidade de uma das séries, entre elas (inflação) IPCA foi a única variável que apresentou tendência sazonal. A figura 1 mostra a trajetória do índice de preço com componente sazonal e dessazonalizada, respectivamente.

Figura 1- Trajetória do IPCA

Fonte: Elaboração Própria. § Dentre os países que compõem esse índice temos, Brasil, México, Argentina, Rússia, África do Sul.



Figura 2 – Trajetórias das Variáveis Macroeconômicas

Fonte: Elaboração Própria. A partir da figura 2 é possível realizar uma análise informal da trajetória das variáveis

macroeconômicas e verificar se as séries são co-integradas pela análise gráfica. Porém, a análise gráfica não é suficiente para identificar se as serias apresentam uma tendência comum de longo prazo. No geral observa-se que as séries apontam uma tendência bem parecida.

4 RESULTADOS

Este trabalho tem por finalidade verificar os efeitos dos principais instrumentos de política econômica para o controle da inflação. Segundo Souza e Dias (2016), um dos pressupostos para o regime de metas de inflação é a ausência de dominância fiscal, em função disso, torna indispensável averiguar as inter-relações entre as variáveis de política fiscal e monetária. Antes de realizar os testes de cointegração, será necessário testar a estacionariedade das séries. A fim de verificar se as séries são estacionárias em nível ou em diferença, utilizou-se dos testes de raiz unitária**, conforme aponta a tabela 1.

**Teste de Dickey-Fuller Aumentado (ADF), Kwiatkowski-Phillips-Schmidt-Shin (KPSS) e Phillips–Perron(PP).



Tabela 1 – Teste de Raiz Unitária com as séries em Nível Teste ADF Teste PP Teste KPSS

Série Modelo Est. do Teste Modelo Est. do Teste

Modelo Est. do Teste

IPCA Int. e Tend. -3.8009 Int. -7.8231 *

Int. 0.3105***

SELIC Int. e Tend. -2.0131 Int. -2.5246

Int. 0.5528 ***

TCR Int. e Tend. -1.8439 Int. -2.4327

Int. 0.7265***

M1 Int. e Tend. -2.7773 Int. -4.0165

Int. 0.5909 ***

DLSP Int. e Tend. 1.4586 Int. 2.4393

Int. 0.2573***

EMBI Int. e Tend. -3.5639 Int. -5.3383

Int. 0.5178***

Fonte: Elaboração Própria. ***Estaticamente significativo ao nível de 1% . ** Estaticamente significativo ao nível de 5%. Com base nos testes de raiz unitária, verifica-se que, em nível as séries apresentaram raiz unitária. Para verificar se séries são integradas de ordem I(1) é necessário prosseguir com os testes de raiz unitária com as variáveis em primeira diferença. A partir da tabela 2 é possível concluir algo sobre a estacionariedade das variáveis do modelo.

Observando a tabela 2 é possível concluir que, em primeira diferença todas as variáveis tornaram-se estacionárias. Logo, os resultados indicam que, apesar de em nível as séries não serem estacionárias, em primeira diferença todas apresentam estacionariedade e são classificadas como séries integradas de ordem I(1).

Tabela 2- Teste de Raiz Unitária com as séries em Diferença

Teste ADF Teste PP Teste KPSS

Série Modelo Est. do Teste Modelo

Est. do Teste Modelo

Est. do Teste

IPCA Int. e Tend. -7.3197*** Int. -16.201*** Int. 0.0692

SELIC Int. e Tend. -5.5954*** Int. -21.961**

Int. 0.0324

TCR Int. e Tend. -6.6899*** Int. -10.194**

Int. 0.0649

M1 Int. e Tend. -8.3458*** Int. -17.722**

Int. 0.0182

DLSP Int. e Tend. -4.0174 *** Int. -10.322**

Int. 0.2068**

EMBI Int. e Tend. -8.0563*** Int. -8.5567***

Int. 0.1326**

Fonte: Elaboração própria. ***Estaticamente significativo ao nível de 1% . ** Estaticamente significativo ao nível de 5%.

Em sequência aos testes de estacionariedade foi necessário identificar o número de lags

ótimos, com base nos critérios de AIC, HQ, SC e FPE, para dar continuidade ao teste de cointegração. Conforme apresenta a tabela 3, o número de lags ótimos foi 2. Logo, podemos concluir que o modelo VAR/VEC utilizado deverá ser estimado com a introdução de apenas duas defasagens (Ver apêndice A).



