UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

Transcrição

1 UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA Agregados monetários e preços: testes de cointegração e causalidade de Granger e análise de funções de resposta a impulso para o período de no Brasil Aluno: Vitor Freire Valente Orientador: Prof. Dr. Fabio Kanczuk Monografia de Graduação Segundo semestre de 2006

2 SUMÁRIO Dados os movimentos dos agregados monetários M 1 de dezembro de 1979 a junho de 2006; e dos agregados M 2, M 3 e M 4 de dezembro de 1979 a junho de 2001; busca-se, neste trabalho, testar a importância da taxa de variação de tais agregados na taxa de inflação da economia brasileira. Para tal, divide-se cada amostra em duas subamostras, testa-se a existência de cointegração entre cada par de variáveis tomadas no nível e, para os modelos com variaveis não-cointegradas, estimam-se modelos autorregressivos vetoriais VAR com as variáveis em primeiras diferenças; a partir dos quais se analisam as funções de resposta da taxa de inflação a impulsos nas taxas de variação dos agregados monetários. A partir dos modelos VAR ou VEC, conforme o caso, realizam-se testes de causalidade de Granger. 2

3 ÍNDICE 1. Introdução A política monetária na economia brasileira de dezembro de 1979 a junho de Breve revisão dos trabalhos empíricos Base de dados e variáveis utilizadas Testes de raízes unitárias Procedimento de Johansen e testes de cointegração Análise das funções de resposta a impulsos Testes de causalidade de Granger Considerações finais Referências bibliográficas Anexo I. Gráficos das variáveis utilizadas Anexo II. Valores críticos dos testes de raízes unitárias

4 LISTA DE TABELAS, GRÁFICOS E FIGURAS Tabela 5.1 Teste de Dickey e Pantula para duas raízes unitárias para o primeiro período...17 Tabela 5.2 Teste de Dickey e Pantula para uma raiz unitária para o primeiro período...17 Tabela 5.3 Teste de Dickey e Pantula para duas raízes unitárias para o segundo período...18 Tabela 5.4 Teste de Dickey e Pantula para uma raiz unitária para o segundo período...18 Tabela 6.1 Primeiro período, VEC(LIPCA, LM 1 )...22 Tabela 6.2 Primeiro período, VEC(LIPCA, LM 2 )...22 Tabela 6.3 Primeiro período, VEC(LIPCA, LM 3 )...22 Tabela 6.4 Primeiro período, VEC(LIPCA, LM 4 )...23 Tabela 6.5 Segundo período, VEC(LIPCA, LM 1 )...23 Tabela 6.6 Segundo período, VEC(LIPCA, LM 2 )...23 Tabela 6.7 Segundo período, VEC(LIPCA, LM 3 )...23 Tabela 6.8 Segundo período, VEC(LIPCA, LM 4 )...24 Tabela 6.9 Teste de autocorrelação dos resíduos de Portmanteau...24 Figura 7.1 Funções de resposta a impulsos de DLIPCA a impulsos em DLM 2 e DLM 3 para o segundo período...29 Figura 7.2 Funções de resposta de DLIPCA a impulsos em DLM Figura 7.3 Funções de resposta de DLIPCA a impulsos em DLM Figura 7.4 Funções de resposta de DLIPCA a impulsos em DLM Figura 7.5 Funções de resposta de DLIPCA a impulsos em DLM Tabela 8.1 Testes F de causalidade de Granger...35 Tabela 8.2 Testes 2 de causalidade de Granger...35 Anexo I. Gráficos das variáveis utilizadas...40 Anexo II. Valores críticos dos testes de raízes unitárias

