O mecanismo de transmissão monetária no Brasil: um modelo

SVAR com expectativas inflacionárias

Monografia apresentada ao curso de Ciências

Econômicas, como requisito parcial para obtenção do grau
de Bacharel.

São Paulo
2007
 O mecanismo de transmissão monetária no Brasil: um
modelo SVAR com expectativas inflacionárias / São Paulo:
2007.
39 p.

Monografia.

1. Política monetária 2. Expectativas inflacionárias

3. Mecanismo de transmissão monetária 4. VAR estrutural
 Resumo

O mecanismo de transmissão monetária no Brasil: um modelo SVAR com expectativas

inflacionárias. São Paulo, 2007. 39p. Monografia.

Este estudo procura investigar o funcionamento do mecanismo de transmissão monetária na

economia brasileira, i.e. quais os efeitos da política monetária – definida pela taxa de juros de
curto prazo e a oferta monetária – sobre a taxa de câmbio, nível de preços, produto, taxa de
juros de longo prazo e expectativas inflacionárias, no período pós-Plano Real. A análise é
dividida em dois períodos: (1) um período mais amplo, 1995/02-2005/07 – sem expectativas
inflacionárias – e (2) um período mais restrito, 2002/01-2005/07 – incluindo expectativas de
inflação. Os principais resultados obtidos através do modelo de referência foram: (1)
inovações positivas na taxa de juros de curto prazo levam a uma apreciação cambial, reduzem
o nível de preços e o produto – sendo que o produto responde mais rapidamente em relação ao
nível de preços – elevam a taxa de juros de longo prazo e reduzem as expectativas de inflação,
(2) uma expansão monetária leva a uma depreciação cambial, aumento permanente no nível
de preços, não exerce quase nenhum efeito sobre o produto e a taxa de juros de longo prazo e
eleva as expectativas de inflação, (3) o único efeito relevante de longo prazo de uma expansão
monetária é o aumento no nível de preços (4) expectativas de inflação são extremamente
relevantes para explicar variações no nível de preços, sendo a fonte mais importante das
flutuações dos preços, seguida pela taxa de juros de curto prazo, e (5) a decomposição
estrutural traz ganhos significativos em relação à decomposição de Cholesky.

Palavras-chave: Política monetária, expectativas inflacionárias, mecanismo de transmissão

monetária, VAR estrutural.
 Abstract

The monetary transmission mechanism in Brazil: an SVAR approach with inflation

expectations. São Paulo, 2007. 39p. Monograph.

This paper investigates the monetary transmission mechanism on the Brazilian economy, i.e.
the effects of monetary policy – namely short-term interest rates and money – on the
exchange rate, price level, product, long-term interest rates and inflation expectations, in the
post-Real Plan period. The analysis is divided in two periods: (1) a wider range sample,
02/1995-07/2005 – without inflation expectations – and (2) a smaller range sample, 01/2002-
07/2005 – which includes inflation expectations. The main results achieved with the
benchmark model were: (1) positive innovations on the short-term interest rate lead to a
currency appreciation, reduce the price level and the product – regarding that the product
responds more rapidly than the price level – increase the long-term interest rate and reduce
inflation expectations, (2) a monetary expansion leads to a currency depreciation, a permanent
increase in the price level, exercises almost no effect on the product and on the long-term
interest rate and increases inflation expectations, (3) the only relevant long-term effect of a
monetary expansion is the increase in the price level, (4) inflation expectations are extremely
relevant to elucidate variations in the price level, as the main source of prices fluctuations,
followed by the short-term interest rates, and (5) the structural decomposition brings
significant gains in relation to the Cholesky decomposition.

Keywords: Monetary policy, inflation expectations, monetary transmission mechanism,

structural VAR.
 Sumário

1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Modelos VAR e mecanismos de transmissão: uma breve revisão da literatura . . . . . . 10

3 A economia brasileira recente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4 Resultados empíricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.1 Modelo 1 – 1995/02-2005/07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2 Modelos 2 e 3 – 2002/01-2005/07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

5 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

Referências bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

Apêndice A – Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Apêndice B – Figuras. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
 6

Lista de tabelas

Tabela 1 – Descrição das variáveis utilizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .26

Tabela 2 – Matriz de correlação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Tabela 3 – Teste de causalidade Granger conjunto – Modelo 1 . . . . . . . . . . . . . . . . . . . . . . . 27

Tabela 4 – Coeficientes estimados – Modelo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Tabela 5 – Teste de causalidade Granger conjunto – Modelo 2 . . . . . . . . . . . . . . . . . . . . . . . 29

Tabela 6 – Coeficientes estimados – Modelo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30

Tabela 7 – Coeficientes estimados da decomposição estrutural – Modelo 2 . . . . . . . . . . . . . 31

Tabela 8 – Matrizes A e B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .32

 7

Lista de figuras

Figura 1 – Expectativas de inflação (IPCA): pesquisa Focus . . . . . . . . . . . . . . . . . . . . . . . . .33

Figura 2 – Inflação e base monetária . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

Figura 3 – Inflação e taxa Selic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .34

Figura 4 – Variáveis utilizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Figura 5 – Funções de impulso-resposta (eixo horizontal em meses) – Modelo 1 . . . . . . . . .35

Figura 6 – Funções de impulso-resposta (eixo horizontal em meses) – Modelo 2 . . . . . . . . .36

Figura 7 – Decomposição da variância (eixo horizontal em meses) – Modelo 2 . . . . . . . . . .37

Figura 8 – Funções de impulso-resposta (eixo horizontal em meses) – Modelo 3 . . . . . . . . .38

Figura 9 – Decomposição da variância (eixo horizontal em meses) – Modelo 3 . . . . . . . . . .39

 8

1. Introdução

“Um fator muito importante é o fato de que as expectativas inflacionárias estão bem
controladas e bem contidas, o que significa que o Federal Reserve, diferentemente dos
anos 70, não tem de reagir violentamente em termos de elevação das taxas de juros
para conter a segunda – e terceira – rodada de impactos inflacionários. Assim
continuo bastante otimista em relação à economia.”
Ben Bernanke, 27 de Setembro de 2005.

Muitos têm se perguntado ultimamente sobre a eficácia do sistema de metas de

inflação, adotado pelo Banco Central do Brasil no ano de 1999. Será que a elevação da taxa
básica de juros da economia realmente exerce efeito sobre a inflação, no sentido de reduzi-la?
Será que o Banco Central agiu corretamente ao elevar a taxa Selic para combater a inflação,
ou existem outros métodos mais eficazes e menos custosos disponíveis?

Este trabalho procura responder esta e outras perguntas, através da identificação de

como funciona o mecanismo de transmissão da política monetária no Brasil desde o plano-
Real e, principalmente, após a adoção do sistema de metas inflacionárias. Buscaremos
identificar as relações entre as variáveis macroeconômicas controladas pela autoridade
monetária (taxa de juros de curto prazo, agregados monetários) e aquelas que não são
controladas (taxa de câmbio, taxa de inflação, crescimento econômico, expectativas
inflacionárias), para obtermos estimativas do impacto da política monetária e sua eficácia.
Este estudo inova ao introduzir expectativas inflacionárias no modelo, uma variável crucial
para entendermos melhor a política de juros do Banco Central. Em todas as Atas das reuniões
do Comitê de Política Monetária (Copom) e nos Relatórios trimestrais de Inflação, a
autoridade monetária faz questão de frisar a importância da convergência das expectativas de
inflação para a meta estabelecida pelo Conselho Monetário Nacional (CMN), e certamente é
levada em conta na determinação da taxa básica de juros da economia brasileira.

O objetivo aqui não será determinar qual a política monetária ótima a ser adotada pela
autoridade monetária, mas sim identificar as respostas das variáveis macroeconômicas a
mudanças na política monetária, i.e. se inovações na política monetária exercem os efeitos
esperados sobre a economia. Estimaremos inicialmente um modelo VAR para captar as
relações entre as variáveis de interesse, e em seguida buscaremos obter estimativas sobre as
relações de curto prazo, i.e. no mesmo instante de tempo, através de decomposição estrutural
 9

do mesmo modelo para um período mais restrito. Diferentemente de abordagens tradicionais,

a metodologia do VAR permite que as variáveis de controle da política monetária e as
variáveis macroeconômicas sejam endógenas umas às outras, o que representa um ganho
significativo na interpretação dos resultados obtidos.