Tabela 3 – Teste para o número de Lags para o modelo VAR AIC(n) HQ(n) SC(n) FPE(n)

Lags 12 2 1 12

Fonte: Elaboração Própria dos autores. ***Estaticamente significativo ao nível de 1% . ** Estaticamente significativo ao nível de 5%.

O teste de causalidade aplicado buscou verificar a relação de causalidade de curto prazo entre as variáveis, informando também a ordenação das variáveis no modelo econométrico. Dessa forma, para evitar a arbitrariedade na ordenação das variáveis, utilizou-se o teste de exogeneidade em bloco de Granger, sendo ordenada da mais exógenas para a mais endógena. Sendo assim, a ordenação ficou da seguinte maneira: IPCA, EMBI, TCR, DLSP, SELIC e M1. Vartanian (2010) recomenda ordenar as variáveis conforme o grau de endogeneidade, pois a ordenação influência nos resultados da função impulso resposta e decomposição de variância. Nesse sentido, as variáveis consideradas com maior poder de causalidade devem estar no início da sequência, e o contrário no final da sequência.

Com relação aos testes de diagnósticos o modelo apresentou estabilidade, pois as raízes do polinômio característico estão dentro do círculo unitário, logo o modelo é considerado estável. Além disso, os testes de heterocedasticidade e normalidade apontam evidências para rejeitar a hipótese nula dos respectivos testes, conforme mostra o apêndice B.

Haja vista que as séries utilizadas são I(1), a fim de verificar os impactos da política fiscal e monetária sobre a inflação realizou-se o teste de cointegração com objetivo de verificar se uma combinação linear dessas variáveis são estacionarias, apontando a existência de equilíbrio de longo prazo entre as variáveis (Engle e Granger,1987;Johansen,1988). Segundo Enders (2009), cointegração implica que duas variáveis 𝑥! 𝑒 𝑦! compartilham de tendências estocásticas semelhantes, com 𝑢! estacionária, nunca divergindo uma da outra.

Em seguida, foi realizado o teste de Johansen, que tem como finalidade verificar a existência da relação de longo prazo entre as variáveis. Quando duas ou mais séries não são estacionária, e ao se juntar tornam-se estacionarias significa que elas serão cointegradas. A tabela 4 apresenta os resultados dos testes do traço e do máximo autovalor. Com base nestes resultados, podemos concluir que, as séries são cointegradas, ou seja, existe relação de equilíbrio de longo entre as variáveis. Os dados mostram que, existem no máximo três vetores de cointegração. Logo, esses resultados apontam que há evidencia fortes à existência de vetor de cointegração, evitando desse modo o problema de regressão espúria.

Tabela 4 – Teste de Cointegração de Johansen Nº de

vetores

Eigenvalue ⋋𝒎𝒂𝒙 Valor crítico ⋋𝒕𝒓𝒂ç𝒐 Valor crítico %

0 4.214129e-01

88.64***

187.84

114.90***

182.82

1 2.301812e-01

42.38***

99.20

87.31***

146.76

2 1.419524e-01

24.80 56.82 62.99

114.90

3 8.207953e-02 13.87

32.02

42.44 87.31

4 6.872879e-02

11.54

18.15

25.32

62.99

5 3.999706e-02 6.61 6.61 12.25 42.44



Fonte: Elaboração própria. ***Estaticamente significativo ao nível de 1% . ** Estaticamente significativo ao nível de 5%.

Para presente estudo optou-se por dois vetores de cointegração. A tabela 5 apresenta o vetor

de cointegração normalizado para a variável IPCA, ou seja, a relação de equilíbrio de longo prazo do IPCA com as demais variáveis. Conforme os resultados apontados pela tabela 5, verifica-se que, considerando o vetor de cointegração estimado, é possível escrever a relação de equilíbrio de longo prazo.

Tabela 5 – Vetor de Cointegração normalizado para a variável IPCA IPCA SELIC TCR M1 DLSP EMBI TREND

1,000 0.029042786

-0.0035479

0.4856173

-0.0049869

0.00070781

- 0.01164

Fonte: Elaboração Própria.