5 1. Introdução Costuma-se atribuir às variações da oferta de moeda as variações no nível de preços das economias monetárias; já que o aumento desta oferta de moeda, se demandada para o consumo de bens, ocasiona um aumento da demanda por eles, o que acarreta, tudo o mais constante, um aumento dos respectivos preços 1. Tal mudança no nível de preços, devida à variação do estoque nominal de moeda; não ocorre, entretanto, imediatamente, visto que é necessário um intervalo de tempo para que o aumento do estoque de moeda tenha efeito no nível de preços. Esta relação de longo prazo entre moeda e preços tem base na Teoria Quantitativa da Moeda. Ela é representada pela equação de trocas MV = PY, que diz que o produto nominal de uma economia deve igualar-se à quantidade total de moeda, multiplicada por sua velocidade de circulação. A partir desta relação, supondo-se que a velocidade de circulação da moeda e o nível de produto não se alterem no curto prazo, diz-se que a quantidade de moeda determina o nível de preços e que, por sua vez, a taxa de variação desta quantidade de moeda determina a taxa de inflação 2. A partir da década de 1970, entretanto, inovações financeiras globais acabaram por aumentar a instabilidade da demanda por moeda, de forma que o controle dos agregados monetários deixou de ser a melhor forma de execução de política monetária. Por conta da possibilidade do uso financeiro da moeda, a relação direta entre oferta de moeda e nível de preços, mostrada na equação de trocas da Teoria Quantitativa da Moeda, nem sempre se verificava. Como a moeda deixou de ser altamente correlacionada com o nível de preços no curto prazo, diversos bancos centrais que já 1 Há, ainda, um mecanismo indireto de transmissão da variação do estoque monetário para a inflação, por meio do qual qualquer expansão monetária corresponde a uma diminuição da taxa de juros, o que proporciona um aumento dos gastos com investimento da economia que, por sua vez, acarreta um aumento da demanda agregada que, tudo o mais constante, acarreta um aumento dos preços (Blaug, 1990). 2 Para que MV=PY tenha status de uma teoria quantitativa, são necessárias as hipóteses: (1) Causalidade somente no sentido de MV para PY. Considera-se que (a) a velocidade de circulação da moeda seja constante, o que descarta a função de entesouramento da moeda, cuja demanta teria, como única finalidade imediata, o consumo e que (b) a moeda seja neutra, o que equivale a dizer que as alterações em seu estoque não acarretam efeito de longo prazo algum em variáveis reais como, por exemplo, a renda real da economia, determinada de forma exógena na equação; (2) As variações de M e V devem ser atribuídas somente a fatores não-monetários; (3) A oferta de moeda deve ser determinada independentemente da demanda por moeda (Blaug, 1990). 5

6 haviam deixado de administrar taxa de câmbio o que torna as economias vulneráveis a choques externos passaram a abandonar, ao longo da década de 1980, o controle dos agregados monetários, ficando a respectiva taxa básica de juros como variável de administração da política monetária na qual a oferta de moeda é determinada endogenamente uma política monetária passiva. No caso brasileiro, contudo, o abandono do câmbio administrado ocorreu tardiamente, no final da década de Apesar desta tendência verificada, há trabalhos recentes, em maioria voltados para a economia européia, que examinam, dada a constatação da existência de uma demanda por moeda relativamente estável, a importância dos agregados monetários na execução da política monetária. Tais trabalhos têm atribuído aos agregados um papel de variável informativa acerca dos movimentos futuros do nível de preços das economias, de maneira que o anúncio de uma política monetária crível possa servir de referência para que os agentes econômicos formem suas expectativas com relação ao nível de preços e à inflação futuros, a partir da informação contida nestas variáveis intermediárias. Desta forma, a moeda pode ser útil para a estratégia adotada de política monetária pelos bancos centrais, como é o caso do Banco Central Europeu que, em 1998, estabeleceu uma taxa referencial de crescimento para o agregado M 3. O indício de que a informação contida nos agregados monetários não deve ser desprezada na condução da política monetária, se realmente comprovado para a economia brasileira, pode ser uma forte justificativa para uma tênue alteração da estratégia adotada pelo Banco Central do Brasil: a adoção de valores de referência para os agregados monetários ou para suas taxas de crescimento. A despeito do êxito do regime de metas inflacionárias no Brasil, implementado em meados de 1999, cujas legitimidade e credibilidade são garantidas, em parte, pelo fato de a taxa de inflação ser a variável de melhor entendimento por parte dos agentes econômicos brasileiros, sabese que qualquer banco central dispõe de controle muito maior sobre variáveis intermediárias, comparativamente à taxa de inflação. Entre tais variáveis poderiam estar os agregados monetários, os quais estão sob o monitoramento Banco Central do Brasil que, no entanto, não se compromete com as suas variações. Com a finalidade de testar a importância da variação dos agregados monetários nos movimentos inflacionários da economia brasileira, este trabalho analisa as funções 6