Este trabalho será dividido da seguinte maneira: a Seção 2 apresenta uma breve
revisão da literatura sobre a aplicação de modelos VAR na estimação de mecanismos de
transmissão da política monetária e sumariza alguns dos principais trabalhos desenvolvidos
para a economia brasileira; a Seção 3 descreve rapidamente o cenário econômico atual no
Brasil, a motivação deste estudo e o modelo que será utilizado; a Seção 4 apresenta a
estimação e os resultados obtidos através dos três modelos implementados; a Seção 5
apresenta a conclusão.
 10

2. Modelos VAR e mecanismos de transmissão: uma breve revisão da literatura

O uso de modelos VAR na estimação da relação entre variáveis macroeconômicas é

uma prática comum na literatura econômica. Podemos dizer que o pioneiro foi Sims (1980),
sendo o primeiro a analisar funções de impulso-resposta entre variáveis macroeconômicas
como nível de preços, oferta monetária, produto real e desemprego, entre outras. Com o
passar dos anos estes modelos se tornaram mais sofisticados e precisos, e passaram a ser a
principal ferramenta para identificação do mecanismo de transmissão da política monetária,
ou seja, como a política monetária afeta as principais variáveis de uma economia. Em Leeper
et al. (1996) o mesmo autor faz uma análise mais robusta da economia americana, utilizando a
mesma metodologia e trazendo novos insights sobre os impactos da política monetária.

Nesta seção apresentaremos uma breve revisão dos principais trabalhos desenvolvidos
para a economia brasileira com modelos VAR. Dentre os principais autores estão Fiorencio,
Lima e Moreira (1998), Minella (2003), Fernandes & Toro (2003) e, mais recentemente,
Céspedes, Lima & Maka (2005).

Fiorencio, Lima & Moreira (1998) analisam os impactos das políticas monetária e
cambial sobre o desemprego e nível de preços após o Plano Real. O estudo é realizado para o
período entre 1991/01 e 1997/05, e investiga as relações entre nível de preços, taxa de
desemprego, taxa de câmbio, taxa de juros e o spread entre a taxa de juros sobre capital de
giro e dos títulos privados (CDBs). Os principais resultados deste trabalho são que choques
cambiais exercem efeitos significativos sobre o nível de preços e elevam a taxa de
desemprego, e que os efeitos da política monetária sobre as variáveis do modelo depende de
como a introdução do Plano Real é tratada.

Minella (2003) analisa as relações macroeconômicas entre produto, inflação, taxa de

juros e oferta monetária através de um modelo VAR. O estudo é focado em três períodos:
1975/01-1985/07, 1985/08-1994/06 e 1994/09-2000/12. Os principais resultados obtidos pelo
autor são: a taxa de juros exerce efeitos significativos sobre o produto; a taxa de juros não
consegue reduzir a inflação para os dois primeiros períodos, e pode ter ganhado importância
após o Plano Real, mas nada que indique com certeza que há um efeito significativo dos juros
na inflação. Há evidências da existência de um “price puzzle” no segundo período analisado,
e o autor não controla adequadamente pela mudança de regime cambial.
 11

Fernandes & Toro (2003) realizaram o estudo mais tecnicamente robusto para a
economia brasileira já publicado. Porém os resultados obtidos pelos autores diferem daqueles
de nosso estudo, devido em parte à diferença do período analisado. Em resposta a um
aumento na taxa Selic, o produto inicialmente sofre uma queda, mas em seguida recupera-se
acima de sua condição inicial, indicando que o efeito acumulado de uma alteração na taxa
básica de juros é nulo, ou seja, o produto não sofre efeitos negativos de uma elevação dos
juros. A inflação sofre uma redução mais rapidamente do que a resposta do produto,
diferentemente de nosso estudo, e em seguida volta ao seu patamar inicial, indicando um
efeito nulo da taxa de juros sobre a inflação no longo prazo. O pequeno tamanho da amostra
também impõe um problema para a técnica utilizada por eles (VECM), que é mais adequada
quando se analisa um longo período de tempo. Os autores analisam o período de meados de
1996 até final de 2001 sem divisão em subperíodos, e não controlam adequadamente duas
quebras estruturais importantes na economia brasileira: uma no final de 1995, com a adoção
das “minibandas” para a taxa de câmbio, e outra, mais significante, em janeiro de 1999, com a
adoção do regime de câmbio flexível.

O estudo de Céspedes, Lima & Maka (2005) é o mais recente e também o que obteve
resultados mais satisfatórios em termos qualitativos. Os autores investigam os impactos da
política monetária no nível de preços, produção industrial, taxa de câmbio nominal, taxas de
juros de curto (Selic) e médio prazo e um agregado monetário (M1), dividindo o período
analisado em duas subamostras: 1996/07-1998/08 e 1999/03-2004/12. São estimados diversos
modelos SVAR para cada período estudado. Assim como em nosso trabalho, em resposta a
um aumento na taxa Selic – para o segundo subperíodo – , a produção e o nível de preços
caem, porém a produção é afetada mais rapidamente do que do nível de preços. Para o
primeiro subperíodo não se pode rejeitar a existência do “price puzzle”. Não há no entanto a
inclusão de preços de commodities, uma variável relevante para a economia brasileira, que é
basicamente exportadora de commodities. Os autores utilizam uma técnica pouco usual na
literatura acadêmica de identificação do modelo VAR, e nunca antes utilizada para a
economia brasileira, chamada de Grafos Acíclicos Direcionados (DAG). Os resultados do
modelo de referência deste trabalho são essencialmente iguais aos resultados de nosso estudo.
 12

3. A economia brasileira recente

Atualmente estamos vivendo um período único na história recente do Brasil,

completando sete trimestres consecutivos de crescimento econômico, juntamente com uma
inflação controlada, e decrescente, de 6,04% em termos anualizados1. Ainda neste ano a
inflação acumulada em doze meses chegou a 8,07% em abril, e vem caindo desde então. No
início do ano nem mesmo os muito otimistas acreditavam no cumprimento da meta de 5,1%
estabelecida pelo Conselho Monetário Nacional (CMN) para 2005, mas ultimamente vem
crescendo o número de “apostadores” na vitória do Banco Central (BC) sobre a inflação (ver
Figura 1 no Apêndice).

Em fevereiro de 2003, o BC fixou a taxa Selic em 26,50%, o mais alto nível desde o
início do sistema de metas de inflação, devido principalmente à falta de demanda por títulos
brasileiros em conseqüência do aumento da percepção de risco político com uma possível
eleição de Luiz Inácio Lula da Silva. Devido ao seu passado, o candidato do Partido dos
Trabalhadores à presidência da República era visto como um adepto de medidas populistas,
não pagamento da dívida externa, política econômica e fiscal irresponsáveis, entre outras, o
que levou a um enxugamento da liquidez dos títulos soberanos no mercado. Com a falta de
demanda por títulos para financiar a dívida pública, o BC se viu obrigado a emitir moeda em
excesso que, de acordo com a teoria monetarista, geraria um aumento no nível de preços da
economia. Em seguida houve efetivamente uma rápida elevação na taxa de inflação, como
pode ser observado na Figura 2.

No mesmo período, podemos observar uma relação semelhante entre a inflação e a

meta da taxa Selic definida pelo BC (ver Figura 3). Uma pergunta natural que pode surgir
para alguns leitores é se existe uma relação de interdependência entre a taxa de juros e
inflação, ou seja, a inflação é influenciada pelas taxas de juros ao mesmo tempo em que as
taxas de juros respondem à inflação?

Outra questão importante é: será que o aumento da base monetária ocorrido em 2002
foi o responsável pela elevação na taxa de inflação? Se isto for verdade, pode ser uma
explicação para a persistência das taxas de inflação – bem como os núcleos – em patamares

1
Medida pelo Índice de Preços ao Consumidor Amplo (IPCA), índice de referência para o exercício da política
monetária, calculado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), até setembro de 2005.
 13

elevados no primeiro semestre do ano de 2005, apesar da elevação gradual da taxa Selic desde
setembro de 2004. Para responder estas perguntas precisamos olhar para um conjunto mais
amplo de variáveis macroeconômicas, e entender como ocorrem as relações de dependência
entre elas.

Este trabalho inicialmente propõe a aplicação de um modelo auto-regressivo vetorial

(VAR) seguindo a decomposição de Cholesky. Assumindo que n é o número de observações,
k o número de variáveis endógenas e l o número de variáveis exógenas do modelo, temos a
seguinte especificação:

j
Φ 0 xt = m + ∑ Φ i xt −i + Θz t + Ωε t (2.1)
i =1

onde xt é a matriz de variáveis endógenas n x k, zt é a de variáveis exógenas n x l, Φ 0 é a

matriz de coeficientes estimados através do VAR estrutural (SVAR) k x k – no primeiro

modelo será imposta a restrição de que Φ 0 é triangular – , Φ i a matriz de coeficientes, no

instante de tempo i, das variáveis endógenas defasadas k x k, Θ a matriz de coeficientes das

variáveis exógenas, Ω a matriz diagonal de desvios-padrão dos choques estruturais k x k, ε t

o vetor de choques estruturais k x n e m o vetor de termos constantes n x 1.