Seguindo os resultados obtidos pelo vetor de cointegração a relação de equilíbrio de longo prazo será:

𝐼𝑃𝐶𝐴 = −0.02904𝑆𝑒𝑙𝑖𝑐 + 0.0035479𝑇𝑋𝐶𝑅 − 0.4856173𝑀1 + 0.0049869𝐷𝐿𝑆𝑃 − 0.0007081𝐸𝑀𝐵𝐼 + 0.01164TREND (6) Os resultados apontam os impactos da política fiscal sobre a inflação, caracterizado por uma

relação positiva das variáveis DLSP e o IPCA. Esses achados corroboram com as análises de Blanchard (2004), enfatizando a importância da política fiscal para determinação da inflação. Ainda relações diretas entre a taxa de câmbio e a inflação enfatizam que, quanto maior o câmbio (desvalorizado) maiores serão as pressões inflacionárias, apontando a presença do efeito pass-through††. Com relação a variável risco país verificou-se a presença de relação negativa entre EMBI e IPCA, esses resultados apontam que quanto maior o risco default maior será os índices de preços. Por outro lado, variações sobre a Selic afeta negativamente os índices de preços, ou seja, maiores taxas de juros parecem reduzir os níveis de preço.

A figura 3 apresenta a resposta da inflação aos choques nas variáveis Selic, DLSP, M1, EMBI, taxa de câmbio. Desse modo, com base na figura abaixo é possível analisar o efeito de uma elevação na variável de choque sobre a variável IPCA. Com base na figura 3 verifica-se que a política monetária representada pela taxa de juros (SELIC) apresenta choques positivos sobre o índice de preço ao longo do tempo analisado, esses impactos da taxa de juros avalia o impacto da política monetária via oferta agregada.

Figura 3 – Análise da função Impulso a Resposta (Resposta do IPCA)

††Segundo Campa e Goldberg (2002), o efeito pass-through é conhecido pelo repasse da taxa de câmbio para os

índices de preço.



Fonte: Elaboração própria. No entanto, os choques da taxa de cambio e dívida do setor público apresenta reações

positivas sobre o índice de preço, ou seja, choques não antecipados da taxa câmbio e dívida líquida provoca reações positivas sobre a inflação. Ainda, a função impulso-resposta demonstra que o índice preço reage negativamente à choques na base monetária. Desse modo, torna-se crucial observar o comportamento da política monetária frente a choques.

Com relação aos choques do risco país verifica-se que, os preços reagem positivamente aos choques do EMBI. Esses achados confirmam que quanto maior o risco país de uma economia, maior será a fuga de capitais, e consequentemente, mais depreciado será o câmbio. Por fim, risco país mais elevado acaba afastando a inflação para distante da meta.

Com base na figura 4, choques positivos nos índices de preços tem como resposta aumento da taxa de juros. Quanto maior os índices de preço maior será a taxa de juros necessário para conter a inflação, desse modo, em um cenário de instabilidade fiscal, taxa de juros mais elevada impulsionará a um maior risco default, este resultado mostra a importância da taxa de câmbio para a função reação da política monetária.

Nos períodos iniciais, os choques da DLSP contribuem para uma elevação da Selic, possivelmente impulsionada para atrair capital estrangeiro e evitar uma desvalorização do câmbio. Além disso, esse tipo de política mostra indícios que o governo utiliza da taxa de juros para equilibrar as contas do governo.



Figura 4 - Análise da função Impulso a Resposta (Resposta da SELIC)


Analisando individualmente os choques da função impulso reposta sobre a Selic, verifica que

quanto maior o risco país maior será a taxa de juros. Com base na teoria econômica, quanto maior a taxa de risco menor será a entrada de capitais estrangeiro e maior será a taxa de cambio, provocando no final das contas um aumento da SELIC a fim de conter a pressão inflacionária.

Uma outra ferramenta é a decomposição da variância para o modelo VEC, essa decomposição permite identificar a importância relativa de cada variável a partir da variação dos resíduos das demais variáveis endógenas em um determinado período de tempo.