7 de resposta da taxa de inflação a impulsos nas taxas de crescimento dos agregados monetários M 1, M 2, M 3 e M 4 e testa a existência de causalidade de Granger, de tais taxas para a taxa de inflação. Para tal, visando-se excluir o impacto da mudança estrutural representada pela implementação do Plano Real, utilizaram-se duas subamostras. A primeira vai de dezembro de 1979 a junho de 1994, totalizando 175 observações. A segunda vai de setembro de 1994 a junho de 2006 para M 1, com 142 observações; e de setembro de 1994 a junho de 2001, para os demais agregados, num total de 82 observações. Com o objetivo evitar erros de especificação nos modelos VAR estimados, testa-se a existência de cointegração entre as variáveis no nível, por meio da metodologia de Johansen. A utilidade destes testes, além da verificação da especificação adequada dos modelos analisados, está em verificar se alguma relação de longo prazo, linear e estacionária, entre agregados monetários e nível de preços, se verificou na economia brasileira; em meio à grande variedade de estratégias que visaram estabilizar a inflação ou mantê-la em patamares baixos. O trabalho se organiza da seguinte forma: a próxima seção descreve a política monetária durante o período de análise, a seção 3 aborda os resultados de alguns trabalhos empíricos e a quarta seção descreve as séries econômicas e as variáveis utilizadas. Na parte empírica do trabalho, a quinta seção trata dos testes de raízes unitárias, a seção 6 descreve e aplica a metodologia de Johansen para testes de cointegração, a seção 7 analisa as funções de resposta a impulsos e na oitava seção estão os testes de causalidade de Granger. As conclusões e as referências bibliográficas estão nas seções 9 e 10, respectivamente. 7

8 2. A política monetária na economia brasileira de dezembro de 1979 a junho de 2006 Segundo Fatás, Mihov e Rose (2004), a taxa de câmbio administrada foi usada como instrumento de política monetária no Brasil nos períodos de 1978 a 1989 e de 1994 a A fixação da taxa de câmbio acaba por fixar a taxa de juros de curto prazo da economia por meio da relação de paridade de juros, impossibilitando o banco central de, na existência de liberdade de capitais, alterar a oferta de moeda da sua economia; o que significa a privação da política monetária de sua função de instrumento ativo de política econômica. Em meio a um cenário externo marcado, principalmente, pela grande alta do preço do petróleo no mercado internacional em 1979, os bancos centrais dos países industrializados, visando evitar os efeitos inflacionários deste choque, aumentaram suas taxas básicas de juros. No Brasil, apesar da política monetária contracionista, implementada desde meados da década de 1970 e reforçada em 1979 e em 1981; houve nítida aceleração inflacionária, intensificada pelas maxidesvalorizações cambiais implementadas em 1979 e em 1983 e pela correção das tarifas públicas. O acordo com o Fundo Monetário Internacional de fins de 1982 tornou a política monetária brasileira ainda mais rigorosa, o que não foi suficiente para a contenção do aumento do nível de preços no país, evidenciando a crença equivocada de que a inflação que atingia a economia brasileira não era conseqüência de uma demanda agregada superaquecida em relação à oferta agregada; senão que uma taxa de inflação que tem a sua magnitude no presente explicada pela sua magnitude no passado. Esta inflação inercial tinha origem nas cláusulas de indexação dos contratos. Entre 1986 e 1990 foram implementados, sem êxito, cinco planos que visavam estabilizar a inflação: Cruzado, em 1986; Bresser, em 1987; Verão, em 1989; Collor I, em 1990 e Collor II, em Entre congelamentos e propostas originais, pode-se dizer que, após cada implantação de plano, a taxa de inflação caía cada vez menos com exceção do Plano Collor II e, posteriormente, subia cada vez mais. Até julho de 1994, houve recrudescimento inflacionário contínuo e, nos anos de 1992 e 1993, apesar da constante preocupação em estabilizar a taxa de inflação, houve expansão de M 1. 8