O modelo utilizado pode ser representado de maneira simplificada da seguinte forma2:

⎛ Yt ⎞ ⎛ Yt −l ⎞ ⎛ vtY ⎞
A⎜ ⎟ = C (L )⎜
⎜ ⎟ ⎜ ⎟ + D (Z t ) + B ⎜ M
⎟ ⎜ ⎟ (2.2)
⎟
⎝ t⎠
M ⎝ t −l ⎠
M ⎝ vt ⎠

onde Y é um vetor de variáveis macroeconômicas que não são controladas pela política
monetária, M é um vetor de variáveis controladas pela política monetária, A e C(L) são
matrizes de coeficientes das variáveis endógenas do modelo, D representa as relações entre as
⎛ vt Y ⎞
variáveis exógenas e endógenas, vt ≡ ⎜ M ⎟ é um vetor de choques estruturais das variáveis
⎜v ⎟
⎝ t ⎠
em Y e M, e B é uma matriz diagonal que representa a transmissão destes choques para as
variáveis do sistema.

2
Seguindo a especificação em Favero (2001).
 14

Entre as variáveis de Y temos produção industrial (proxy para nível de atividade

econômica); taxa de juros de longo prazo, medida pela taxa do swap pré-DI de 360 dias; taxa
de câmbio efetiva real (ou seja, ponderada pela participação dos principais parceiros
comerciais do Brasil no volume total de comércio internacional – exportações somadas às
importações); e índice de preços ao consumidor, medido pelo IPCA. Para o vetor M, temos
taxa de juros de curto prazo (taxa Selic) e oferta de moeda, medido pelo M1. Também
estimaremos um modelo adicional incluindo expectativas inflacionárias, obtidas de maneira
exógena pelo BC semanalmente, através da pesquisa Focus (para uma descrição detalhada dos
dados utilizados neste estudo, ver Tabela 1 no Apêndice).

A política monetária exercida pelo BC baseia-se na determinação de uma meta para a

taxa de juros de curto prazo, a taxa Selic. Com isso, espera-se que o custo de oportunidade de
“segurar” moeda se eleve em resposta a um aumento na Selic, reduzindo a demanda por
liquidez na economia e, conseqüentemente, reduza a inflação.

Outro mecanismo de transmissão da política monetária acontece via emissão

monetária. De acordo com a abordagem monetarista inicialmente proposta por Irving Fisher,
temos a seguinte relação3:

Mv = Py (2.3)

onde M é o estoque de moeda, P é o nível de preços da economia, y é o produto real e v é a

velocidade de circulação da moeda. Esta relação nos diz que o aumento no nível de preços
ocorre devido à emissão monetária em excesso à demanda real por liquidez. O efeito da
variação da oferta monetária sobre a taxa de inflação deve ser observado, juntamente com o
seu efeito sobre o produto real, se existirem.

3
A equação inicialmente proposta por Fisher na verdade foi Mv = PT , onde T representa o volume total de
transações. A versão mais comumente utilizada é Mv = Py .
 15

4. Resultados empíricos

4.1 Modelo 1 – 1995/02-2005/07

Começaremos com um modelo VAR(1) – a defasagem do modelo foi determinada de

acordo com o melhor critério de informação de Schwarz (SIC) – seguindo o modelo proposto
por Sims (1991), com a adição da taxa de juros de longo prazo como variável endógena, o
risco-país (Embi+ BR) e um índice de preços de commodities (índice CRB-Reuters) como
'
⎛ Yt ⎞
( )
variáveis exógenas, onde ⎜⎜ ⎟⎟ = et , p t , yt , rtl , rtc , mt , onde et é a taxa de câmbio efetiva real,
⎝Mt ⎠
pt o índice de preços, yt a produção industrial, rlt a taxa de juros de longo prazo, rct a taxa de
juros de curto prazo e mt a oferta monetária. Chamaremos este modelo de Modelo 1. As
variáveis serão ordenadas desta maneira na decomposição de Cholesky. A Tabela 2 mostra a
matriz de correlação das variáveis endógenas do modelo (inclusive expectativas
inflacionárias, que não estão presentes neste modelo, mas serão utilizadas em outra
especificação mais adiante) e na Figura 4 constam os gráficos das séries utilizadas neste
estudo. Podemos observar um alto grau de correlação entre as variáveis de um modo geral.

Foram utilizados dados mensais de 1995/02 a 2005/07. Este período foi escolhido
devido à maior disponibilidade de dados confiáveis para o Brasil e inicia-se em um momento
em que a economia brasileira já não sofre o processo hiperinflacionário findo na segunda
metade de 1994, evitando assim as distorções causadas por este tipo de processo. Utilizou-se
também duas dummies sazonais (d_1 para janeiro e d_12 para dezembro) e uma dummy de
controle para a flexibilização do Real em 1999/01 (d_cambio, que é incluída multiplicando a
série de câmbio, sendo 0 para antes de 1998/12 e 1 para 1999/01 em diante), data em que
terminou o regime de câmbio fixo e passou a vigorar um regime de câmbio flutuante.
Também foram incluídas quatro dummies de controle para diversos choques sofridos pela
economia brasileira durante o período analisado. Todas as variáveis são incluídas em
logaritmo, exceto as taxas de juros rlt e rct, que são tratadas em porcentagem, também
seguindo o tratamento dado por Sims (1991). Neste modelo a matriz Φ 0 descrita na equação
2.1 é triangular.
 16

Para obtermos uma medida da relação de causalidade entre as variáveis, foi realizado o
teste de causalidade de Granger conjunto, rejeitando ao nível de significância de 1%, para
todas as variáveis, a hipótese nula de não causalidade no sentido de Granger (ver Tabela 3).

Também não foi rejeitada a hipótese de não-correlação serial dos resíduos, ao nível de
significância de 1%, para todos os lags pelo teste LM de Breusch-Godfrey, não
comprometendo assim as estimativas obtidas pelo modelo VAR, e não há a presença de raiz
unitária (todas as raízes inversas do polinômio auto-regressivo característico encontram-se
dentro do círculo unitário), satisfazendo a condição de estabilidade do VAR. A Tabela 4
mostra os coeficientes estimados do modelo.

As funções de impulso-resposta para 36 períodos à frente obtidas através deste modelo

podem ser vistas na Figura 5. Os intervalos de confiança iniciam-se no valor zero. Foram
geradas respostas a inovações na taxa de juros de curto prazo e na oferta monetária.
Observamos um importante resultado do ponto de vista de teoria econômica. A taxa de juros
de curto prazo exerce efeito sobre a inflação no Brasil, ou seja, inovações positivas na taxa
de juros reduzem o nível de preços, tendo seu efeito maximizado no longo prazo, em
aproximadamente dezoito meses. Inovações positivas na taxa de juros de curto prazo também
apreciam a taxa de câmbio, através do aumento do rendimento de ativos denominados em
reais, gerando uma maior procura estes ativos, tendo seu efeito mantido no longo prazo. O
aumento nas taxas de juros também reduz o produto no curto prazo, sem efeitos significativos
no longo prazo. A resposta do produto é mais rápida em relação à resposta do nível de
preços.

Confirmando os resultados esperados pela teoria monetarista, podemos ver que uma
expansão monetária exerce aumento permanente no nível de preços, ou seja, não exerce
efeitos reais sobre o produto, apenas alterações de curto prazo. Uma expansão monetária
também gera uma depreciação cambial no curto e longo prazos, pois pode ser entendido como
um aumento na oferta de moeda local, o que reduz o seu “preço” (cotação frente a moeda
estrangeira).

4.2 Modelos 2 e 3 – 2002/01-2005/07

Agora estimaremos o Modelo 2 (modelo de referência), que compreende o período

entre 2002/01 e 2005/07. O curto período de tempo se deve ao fato de a série de expectativas
inflacionárias coletada pelo BC junto ao mercado iniciar-se em 2001/11. O pequeno tamanho
 17

da amostra também impõe um problema para a inferência através do modelo VAR, mas a
curta história de estabilidade econômica e a falta de dados para a economia brasileira não
devem nos impedir de realizar estudos como este, sempre cientes de suas deficiências. Os
resultados serão interpretados como é usual, mas devemos ter em mente os problemas
impostos pelo curto tamanho da amostra. Temos consciência de que esta série de expectativas
inflacionárias coletada pelo BC pode não ser a mais adequada como indicador das reais
expectativas do mercado. O ideal seria extrair estas expectativas de contratos futuros, ou
algum outro tipo de derivativo financeiro, como contratos futuros de juros, porém isto foge do
objetivo deste trabalho e não será considerado aqui. As mudanças em relação ao Modelo 1 são
a inclusão de expectativas inflacionárias como variável endógena e a defasagem de 2 lags, ao
invés de 1 lag do modelo anterior, escolhido de acordo com o melhor SIC. As variáveis
exógenas do Modelo 1, assim como as dummies, foram mantidas, exceto aquelas que
representavam choques anteriores à 2002/01.