Tabela 3 – Decomposição da Variância PERÍODO IPCA SELIC TCR M1 DLSP EMBI

1 1.0000000 0.000000000 0.000000000 0.000000000 0.000000000 0.000000000

2 0.9061143 0.01655491 0.001704934 0.002660537 0.03862880 0.0006209498

3 0.8628252 0.02199030 0.002582465 0.003096513 0.04509994 0.0009862999

4 0.8223808 0.02620338 0.003252749 0.008867334 0.04351184 0.0010255142

5 0.7815488 0.02893692 0.004520205 0.015164848 0.04146265 0.0010416944

6 0.7431023 0.03154585 0.006052719 0.021071686 0.03939379 0.0010317585

7 0.7077887 0.03373863 0.007651266 0.026497620 0.03748862 0.0010161838

8 0.6755376 0.03579706 0.009201311 0.031372648 0.03575293 0.0009951340 9 0.6460724 0.03769225 0.010667535 0.035753854 0.03418733 0.0009727094

10 0.6190713 0.03948477 0.012036194 0.039700672 0.03277288 0.0009492348 11 0.5942369 0.04117546 0.013310787 0.043274130 0.03149417 0.0009255183 12 0.5713099 0.04278206 0.014498221 0.046521210 0.03033501 0.0009017503

Fonte: Elaboração própria.



Analisando a decomposição de variância para o índice de preços aponta que a proporção de suas variações é explicada 1,44% pela taxa de câmbio, 4,65% pelo M1, 4,28% pela Selic e 0,10% pelo risco país. Ao realizar uma comparação entre os efeitos da DLSP e SELIC sobre o IPCA. Ao comparar os efeitos da DLSP e Selic sobre o IPCA é possível observar a importância da DLSP para explicar as flutuações do IPCA. 5 CONSIDERAÇÕES FINAIS

Este trabalho buscou discutir a relação entre as políticas monetária e fiscal na economia brasileira, compreendendo o período de janeiro de 2003 a agosto de 2016, a partir de dados mensais. Tendo como base teórica e empírica o regime de metas de inflação e a existência de desequilíbrios fiscais de Sargent e Wallace(1989) e Blanchard (2004).

Com base no modelo teórico de Blanchard (2004), em um cenário de desequilíbrios fiscais, o regime de metas de inflação acaba percorrendo um caminho adverso, pois elevações da taxa de juros de modo a conter a inflação acaba impulsionando a depreciação do câmbio (fuga de capitais) devido as fragilidades econômica do país, por fim, gerando uma pressão inflacionária. Por outo lado, Favero e Giavazzi(2004) caracteriza esse canal como pouco significativo para conter o controle inflacionário.

Verificou-se a presença de raiz unitária empregando os testes de ADF, PP e KPSS, os achados apontaram que todas as séries são estacionárias após tirar a primeira diferença. Em seguinda, utilizou-se o método de cointegração, com base no método de Johansen. A partir do teste de Johansen constatou-se a presença de relação de longo prazo através da estatística de traço e do máximo autovalor, com dois vetores de cointegração.

Para análise empírica estatística utilizou-se do Mecanismo com Vetor de Correção de Erros (VEC), haja vista que as nossas variáveis foram integradas de ordem I(1) e cointegradas, o método apropriado para testar as hipóteses de dominância fiscal foi o VEC.

Com base nos resultados empíricos verifica-se que ao nos últimos anos o país vem apresentando um cenário de dominância fiscal, em que variações da taxa de juros visando conter a inflação tem sido analisado pelos brasileiros como elevações do prêmio de risco. Quando o Bacen estabelece um nível mais elevado da taxa de juros a percepção dos agentes econômicos é que maior é o risco de default, superando o efeito da taxa de juros sobre a taxa de câmbio, consequentemente, ao invés de apreciar o câmbio há uma depreciação da taxa de câmbio impulsionando os índices de preço. Além disso, os choques da DLSP sobre a Selic apontam a importância da taxa de juros para a trajetória da dívida pública.

Esses resultados direcionam a importância da formulação de políticas de reajuste fiscal para a retomada da estabilidade econômica. Nesse sentido, apesar da atual trajetória da economia brasileira, na ótica da dominância fiscal, a estabilidade da inflação só seria possível através da organização das finanças públicas.

6 REFERÊNCIAS BIBLIOGRÁFICAS

BLANCHARD, O. “Fiscal Dominance and Inflation Targeting: Lessons from Brazil”. NBER, WP10389, March 2004. BLANCHARD, O.J.; FISCHER, S. Lectures on Macroeconomics. Cambridge: MIT Press, 1989. CAMPA, J. M., GOLDBERG, L. S. Exchange rate pass-through into import prices: a micro or a macro phenomenon? NBER Working Paper, n. 8934. Maio, 2002.