9 Na segunda fase do Plano Real, criou-se, em 1º de março de 1994, a URV Unidade Real de Valor, que finalmente se mostrou eficiente na desindexação da economia brasileira. Funcionando, inicialmente, como unidade de conta, a URV passou a ter função de reserva de valor quando passou a ser emitida, em 1º de junho do mesmo ano, com outra denominação real, em substituição ao cruzeiro real. A estabilização inflacionária dependeu de uma oferta abundante de poupança externa, o que estava condicionado, pelo Plano Brady, a um ajuste fiscal e à realização de reformas; e a uma grande quantidade de reservas. Estes fatores, aliados ao maior grau de abertura da economia brasileira, puderam garantir a eficácia da âncora cambial um sistema de bandas cambiais passíveis de alteração que foi adotada a partir de março de 1995 em lugar do controle e do monitoramento da expansão monetária que havia desde Esta foi a única vez, no período de análise, em que houve controle de agregados monetários segundo Fatás, Mihov e Rose (2004). Houve novos aumentos da taxa de juros real e dos depósitos compulsórios, com a finalidade de evitar aumentos excessivos de demanda. Contudo, os aumentos da taxa de juros não se mostraram, de início, suficientes, de maneira que foi necessária, para conter o aquecimento do consumo, a implementação de novo aumento, no fim de 1994, em decorrência das conseqüências da Crise Mexicana. De 1995 a 1997, embora em queda, a taxa de juros se manteve elevada e as taxas de inflação tiveram queda contínua. No começo deste período, entretanto, em virtude do superaquecimento pelo qual passava a economia brasileira, havia uma preocupação acerca da possibilidade do retorno da inflação elevada. Houve, em 1995, uma pequena desvalorização cambial, novamente implementada em 1997, por conta da Crise Asiática. Após a Crise da Rússia, em 1998, fez-se uso do mesmo mecanismo utilizado para conter os outros dois ataques especulativos contra o real: o aumento da taxa de juros. Desta vez, contudo, este instrumento, além de agravar o quadro fiscal brasileiro, não se mostrou suficiente, pois a taxa de juros e o elevado endividamento externo foram decisivos para que os investidores externos aplicassem seus capitais em outros países. Apesar das desvalorizações, a taxa de inflação declinava. 9

10 A desvalorização cambial de janeiro de 1999 não causou grande impacto inflacionário 3. No mesmo ano, dado que a flutuação cambial tornou impossível o controle inflacionário por meio da taxa de câmbio, a âncora nominal passou a ser um modelo de política monetária de metas de inflação, que significou um maior comprometimento com a estabilidade do nível de preços. Este sistema se focou nas variações do IPCA, que estiveram dentro do intervalo previsto nos anos de 1999 e A taxa Selic passou a ser determinada diretamente, ao contrário do que acontecia de meados de 1996 a março de 1999, quando ela oscilava entre as taxas TBC e TBAN, às quais os bancos se financiavam na janela de redesconto. Em 2001, em função de eventos internos e externos desfavoráveis, a taxa de juros teve um aumento influenciado pela alta do risco-país, chegando a 25% ao ano em outubro de 2002 para controlar o aumento dos preços que ocorrera naquele ano, consolidando-se numa taxa de inflação acima do limite de tolerância previsto pelas metas. As perdas dos fundos de renda fixa e a implementação do Sistema Brasileiro de Pagamentos provocaram um aumento da demanda por moeda e uma expansão da base monetária em 2002 que, influenciadas pelas flutuações cambiais acentuadas, acarretaram uma ultrapassagem ainda maior da meta inflacionária neste ano. Até o fim do período de análise, o regime de metas inflacionárias manteve em patamares baixos a taxa de inflação da economia brasileira, mesmo que para isso o Banco Central tenha precisado aumentar a taxa básica, como ocorreu de setembro de 2004 a maio de Entre as razões para a não ocorrência de um pass-through de grande magnitude, destacam-se o desaquecimento verificado na época, a baixa taxa de inflação vigente após a desvalorização cambial, a implementação de um reajuste do salário mínimo muito inferior ao que se esperava, a rigidez da pólítica monetária que elevou a taxa Selic após a desvalorização e a mudança indexatória consolidada após cinco anos de estabilidade inflacionária (Giambiagi, 2005). 10