'
⎛ Yt ⎞
( )
A matriz de variáveis endógenas do Modelo 2 é ⎜⎜ ⎟⎟ = et , p t , yt , rtl , ept , rtc , mt , onde
⎝Mt ⎠
ept é a série de expectativas inflacionárias, e todas as outras variáveis seguem a mesma
denominação do modelo anterior. Neste modelo a matriz Φ 0 será estimada através da
decomposição estrutural, diferentemente da restrição imposta no Modelo 1 de que esta matriz
é triangular e identificada através da decomposição de Cholesky. Esta matriz nos trará
informações sobre os efeitos imediatos de inovações entre variáveis endógenas do modelo.

O teste de causalidade Granger indica que a hipótese de não-causalidade no sentido de

Granger foi rejeitada para todas as variáveis endógenas no teste conjunto (ver Tabela 5).
Assim como no Modelo 1, não foi rejeitada, ao nível de significância de 1%, a hipótese de
não-correlação serial dos resíduos pelo teste LM, e não há raiz unitária. Os coeficientes
estimados do Modelo 2 podem ser vistos na Tabela 6.

Através da decomposição estrutural, foram estimadas as matrizes A e B, como

descritas na equação 2.2. A Tabela 7 mostra os coeficientes estimados, e as matrizes A e B
podem ser vistas na Tabela 8. Apesar de sobre-identificado, pelo teste LR vemos que não há
evidências para rejeitarmos a validade das restrições super-identificadas, logo podemos dizer
que o sistema de identificação é válido. Apesar da não rejeição de que vários coeficientes são
 18

iguais a zero, interpretaremos os sinais obtidos e procuraremos entender os resultados da

estimação dos efeitos imediatos entre as variáveis do modelo:

Câmbio – E: Vemos que uma inovação positiva na taxa de juros de curto prazo (RC)
leva a uma apreciação cambial, enquanto que uma expansão monetária (M) gera um efeito
oposto, de depreciação da taxa de câmbio. Ambos estão de acordo com o esperado, pois um
aumento nos juros aumenta a atratividade dos ativos denominados em reais, gerando um
influxo de capitais no país, apreciando a moeda local. Uma expansão monetária pode ser
considerada como um aumento na oferta de moeda local, o que, ceteris paribus, leva a uma
queda na cotação (“preço”) da moeda local.

Nível de preços – P: Um aumento das expectativas inflacionárias (EP) leva a um

aumento no nível de preços, um aumento no spread dos juros longos (RL) contra os juros
curtos (RC) também leva a um aumento no nível de preços, e uma expansão monetária (M)
gera uma redução no nível de preços. Há um resultado contraditório no efeito da expansão
monetária sobre o nível de preços, pois é de se esperar que um aumento na oferta monetária
eleve o nível de preços. Isto pode ocorrer uma vez que estamos observando os efeitos
imediatos, ou seja, no mesmo período de tempo, de inovações nas variáveis do modelo, e o
efeito de uma expansão monetária sobre os preços ocorre com alguma defasagem. Podemos
observar isto no coeficiente de M(-1) na equação de P na Tabela 6, que é positivo, indicando
que o efeito inflacionário de uma expansão monetária inicia-se após um mês. Um aumento no
nível de preços devido à elevação das expectativas inflacionárias é coerente com a teoria de
expectativas racionais. Se os agentes de uma economia esperam que haja inflação no futuro,
eles não esperam o futuro “chegar” para elevarem os preços de seus produtos, já o fazem no
momento presente, antecipando o aumento dos preços. Já uma elevação nos preços devido a
um aumento no spread entre juros longos e curtos indica que um aumento nos juros de curto
prazo leva a uma redução dos preços, que é atualmente a principal ferramenta da política
monetária no controle da inflação.

Produto – Y: Uma depreciação cambial (E) leva a uma redução da produção

industrial, enquanto que um aumento no spread entre juros longos (RL) e curtos (RC) leva a
um aumento na produção. O efeito negativo sobre a produção de uma depreciação cambial
pode ser entendido como um aumento nos preços de insumos importados, reduzindo o
produto. O efeito do spread indica, assim como na equação do nível de preços, que um
 19

aumento nos juros de curto prazo reduz o produto, o que é de se esperar, uma vez que juros
mais elevados reduzem a atratividade do setor produtivo.

Juros de longo prazo – RL: Uma inovação positiva nos juros de curto prazo (RC)
leva a um aumento nos juros de longo prazo. Vemos que o coeficiente, além de ser positivo, é
próximo de 1, o que é de se esperar. Os juros de longo prazo refletem as expectativas do
mercado para os juros de curto prazo para um período futuro. Se hoje os juros de curto prazo
se elevam, espera-se que no futuro estes juros estejam em um nível mais elevado do que
anteriormente se esperava, logo os juros de longo prazo devem se ajustar.

Expectativas inflacionárias – EP: As expectativas de inflação se elevam com o

aumento do spread entre juros longos (RL) e curtos (RC), enquanto que um aumento no nível
de preços (P) reduz as expectativas. Assim como nas equações para o nível de preços e para o
produto, o efeito positivo do spread indica que um aumento nos juros de curto prazo reduz as
expectativas de inflação. Como o BC eleva os juros com a finalidade de reduzir a inflação,
este efeito é refletido diretamente nas expectativas inflacionárias no momento presente, como
é de se esperar. Já o efeito negativo sobre as expectativas de um aumento no nível de preços
parece ser contraditório. Isto pode ocorrer já que as expectativas estão voltadas para o futuro
(na verdade, doze meses à frente), então um aumento nos preços hoje não impacta
diretamente as expectativas inflacionárias. O fato de o coeficiente ser negativo não deve ser
entendido como um efeito direto dos preços nas expectativas, mas sim uma relação espúria.

Juros de curto prazo – RC: Esta equação nos mostra como é determinada a política
de juros do BC no curtíssimo prazo. Um aumento no nível de preços (P) leva a uma redução
na taxa de juros, um aumento na produção industrial (Y) leva a um aumento dos juros, uma
elevação das expectativas inflacionárias (EP) também levam a uma elevação nos juros, e uma
expansão monetária (P) leva a uma redução dos juros. Primeiramente temos dois resultados de
acordo com o esperado. Em resposta a um aumento no produto o BC eleva os juros, pois é um
indicador de nível de atividade econômica, e quanto mais aquecida a economia, maior a
pressão sobre os preços. Quanto a um aumento nas expectativas de inflação, o BC responde
com um aumento na taxa de juros de curto prazo, já antecipando uma possível elevação nos
preços, mostrando um comportamento forward-looking da autoridade monetária. O efeito
negativo de um aumento no nível de preços sobre os juros de curto prazo parece ser
contraditório, pois é exatamente o contrário do que o BC procura fazer – para um aumento
nos preços, eleva-se a taxa de juros para controlar a inflação. Uma possível explicação é que
 20

os ciclos de aperto e afrouxamento monetário (i.e. elevação e redução da taxa de juros de

curto prazo, respectivamente) são caracterizados por uma longa duração. Para entendermos
melhor, suponha que o BC inicie um ciclo de aperto monetário para controlar a aceleração dos
preços. No momento em que os preços começam a desacelerar, o BC ainda continua elevando
a taxa de juros, para evitar um possível retorno do processo inflacionário, ou seja, mesmo que
os preços já estejam se reduzindo, as taxas de juros continuam subindo. Por isso vemos este
resultado aparentemente contraditório, pois o BC não responde instantaneamente a uma
mudança nos preços com a taxa de juros. Outra possível explicação, que na verdade é
complementar à primeira, é que o BC se preocupa mais com a inflação futura do que com a
atual. Isto quer dizer que mesmo que haja choques inflacionários em determinados períodos,
mas que não comprometam a trajetória da inflação para a meta estabelecida pelo CMN, o BC
não elevará a taxa de juros. Já o efeito negativo de uma expansão monetária sobre os juros
pode ser entendido como uma coordenação de ações por parte da autoridade monetária. Ao
realizar um ciclo de aperto monetário, o BC eleva os juros e reduz a oferta monetária, e faz o
contrário para um ciclo de afrouxamento monetário. Com isso o BC realiza uma política
monetária mais eficiente, com ambos os instrumentos de política caminhando na mesma
direção.

Oferta monetária – M: Um aumento no spread entre juros longos (RL) e juros curtos
(RC) leva a uma expansão monetária. Este resultado é coerente com o obtido na equação para
a taxa de juros de curto prazo, pois indica que um aumento nos juros curtos leva a uma
redução da oferta monetária. Novamente isto pode ser entendido como a coordenação de
ações por parte do BC na definição da política monetária.