CAVALCANTI, Marco A. F. H. Identificação de modelos VAR e causalidade de Granger: uma nota de advertência. Economia Aplicada, vol.14, no.2, 2010. ENDERS, W. Applied econometric time series. New York: John Wiley & Sons, Inc.1995. FAVERO, C. A.; GIAVAZZI F. Inflation targeting and debt: lessons from Brazil. No. w10390. National Bureau of Economic Research, 2004. Issler, J.V., Lima, L. “Public Debt Sustainability and Endogenous Seignorage in Brazil: Time-Series Evidence from 1947-1992”, Journal of Development Economics, 2000. LOYO, E. H. M. M. The Wealth Efffects of Monetary Policy and Brazilian Inflation. Phd Thesis. Princeton University, 1999. LUCAS, R.E. Jr. Econometric Policy Evaluation: A Critique. In: K. Brunner e A. Meltzer (eds.) The Phillips Curve and Labor Markets. Amsterdam: North-Holland. Carnegie-Rochester Series on Public Policy, 1976. LUTKEPOHL, H. Time Series Analysis Introduction to Multiple. Berlin: Springer, 1993. MAIA, S.F. Modelos de Vetores Autoregressivos: Uma nota introdutória. Programa de Mestrado em Economia, Maringá, Paraná:2001. Pastore, A.C.(1995) “Déficit publico, a sustentabilidade do crescimento das dívidas interna e externa, senhoriagem e inflação: uma análise do regime monetário brasileiro.” [s.2]:Revista de Econometria,1995. SIMS, C. A. A simple model for study of the price level and the interaction of monetary and fiscal policy. Economic Theory, v. 4, n. 3, p. 381399, 1994. SOUZA, João B. da L.; DIAS, Maria H.A. Dominância Fiscal e os Seus Impactos na Política Monetária: uma avaliação para a economia brasileira. Encontro de Economia da Região Sul - ANPEC SUL. Santa Catarina, 2016. Rocha, F.“Long-run limits on the Brazilian government debt”. Revista Brasileira de Economia, 51(4), pp.447-470, 1997. SARGENT, T. J. e WALLACE, N. Some Unpleasant Monetarist Arithmetic. Federal Reserve Bank of Minneapolis Quarterly Review, v.5, n. 3, Witter, 1981 VARTANIAN, Pedro Raffy. Uma Análise dos Efeitos do Índice Dow Jones, Preço das Commodities e Taxa de Câmbio sobre o Comportamento do Ibovespa no Período 1999-2008. In: ENCONTRO DA ANPAD, 35, 2010, Rio de Janeiro. Anais. Rio de Janeiro: ANPAD, p. 2 – 17, 2010. WOODFORD, M. Monetary policy and price level determinacy in a cashinadvance economy. Economic Theory, v. 4, n. 3,1994.



APÊNDICE APÊNDICE A – Testes do número ótimo de lags

Lag AIC HQ SC FPE 1 -3.91926101 -3.53134355

-2.96435137

0.01986736*

2 -4.37782771

-3.69897215*

-2.70673584

0.01259209

3 -4.34751402

-3.37772037

-1.96023992

0.01305863

4 -4.35284082

-3.09210907

-1.24938449

0.01313516

5 -4.22009974

-2.66842990

-0.40046119

0.01527174

6 -4.38095254

-2.53834460

0.15486824

0.01335321

7 -4.44337445

-2.30982841

0.80862856

0.01302144

8 -4.3769176

-1.9524335

1.5912677

0.0146324

9 -4.35774097

-1.64231875

2.32662649

0.01592836

10 -4.55277387

-1.54641355

2.84777582

0.01425692

11 -5.12493300

-1.82763458

2.99179893

0.00894653

12 -5.388419353*

-1.800182835

3.444494800*

0.007847443

Fonte: Elaboração Própria. APÊNDICE B – Testes de Diagnósticos Testes de Diagnósticos Testes Q-quadrado DF P-valor ARCH(multivariate) 2497.1

2205

1.18e-05

JB-Test (multivariate)

746.46

12

2.2e-16

Portmanteau Test (asymptotic)

642.02

510

6.068e-05


ebra55camila mirella santos de oliveira2 mc r a mirella santos de... · entre essas duas abordagens...

Documents