11 3. Breve revisão dos trabalhos empíricos No contexto do anúncio, por parte do Banco Central Europeu, da taxa referencial para o crescimento de M 3 em 1998, diversos estudos das relações entre moeda e preços foram feitos para a União Européia. O foco em M 3 se deve à conclusão ele é o agregado monetário mais adequado para a implementação da política monetária na União Européia, pois é o que melhor preenche os seguintes requisitos: i) apresentar relação estável de longo prazo com os níveis de preços e de produto e ii) possuir informação relevante para a previsão de movimentos inflacionários futuros, o que garante que o comprometimento com a taxa de crescimento do agregado, por parte do banco central, será crível (Trecoci e Vega, 2000). Coenen e Vega (1999) constróem um modelo de demanda estável por moeda para a União Européia e detectam que os determinantes da demanda são fracamente exógenos em relação aos seus parâmetros de longo prazo. Altimari (2001) conclui que os agregados monetários e de crédito contêm informação importante para movimentos futuros dos preços na zona do Euro, principalmente no médio prazo, um horizonte temporal que o autor considera relevante para a implementação da política monetária. Segundo o trabalho, agregados mais amplos têm, em grandes horizontes temporais, melhores propriedades preditivas que agregados menos amplos. A metodologia do trabalho se vale de modelos P-Star, no qual o indicador P-Star é definido, a partir da equação quantitativa da moeda, como o nível de preços de equilíbrio resultante do atual estoque de moeda, considerando-se que o produto esteja em seu nível potencial e a velocidade de circulação da moeda esteja em seu nível de equilíbrio de longo prazo. No que diz respeito a causalidade de Granger de agregados monetários para preços, há resultados ambíguos. Valendo-se dos testes propostos em Toda e Phillips (1993, 1994) e em Toda e Yamamoto (1995), Trecoci e Vega (2000) não rejeitam a hipótese nula de nãocausalidade de Granger, de moeda para preços, de moeda real para preços e de moeda real para inflação na zona do Euro, com dados para o período de 1985 a Foram utilizadas em seu modelo VAR as variáveis estoque de M 3, nível de preços, nível de produto real e taxas de juros de curto e longo prazo; sendo estimados, ainda, modelos 11

12 compostos de subconjuntos destas variáveis e de variáveis como taxa de inflação, estoque real de M 3 e o diferencial das taxas de juros de curto e longo prazo. Analisando a correlação intertemporal entre o desvio de M 3, em termos reais, em relação ao seu valor de equilíbrio e os desvios da taxa de inflação em relação à meta do Banco Central Europeu, os autores concluem que esta correlação é significativa para uma defasagem de cinco a seis trimestres, e máxima para um horizonte temporal de nove meses a um ano. Marques e Pina (2002), analisando o mesmo período e a mesma economia, mas adotando uma base de dados diferente e estimando modelos que não foram estimados em Trecoci e Vega (2000), reavaliam tal evidência empírica de causalidade de Granger e concluem, ao contrário, que existe causalidade de Granger para a maioria dos modelos VAR estimados: de moeda para preços e vice-versa, de taxa de crescimento da moeda para inflação e vice-versa e de moeda real para inflação e vice-versa. Ademais, observando a defasagem para a qual é máxima a correlação entre moeda e preços, mostram que a taxa de crescimento do estoque nominal de moeda começa a ter efeito significativo sobre a taxa de inflação após um intervalo de um ano e meio e que tal efeito é transferido na sua totalidade ao final de cinco anos. Fatás, Mihov e Rose (2004) investigam os sistemas de taxas de câmbio fixas, de metas inflacionárias e de taxas de crescimento da moeda para 40 países no período de 1960 a Na análise deste último, ao serem excluídas da amostra original as economias com alta inflação, houve considerável redução da influência de uma meta monetária no controle inflacionário. Dentre os trabalhos voltados exclusivamente à economia brasileira, Pastore (1994) detecta a existência de cointegração entre a taxa de crescimento de M 1 e a taxa de inflação, medida pelo IGP-DI, para o período de 1944 a 1985, valendo-se de dados trimestrais. Minella (2003) analisa as relações entre M 1, taxa de inflação, produto e taxa de juros, comparando os seguintes períodos: janeiro de 1975 ajulho de 1985, de crescimento inflacionário; agosto de 1985 a junho de 1994, de alta taxa de inflação e setembro de 1994 a dezembro de 2000, de baixa taxa de inflação. A função de resposta da taxa de inflação a impulsos na taxa de crescimento da moeda apresenta valor máximo 12

13 com uma defasagem de dois meses em relação ao impulso, para o terceiro período. Para os demais períodos, esta resposta não é significativa. Céspedes, Lima e Maka (2005) indicam uma resposta positiva do nível de preços, medido pelo IPCA, ao impulso em M 1, de julho de 1996 a agosto de 1998, num modelo que leva em conta, ainda, a taxa Selic e os níveis de reservas e de produção industrial. 13