As funções de impulso-resposta do Modelo 2 podem ser vistas na Figura 6. Podemos

observar a diferença nos intervalos de confiança em relação ao Modelo 1, que antes partiam
do valor zero e agora podem iniciar em valores não nulos devido à decomposição estrutural.
Os resultados principais são semelhantes aos obtidos no Modelo 1. Uma inovação positiva
nos juros de curto prazo aprecia a taxa de câmbio, reduz o nível de preços e reduz o
produto, sendo que a resposta do produto é mais rápida em relação à resposta do nível
de preços. O efeito sobre a taxa de juros de longo prazo foi reduzido em relação ao Modelo 2,
e o impacto de longo prazo sobre a taxa de câmbio passou a ser nulo. Como esperado, uma
inovação positiva nos juros de curto prazo também reduz as expectativas inflacionárias.
Já uma inovação positiva na oferta monetária deprecia a taxa de câmbio, eleva
 21

permanentemente o nível de preços e eleva as expectativas de inflação. Os efeitos de uma

expansão monetária sobre os juros de longo prazo e sobre o produto passaram a ser nulos.

A Figura 7 mostra a decomposição das variâncias do Modelo 2. O resultado mais

interessante que podemos ver aqui é a relevância das expectativas inflacionárias sobre as
flutuações do nível de preços. A figura indica que as expectativas de inflação são o fator
que mais ajudam a explicar as variações no nível de preços, resultado coerente com a
teoria de expectativas racionais. Em segundo lugar aparece a taxa de juros de curto prazo,
indicando que a influência dos juros certamente é crucial no balizamento do nível de preços.
Em contrapartida, o nível de preços e as expectativas inflacionárias são, após a própria
taxa de juros, as variáveis mais relevantes na determinação da taxa básica de juros.
Podemos ver também a alta relevância da taxa de juros de longo prazo em todas as variáveis
do modelo, indicando a importância do mercado financeiro sobre as variáveis
macroeconômicas.

Para sabermos se há relevância em realizarmos a decomposição estrutural ao invés da

tradicional decomposição de Cholesky, ou seja, se há algum ganho na estimação do modelo
SVAR em relação ao modelo mais simples, estimamos o Modelo 2 por decomposição de
Cholesky, e o chamaremos de Modelo 3. O conjunto de variáveis endógenas continua sendo
'
⎛ Yt ⎞
( )
⎜⎜ ⎟⎟ = et , p t , yt , rtl , ept , rtc , mt , nesta ordem.
⎝Mt ⎠

Como não alteramos as variáveis do modelo, o teste de causalidade de Granger e os

coeficientes estimados do Modelo 3 são idênticos aos do Modelo 2 (ver Tabela 5 e Tabela 6,
respectivamente). Observamos as diferenças entre os dois modelo através das funções de
impulso-resposta e da decomposição das variâncias.

As funções de impulso-resposta do Modelo 3 podem ser vistas na Figura 8. Ao

compará-las, podemos ver que a diferença principal se encontra nas respostas das variáveis
aos impulsos na oferta monetária. O efeito de uma expansão monetária na taxa de câmbio é
praticamente nulo no Modelo 3, com uma leve apreciação cambial (ao contrário do Modelo 2,
que indica uma depreciação cambial em resposta a uma expansão monetária) em torno de seis
meses. A resposta do nível de preços a uma expansão monetária também é praticamente nula
no Modelo 3, o que não condiz com a teoria monetarista e os resultados obtidos nos Modelos
1 e 2. O impacto sobre o produto é praticamente o mesmo daquele obtido no Modelo 2. Os
 22

juros de longo prazo respondem ligeiramente de maneira positiva a uma expansão monetária
no Modelo 3, ao contrário da resposta nula obtida no Modelo 2. Talvez o resultado mais
interessante seja o efeito de uma expansão monetária sobre as expectativas de inflação. No
Modelo 3 este efeito é nulo, enquanto que no Modelo 2 é claramente positivo no curto prazo
(intervalo de confiança acima da linha neutra). O resultado obtido no Modelo 2 é mais
coerente com o esperado, pois em resposta a uma expansão monetária, os agentes
econômicos já antecipam, no momento presente, uma maior pressão inflacionária no
médio prazo, refletindo um ajuste para cima das expectativas no curto prazo.

Podemos ver na Figura 9 a decomposição das variâncias das variáveis do Modelo 3.

Quando comparada à decomposição das variâncias obtida no Modelo 2 vemos claramente os
ganhos obtidos com a decomposição estrutural em relação à de Cholesky. Ao contrário dos
resultados obtidos no Modelo 2, a influência das expectativas inflacionárias e da oferta
monetária nas flutuações das outras variáveis do modelo é praticamente nula. A taxa de juros
de longo prazo, um dos principais fatores explicativos para as variações das outras variáveis
no Modelo 2, tem pouca relevância nos resultados obtidos no Modelo 3. A taxa de câmbio é
relevante para as variações no nível de preços e, principalmente, nas expectativas de inflação,
tendo seu efeito insignificante para explicar as flutuações das outras variáveis. De um modo
geral, podemos ver que a interação entre as variáveis, ou seja, a influência de cada variável
em todas as outras, no Modelo 2 é certamente mais relevante do que no Modelo 3.

Após a comparação das funções de impulso-resposta e das decomposições das

variâncias dos Modelos 2 e 3, chegamos à conclusão de que existem ganhos significativos do
modelo estrutural em relação à decomposição de Cholesky, principalmente no que diz
respeito aos efeitos exercidos pelas expectativas de inflação. Isto porque a decomposição de
Cholesky não se vale da teoria econômica, é um modelo meramente estatístico. Através deste
estudo mostramos a relevância de se alinhar as ferramentas estatísticas à teoria econômica
para a obtenção de resultados empíricos que façam sentido e sejam relevantes para o melhor
entendimento dos problemas analisados.
 23

5. Conclusão

A inclusão de expectativas inflacionárias é essencial para o entendimento de como a

autoridade monetária define a política que será adotada. O Banco Central do Brasil tem um
comportamento forward-looking, ou seja, se preocupa mais com a inflação esperada para o
futuro e qual sua trajetória em relação à meta de inflação para definir a política monetária do
que variações de curto prazo no nível de preços da economia.

Por ser super-identificado, o modelo de referência (Modelo 2) tem a vantagem de nos

dar a possibilidade de testar a validade das restrições excedentes, e obtivemos um esquema de
identificação válido. Conseguimos importantes resultados sobre como a política monetária
tem sido praticada no Brasil no período recente e seus impactos na economia. Inovamos com
a inclusão de expectativas inflacionárias no estudo do mecanismo de transmissão monetária
na economia brasileira, e através dos resultados satisfatórios aqui obtidos pudemos mostrar
sua relevância. Este tema está longe de ser esgotado por completo, e novos estudos devem ser
feitos neste sentido para o melhor entendimento do comportamento do Banco Central, um
assunto que aparentemente fica cada vez mais atual.

Os principais resultados obtidos através do modelo de referência foram: (1) inovações

positivas na taxa de juros de curto prazo levam a uma apreciação cambial, reduzem o nível de
preços e o produto – sendo que o produto responde mais rapidamente em relação ao nível de
preços – elevam a taxa de juros de longo prazo e reduzem as expectativas de inflação, (2) uma
expansão monetária leva a uma depreciação cambial, aumento permanente no nível de preços,
não exerce quase nenhum efeito sobre o produto e a taxa de juros de longo prazo e eleva as
expectativas de inflação, (3) o único efeito relevante de longo prazo de uma expansão
monetária é o aumento no nível de preços (4) expectativas de inflação são extremamente
relevantes para explicar variações no nível de preços, sendo a fonte mais importante das
flutuações dos preços, seguida pela taxa de juros de curto prazo, e (5) a decomposição
estrutural traz ganhos significativos em relação à decomposição de Cholesky.
 24

Referências bibliográficas

BERNANKE, Ben S.; BOIVIN, Jean; ELIASZ, Piotr. Measuring the effects of monetary
policy: a factor-augmented vector autoregressive (FAVAR) approach. NBER Working Paper
Series, n. 10220, 2004.

BERNANKE, Ben S.; MIHOV, Ilian. Measuring monetary policy. The Quarterly Journal of
Economics, vol. 113, n. 3, August 1998.

BERNANKE, Ben S.; WOODFORD, Michael. Inflation forecasts and monetary policy.
Journal of Money, Credit and Banking, vol. 29, n. 4, part 2: Dynamic effects of monetary
policy, November 1997.

CÉSPEDES, Brisne J. V.; LIMA, Elcyon C. R.; MAKA, Alexis. Monetary policy, inflation
and the level of economic activity in Brazil after the Real plan: stylized facts from SVAR
models. IPEA, Texto para discussão, n. 1101, 2005.

CYSNE, Rubens P.; SIMONSEN, Mário H. Macroeconomia. 2 ed. São Paulo: Editora Atlas,
1995.

FAVERO, Carlo A. Applied macroeconometrics. Oxford: Oxford University Press, 2001.

FERNANDES, Marcelo; TORO, Juan. O mecanismo de transmissão monetária na economia

brasileira pós-Plano Real. Revista Brasileira de Economia, vol. 59, n. 1, 2005.

FIORENCIO, Antonio; LIMA, Elcyon C. R.; MOREIRA, Ajax R. B. Os impactos das

políticas monetária e cambial no Brasil pós-Plano Real. IPEA, Texto para discussão, n. 579,
1998.

LEEPER, Eric M.; SIMS, Christopher A.; ZHA, Tao. What does monetary policy do?
Brookings Papers on Economic Activity, vol. 2, 1996.

MINELLA, André. Monetary policy and inflation in Brazil (1975-2000): a VAR estimation.
Revista Brasileira de Economia, vol. 57, n. 3, 2003.
 25

SIMS, Christopher A. Macroeconomics and reality. Econometrica, vol. 48, n. 1, 1980.

SIMS, Christopher A. Interpreting the macroeconomic time series facts: the effects of
monetary policy. European Economic Review, Elsevier, vol.36, n.5, 1992.
 26

Apêndice A – Tabelas

Tabela 1 – Descrição das variáveis utilizadas

Código Nome Fonte Comentários

E Taxa de câmbio efetiva real Cálculos do autor* Índice Jan/94=100

P Índice nacional de preços ao IBGE/SNIPC Índice Dez/93=100

consumidor amplo – IPCA

Y Produção industrial IBGE/PIM-PF Índice média 2002=100 – Indústria geral

(quantum) com ajuste sazonal

RL Taxa de juros de longo prazo Bolsa de Mercadorias Taxa do swap pré X DI de 360 dias
e Futuros – BM&F anualizada base 252 no último dia do
mês (%)

RC Taxa de juros de curto prazo BCB/Sisbacen Taxa Selic efetiva anualizada base 252
PTAX860 no último dia útil do mês (%)

M Oferta monetária – M1 BCB Boletim/Moeda Base monetária e meios de pagamento no

mês (R$ milhões)

EP Expectativas inflacionárias BCB/Focus Mediana das expectativas para o IPCA

12 meses à frente do relatório Focus (%)

LCRB Índice CRB-Reuters/Jefferies Reuters/Jefferies Índice baseado na média dos preços

de preços de commodities futuros de 17 diferentes commodities

LEMBI Risco-Brasil – EMBI+BR JP Morgan Bond Índice que mede o spread pago entre
Indices títulos brasileiros e os treasuries
* Disponível sob requerimento.

Tabela 2 – Matriz de correlação

E P Y RL EP RC M

E 1.000000
P -0.329338 1.000000
Y -0.367637 0.819659 1.000000
RL 0.727921 -0.504774 -0.490419 1.000000
EP 0.678841 -0.021157 -0.207627 0.651805 1.000000
RC 0.311228 -0.141405 -0.493756 0.622378 0.679863 1.000000
M -0.205301 0.868014 0.870666 -0.325991 0.045992 -0.248570 1.000000
 27

Tabela 3 – Teste de causalidade Granger conjunto – Modelo 1

Variável dependente: D_CAMBIO*E Variável dependente: RL

Excluído Chi-q Prob. Excluído Chi-q Prob.

P 1.528445 0.2163 D_CAMBIO*E 7.689175 0.0056

Y 1.252173 0.2631 P 6.604938 0.0102
RL 0.986169 0.3207 Y 21.07638 0.0000
RC 5.607624 0.0179 RC 8.232969 0.0041
M 0.271241 0.6025 M 1.323218 0.2500

Conjunto 14.39026 0.0133 Conjunto 53.44490 0.0000

Variável dependente: P Variável dependente: RC

Excluído Chi-q Prob. Excluído Chi-q Prob.

D_CAMBIO*E 6.836360 0.0089 D_CAMBIO*E 1.693676 0.1931

Y 0.393543 0.5304 P 3.392991 0.0655
RL 26.60579 0.0000 Y 0.183670 0.6682
RC 7.312016 0.0068 RL 58.70671 0.0000
M 0.125128 0.7235 M 2.606410 0.1064

Conjunto 51.64045 0.0000 Conjunto 61.62206 0.0000

Variável dependente: Y Variável dependente: M

Excluído Chi-q Prob. Excluído Chi-q Prob.

D_CAMBIO*E 3.232388 0.0722 D_CAMBIO*E 0.026017 0.8719

P 1.311636 0.2521 P 6.531159 0.0106
RL 0.016522 0.8977 Y 0.831874 0.3617
RC 4.273815 0.0387 RL 0.373082 0.5413
M 0.051822 0.8199 RC 3.918035 0.0478

Conjunto 67.04394 0.0000 Conjunto 16.69021 0.0051

 28

Tabela 4 – Coeficientes estimados – Modelo 1

D_CAMBIO*E P Y RL RC M

D_CAMBIO(-1)*E(-1) 0.996161 0.000827 0.002876 -0.007433 -0.002424 -0.000641

[291.896] [2.61464] [1.79788] [-2.77294] [-1.30141] [-0.16130]

P(-1) -0.103767 0.990609 0.045064 -0.169434 0.084381 0.249971

[-1.23630] [127.334] [1.14527] [-2.57001] [1.84201] [2.55561]

Y(-1) 0.131091 0.006812 0.653073 0.422447 0.027402 0.124517

[1.11901] [0.62733] [11.8914] [4.59090] [0.42857] [0.91207]

RL(-1) 0.080000 0.038515 0.004854 0.573705 0.336879 0.057342

[0.99306] [5.15808] [0.12854] [9.06658] [7.66203] [0.61080]

RC(-1) -0.184103 -0.019486 -0.075347 0.175220 0.596322 -0.179335

[-2.36804] [-2.70407] [-2.06732] [2.86932] [14.0537] [-1.97940]

M(-1) 0.018073 -0.001138 0.003703 0.031355 -0.030577 0.857938

[0.52081] [-0.35373] [0.22765] [1.15031] [-1.61444] [21.2150]

C -0.798251 -0.176047 0.991906 -1.785666 -0.242442 0.250925

[-2.15203] [-5.12051] [5.70416] [-6.12881] [-1.19756] [0.58049]

D_1 -0.003203 0.004308 -0.006880 -0.002941 0.001533 -0.079184

[-0.23273] [3.37664] [-1.06617] [-0.27200] [0.20406] [-4.93660]

D_12 -0.014929 0.002520 -0.005950 -0.009387 0.002845 0.165426

[-1.27772] [2.32719] [-1.08629] [-1.02282] [0.44620] [12.1496]

D_CONTR1 -0.024125 -0.002427 0.048040 0.167278 0.181475 -0.031754

[-1.13807] [-1.23523] [4.83410] [10.0464] [15.6857] [-1.28542]

D_ CONTR2 4.263805 -0.003493 0.032950 0.217262 0.090981 0.082654

[107.824] [-0.95305] [1.77738] [6.99468] [4.21551] [1.79358]

D_ CONTR3 -0.043170 -0.007218 0.016841 0.014736 0.167497 0.011146

[-1.89154] [-3.41203] [1.57406] [0.82203] [13.4469] [0.41907]

D_ CONTR4 -0.027708 0.010344 0.000789 0.003793 0.006064 0.000690

[-1.54622] [6.22745] [0.09396] [0.26950] [0.61998] [0.03305]

LCRB 0.040685 0.027336 0.072533 0.003279 0.013954 -0.065615

[0.75380] [5.46423] [2.86655] [0.07735] [0.47369] [-1.04318]

LEMBI 0.042798 0.007601 -0.005462 0.051340 0.001374 0.002047

[3.60222] [6.90185] [-0.98070] [5.50125] [0.21194] [0.14781]

[ ] Estatística-t.
 29

Tabela 5 – Teste de causalidade Granger conjunto – Modelo 2

Variável dependente: E Variável dependente: EP

Excluído Chi-q Prob. Excluído Chi-q Prob.
P 14.24801 0.0008 E 16.29721 0.0003
Y 5.476851 0.0647 P 5.805762 0.0549
RL 9.968800 0.0068 Y 1.306906 0.5202
EP 12.84489 0.0016 RL 5.933469 0.0515
RC 14.26030 0.0008 RC 13.30886 0.0013
M 3.917079 0.1411 M 1.707823 0.4257
Conjunto 64.47414 0.0000 Conjunto 149.0311 0.0000

Variável dependente: P Variável dependente: RC

Excluído Chi-q Prob. Excluído Chi-q Prob.
E 7.139395 0.0282 E 8.718942 0.0128
Y 1.574599 0.4551 P 0.631229 0.7293
RL 3.618932 0.1637 Y 4.122572 0.1273
EP 1.012465 0.6028 RL 6.705085 0.0350
RC 1.616236 0.4457 EP 0.793951 0.6724
M 2.943972 0.2295 M 2.799682 0.2466
Conjunto 32.62146 0.0011 Conjunto 44.63338 0.0000

Variável dependente: Y Variável dependente: M

Excluído Chi-q Prob. Excluído Chi-q Prob.
E 1.196951 0.5496 E 1.714844 0.4243
P 0.699187 0.7050 P 26.38278 0.0000
RL 1.836938 0.3991 Y 8.962796 0.0113
EP 0.273153 0.8723 RL 13.05387 0.0015
RC 4.222244 0.1211 EP 1.541849 0.4626
M 0.696581 0.7059 RC 8.628050 0.0134
Conjunto 19.34338 0.0806 Conjunto 87.99237 0.0000

Variável dependente: RL
Excluído Chi-q Prob.
E 3.124679 0.2096
P 2.939176 0.2300
Y 9.970850 0.0068
EP 4.274922 0.1180
RC 2.422504 0.2978
M 5.791593 0.0553
Conjunto 51.50818 0.0000
 30

Tabela 6 – Coeficientes estimados – Modelo 2

E P Y RL EP RC M
E(-1) 0.270961 0.034573 -0.084294 -0.051693 0.026545 -0.055359 -0.121019
[1.81908] [2.66951] [-0.95325] [-0.88025] [1.68272] [-1.63715] [-1.23977]
E(-2) 0.198057 -0.017072 0.005152 0.088199 0.029025 0.084953 0.026671
[1.56264] [-1.54914] [0.06847] [1.76507] [2.16238] [2.95257] [0.32110]
P(-1) -8.715198 1.088532 0.061645 -1.097651 -0.310116 0.082443 -1.920843
[-3.55288] [5.10376] [0.04233] [-1.13501] [-1.19377] [0.14805] [-1.19492]
P(-2) 9.080953 -0.160280 0.095851 0.932152 0.238451 -0.138275 2.950543
[3.68746] [-0.74855] [0.06556] [0.96009] [0.91430] [-0.24734] [1.82827]
Y(-1) -0.532987 0.042177 0.593854 0.167826 0.014819 -0.131640 0.065753
[-1.28914] [1.17329] [2.41950] [1.02961] [0.33844] [-1.40257] [0.24268]
Y(-2) -0.437529 -0.008018 -0.334094 0.344523 0.034736 0.192104 0.684898
[-1.02275] [-0.21557] [-1.31551] [2.04273] [0.76672] [1.97812] [2.44304]
RL(-1) 1.322202 -0.061273 0.259693 0.178431 0.066534 0.227872 0.993824
[2.88561] [-1.53799] [0.95469] [0.98774] [1.37111] [2.19071] [3.30973]
RL(-2) -0.272723 0.027501 0.268560 0.136479 0.094996 -0.083235 0.543845
[-0.68273] [0.79181] [1.13249] [0.86661] [2.24556] [-0.91789] [2.07752]
EP(-1) 2.421359 0.095386 -0.199963 -0.708117 0.738547 -0.124811 -0.051500
[1.94788] [0.88254] [-0.27097] [-1.44490] [5.61012] [-0.44229] [-0.06322]
EP(-2) 0.725306 -0.058106 0.217496 0.577729 -0.241282 -0.048468 -0.419664
[1.02110] [-0.94083] [0.51578] [2.06302] [-3.20749] [-0.30058] [-0.90155]
RC(-1) -3.819802 -0.031688 -1.208705 -0.068285 -0.379851 0.868737 -0.573573
[-3.43259] [-0.32751] [-1.82964] [-0.15565] [-3.22319] [3.43893] [-0.78653]
RC(-2) 1.289051 0.091727 0.369270 0.454822 0.356346 0.010152 -0.900464
[1.33884] [1.09573] [0.64605] [1.19821] [3.49481] [0.04645] [-1.42715]
M(-1) -0.148220 0.035364 0.140027 0.031959 4.27E-05 0.004827 -0.293750
[-0.51896] [1.42408] [0.82586] [0.28383] [0.00141] [0.07444] [-1.56946]
M(-2) 0.228679 -0.002952 -0.036391 0.080357 0.013241 0.034849 0.342353
[1.75641] [-0.26080] [-0.47082] [1.56551] [0.96028] [1.17909] [4.01253]
C 2.885433 -0.358869 2.008663 -3.441156 -0.525222 -0.506679 1.772241
[1.30001] [-1.85959] [1.52443] [-3.93253] [-2.23445] [-1.00559] [1.21843]
D_1 0.052016 -0.002458 -0.024581 0.004836 0.001505 -0.000881 0.091711
[1.09767] [-0.59655] [-0.87375] [0.25885] [0.29997] [-0.08193] [2.95322]
D_12 0.057873 0.000425 -0.012640 0.012725 0.001708 0.003115 0.182103
[2.80933] [0.23709] [-1.03354] [1.56676] [0.78302] [0.66605] [13.4892]
LCRB 0.092735 0.011967 -0.004602 -0.021982 0.041815 -0.013209 0.177850
[0.50829] [0.75439] [-0.04249] [-0.30561] [2.16420] [-0.31894] [1.48754]
LEMBI 0.149275 0.003460 -0.009740 0.091015 0.000851 -0.003082 0.034165
[5.82043] [1.55169] [-0.63969] [9.00141] [0.31319] [-0.52940] [2.03276]
D_CONTR1 0.014247 0.009213 0.021695 0.029360 0.023281 0.005975 0.006331
[0.61578] [4.57978] [1.57951] [3.21883] [9.50157] [1.13769] [0.41758]

[ ] Estatística-t.
 31

Tabela 7 – Coeficientes estimados da decomposição estrutural – Modelo 2

E=C(8)*RC+C(9)*M+C(1)*@u1
P=C(10)*EP+C(11)*(RL-RC)+C(12)*M+C(2)*@u2
Y=C(13)*E+C(14)*(RL-RC)+C(3)*@u3
RL=C(15)*RC+C(4)*@u4
EP=C(16)*(RL-RC)+C(17)*P+C(5)*@u5
RC=C(18)*P+C(19)*Y+C(20)*EP+C(21)*M+C(6)*@u6
M=C(22)*(RL-RC)+C(7)*@u7

Coeficiente Erro Padrão Estatística-z Prob.

C(8) -0.379827 0.749872 -0.506522 0.6125

C(9) 0.302897 0.233295 1.298341 0.1942
C(10) 1.320412 1.153219 1.144980 0.2522
C(11) 0.220669 0.147539 1.495666 0.1347
C(12) -0.089691 0.068765 -1.304304 0.1921
C(13) -0.197719 0.083594 -2.365226 0.0180
C(14) 0.738823 0.232525 3.177391 0.0015
C(15) 0.833818 0.487694 1.709714 0.0873
C(16) 0.052983 0.161335 0.328403 0.7426
C(17) -2.128387 2.324886 -0.915480 0.3599
C(18) -1.245408 0.284777 -4.373271 0.0000
C(19) 0.131863 0.045957 2.869273 0.0041
C(20) 0.774497 0.240789 3.216494 0.0013
C(21) -0.112894 0.041958 -2.690637 0.0071
C(22) 0.728611 0.230585 3.159841 0.0016
C(1) 0.022037 0.002417 9.118650 0.0000
C(2) 0.003275 0.002140 1.530482 0.1259
C(3) 0.011807 0.001276 9.256322 0.0000
C(4) 0.008903 0.001101 8.082726 0.0000
C(5) 0.004799 0.003901 1.230170 0.2186
C(6) 0.003581 0.000387 9.248771 0.0000
C(7) 0.013379 0.001443 9.271893 0.0000

Verossimilhança 1090.359
Teste LR de sobre-identificação:
Chi-q (6) 6.297881 Prob. 0.3907
 32

Tabela 8 – Matrizes A e B – Modelo 2

Matriz A estimada:

1 0 0 0 0 0.379827 -0.302897
0 1 0 -0.220669 -1.320412 0.220669 0.089691
0.197719 0 1 -0.738823 0 0.738823 0
0 0 0 1 0 -0.833818 0
0 2.128387 0 -0.052983 1 0.052983 0
0 1.245408 -0.131863 0 -0.774497 1 0.112894
0 0 0 -0.728611 0 0.728611 1

Matriz B estimada:

0.022037 0 0 0 0 0 0
0 0.003275 0 0 0 0 0
0 0 0.011807 0 0 0 0
0 0 0 0.008903 0 0 0
0 0 0 0 0.004799 0 0
0 0 0 0 0 0.003581 0
0 0 0 0 0 0 0.013379
 33

Apêndice B – Figuras

Figura 1 – Expectativas de inflação (IPCA): pesquisa Focus

6,5%

6,0%

5,5%

5,0%

4,5%
jan-05 fev-05 mar-05 abr-05 mai-05 jun-05 jul-05 ago-05 set-05 out-05

Expectativas para 2005 Expectativas para os próximos 12 meses M eta para 2005

Fonte: Banco Central do Brasil

Figura 2 – Inflação e base monetária

18% 19.000

16%
15.000
14%
Base monetária
Inflação

12% 11.000

10% 7.000
8%
3.000
6%

4% (1.000)
2000 2001 2002 2003 2004 2005
IPCA - 12m acumulados Base monetária - Variação mensal 12m acumulados - M M 6m

Fonte: IBGE e Ipeadata

 34

Figura 3 – Inflação e taxa Selic

18% 27%
16% 25%

Juros nominais
14%
23%
Inflação

12%
21%
10%
19%
8%
6% 17%

4% 15%
2000 2001 2002 2003 2004 2005

IPCA - 12m acumulados Taxa Selic - Meta do Banco Central

Fonte: IBGE e Banco Central do Brasil

Figura 4 – Variáveis utilizadas

5.0 4.9 4.75 .9

4.8 4.70 .8
4.8
4.7
4.65 .7
4.6 4.6
4.5 4.60 .6
4.4 4.4 4.55 .5
4.3 4.50 .4
4.2
4.2
4.45 .3
4.0 4.1
4.0 4.40 .2
3.8 3.9 4.35 .1
1996 1998 2000 2002 2004 1996 1998 2000 2002 2004 1996 1998 2000 2002 2004 1996 1998 2000 2002 2004
E P Y RL
.14 .9 12.0 5.9
.13 .8
11.6 5.8
.12
.7
.11 5.7
11.2
.10 .6
5.6
.09 .5 10.8
.08 5.5
.4
10.4
.07 5.4
.3
.06 10.0
.2 5.3
.05
.04 .1 9.6 5.2
1996 1998 2000 2002 2004 1996 1998 2000 2002 2004 1996 1998 2000 2002 2004 1996 1998 2000 2002 2004
EP RC M LCRB
8.0 1.0 1.0 1.0
0.9 0.9 0.9
7.6
0.8 0.8 0.8
0.7 0.7 0.7
7.2
0.6 0.6 0.6
6.8 0.5 0.5 0.5
0.4 0.4 0.4
6.4
0.3 0.3 0.3
6.0 0.2 0.2 0.2
0.1 0.1 0.1
5.6 0.0 0.0 0.0
1996 1998 2000 2002 2004 1996 1998 2000 2002 2004 1996 1998 2000 2002 2004 1996 1998 2000 2002 2004
LEMBI D_1 D_12 D_CAMBIO
 35

Figura 5 – Funções de impulso-resposta (eixo horizontal em meses) – Modelo 1

Impulso em

RC M
.03 .03

.02 .02
D_CAMBIO*E

.01 .01

.00 .00

-.01 -.01

-.02 -.02
6 12 18 24 30 36 6 12 18 24 30 36

.003 .003

.002 .002

.001 .001
P

.000 .000

-.001 -.001
Resposta de

-.002 -.002
6 12 18 24 30 36 6 12 18 24 30 36

.003 .003

.002 .002

.001 .001

.000 .000
Y

-.001 -.001

-.002 -.002

-.003 -.003

-.004 -.004
6 12 18 24 30 36 6 12 18 24 30 36

.006 .006
.005 .005
.004 .004
.003 .003
.002 .002
RL

.001 .001
.000 .000
-.001 -.001
-.002 -.002
-.003 -.003
6 12 18 24 30 36 6 12 18 24 30 36
 36

Figura 6 – Funções de impulso-resposta (eixo horizontal em meses) – Modelo 2

Impulso em
RC M
.02 .02

.01 .01

.00 .00
E

-.01 -.01

-.02 -.02

-.03 -.03
6 12 18 24 30 36 6 12 18 24 30 36

.003 .003
.002 .002
.001 .001
.000 .000
-.001 -.001
P

-.002 -.002
-.003 -.003
-.004 -.004
-.005 -.005
6 12 18 24 30 36 6 12 18 24 30 36

.008 .008

.004 .004
Resposta de

.000 .000
Y

-.004 -.004

-.008 -.008

-.012 -.012
6 12 18 24 30 36 6 12 18 24 30 36

.008 .008
.006 .006
.004 .004
.002 .002
RL

.000 .000
-.002 -.002
-.004 -.004
-.006 -.006
-.008 -.008
6 12 18 24 30 36 6 12 18 24 30 36

.003 .003

.002 .002

.001 .001
EP

.000 .000

-.001 -.001

-.002 -.002

-.003 -.003
6 12 18 24 30 36 6 12 18 24 30 36
 37

Figura 7 – Decomposição da variância (eixo horizontal em meses) – Modelo 2

Devido a
E P Y RL EP RC M
100 100 100 100 100 100 100
80 80 80 80 80 80 80

60 60 60 60 60 60 60
E

40 40 40 40 40 40 40

20 20 20 20 20 20 20
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

70 70 70 70 70 70 70

50 50 50 50 50 50 50
P

30 30 30 30 30 30 30

10 10 10 10 10 10 10
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

70 70 70 70 70 70 70

50 50 50 50 50 50 50
Y

30 30 30 30 30 30 30
Porcentagem da variância de

10 10 10 10 10 10 10
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

70 70 70 70 70 70 70

50 50 50 50 50 50 50
RL

30 30 30 30 30 30 30

10 10 10 10 10 10 10
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

60 60 60 60 60 60 60
50 50 50 50 50 50 50
40 40 40 40 40 40 40
EP

30 30 30 30 30 30 30
20 20 20 20 20 20 20
10 10 10 10 10 10 10
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

60 60 60 60 60 60 60
50 50 50 50 50 50 50
40 40 40 40 40 40 40
RC

30 30 30 30 30 30 30
20 20 20 20 20 20 20
10 10 10 10 10 10 10
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

80 80 80 80 80 80 80

60 60 60 60 60 60 60
M

40 40 40 40 40 40 40

20 20 20 20 20 20 20

0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36
 38

Figura 8 – Funções de impulso-resposta (eixo horizontal em meses) – Modelo 3

Impulso em
RC M
.02 .02

.01 .01

.00 .00
E

-.01 -.01

-.02 -.02

-.03 -.03
6 12 18 24 30 36 6 12 18 24 30 36

.002 .002

.001 .001

.000 .000

-.001 -.001
P

-.002 -.002

-.003 -.003

-.004 -.004

-.005 -.005
6 12 18 24 30 36 6 12 18 24 30 36

.008 .008

.004 .004
Resposta de

.000 .000
Y

-.004 -.004

-.008 -.008

-.012 -.012
6 12 18 24 30 36 6 12 18 24 30 36

.006 .006

.004 .004

.002 .002

.000 .000
RL

-.002 -.002

-.004 -.004

-.006 -.006

-.008 -.008
6 12 18 24 30 36 6 12 18 24 30 36

.002 .002

.001 .001

.000 .000
EP

-.001 -.001

-.002 -.002

-.003 -.003
6 12 18 24 30 36 6 12 18 24 30 36
 39

Figura 9 – Decomposição da variância (eixo horizontal em meses) – Modelo 3

Devido a
E P Y RL EP RC M
100 100 100 100 100 100 100
80 80 80 80 80 80 80
60 60 60 60 60 60 60
E

40 40 40 40 40 40 40
20 20 20 20 20 20 20
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

100 100 100 100 100 100 100

80 80 80 80 80 80 80
60 60 60 60 60 60 60
EP

40 40 40 40 40 40 40
20 20 20 20 20 20 20

0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

100 100 100 100 100 100 100

80 80 80 80 80 80 80
60 60 60 60 60 60 60
EY

40 40 40 40 40 40 40
Porcentagem da variância de

20 20 20 20 20 20 20
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

100 100 100 100 100 100 100

80 80 80 80 80 80 80
60 60 60 60 60 60 60
RL
E

40 40 40 40 40 40 40
20 20 20 20 20 20 20

0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

100 100 100 100 100 100 100

80 80 80 80 80 80 80
60 60 60 60 60 60 60
EEP

40 40 40 40 40 40 40
20 20 20 20 20 20 20
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

100 100 100 100 100 100 100

80 80 80 80 80 80 80
60 60 60 60 60 60 60
RC
E

40 40 40 40 40 40 40
20 20 20 20 20 20 20
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36

100 100 100 100 100 100 100

80 80 80 80 80 80 80
60 60 60 60 60 60 60
EM

40 40 40 40 40 40 40
20 20 20 20 20 20 20
0 0 0 0 0 0 0
6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36 6 12 18 24 30 36