14 4. Base de dados e variáveis utilizadas Utilizam-se, para as estimações, dados para os agregados monetários M 1, M 2, M 3 ou M 4, além de dados para o IPCA desagregado. Os dados, de divulgação mensal, foram obtidos na página do IPEA da internet acessada em 27 de julho de Por conta da disponibilidade de dados estatísticos, o período de análise vai de dezembro de 1979 a junho de 2006 para o agregado M 1 ; e de dezembro de 1979 a junho de 2001 para os demais agregados. Em virtude da quebra estrutural representada pela implantação do Plano Real, dividiu-se a amostra original em duas sub-amostras. A primeira vai de dezembro de 1979 a junho de 1994, período de aceleração inflacionária 1979 a 1985 e de alta inflação 1985 a 1994, segundo Minella (2003). Dispõe-se de 175 observações para este período. A segunda sub-amostra vai de setembro de 1994 a junho de 2001 para o agregado M 1, num total de 142 observações; e de setembro de 1994 a junho de 2006 para os demais agregados, totalizando 82 observações. Tal período, independentemente do tamanho da sub-amostra, se caracteriza por uma baixa taxa de inflação. O IPCA 4 Índice de Preços ao Consumidor Amplo, calculado pelo IBGE, apura a variação de preços de uma cesta de bens consumidos em nove regiões metropolitanas do país, por famílias de renda compreendida entre 1 e 40 salários mínimos. A base para a cesta de consumo à qual se refere o índice é a Pesquisa de Orçamento Familiar POF, realizada pelo IBGE no período de 01 de outubro de 1995 a 30 de setembro de Trata-se de um índice do tipo Laspeyres que apura o gasto com a mesma cesta de consumo em períodos diferentes. Este tipo de índice, por se basear numa função de utilidade Leontief, apresenta elasticidade-preço igual a zero, o que acarreta a não incorporação do efeito substituição no consumo dos bens desta cesta. O IPCA é o índice é usado, atualmente, pelo Banco Central do Brasil para acompanhar o andamento de sua política de metas inflacionárias. M 1, os meios de pagamentos da economia, correspondem à soma do papelmoeda que se encontra em poder do público com o total de depósitos à vista, sacáveis pelos depositantes a qualquer momento, junto aos bancos comerciais. Como se pode 4 As informações sobre o IPCA foram obtidas no Relatório de Inflação do Banco Central do Brasil de 2004, disponível em 14

15 observar, tal agregado monetário corresponde a ativos que apresentam total liquidez e não rendem juros. Os agregados M 2, M 3 e M 4, progressivamente, apresentam menor liquidez nos ativos que contêm. Apesar de uma menor liquidez de determinado ativo corresponder a uma maior rentabilidade; os ativos contidos nestes agregados monetários podem, rapidamente, transformar-se em moeda para transação. M 2 corresponde à soma de M 1 com títulos públicos municipais, estaduais e federais; detidos pelo público. M 3 corresponde aos depósitos em caderneta de poupança, somados a M 2. M 4 corresponde aos depósitos a prazo e aos títulos privados, somados a M 3. Como dezembro de 1993 é o período-base da série econômica do IPCA utilizada, as demais séries foram transformadas para números-índices com o mesmo mês-base. As variáveis utilizadas são: 1. LIPCA: o logaritmo natural do IPCA; 2. LM 1 : o logaritmo natural do agregado monetário M 1 ; 3. LM 2 : o logaritmo natural do agregado monetário M 2 ; 4. LM 3 : o logaritmo natural do agregado monetário M 3 ; 5. LM 4 : o logaritmo natural do agregado monetário M 4 ; 6. DLIPCA: a primeira diferença do logaritmo natural do IPCA; 7. DLM 1 : a primeira diferença do logaritmo natural do agregado monetário M 1 ; 8. DLM 2 : a primeira diferença do logaritmo natural do agregado monetário M 2 ; 9. DLM 3 : a primeira diferença do logaritmo natural do agregado monetário M 3 ; 10. DLM 4 : a primeira diferença do logaritmo natural do agregado monetário M 4. No anexo I, constam os gráficos destas variáveis. 15

16 5. Testes de raizes unitárias A finalidade dos testes de raízes unitárias é conhecer a ordem de integração das séries econômicas usadas, ou seja, a quantidade de diferenças necessárias para tornar tais variáveis estacionárias. Esta é uma informação relevante para a realização dos testes posteriores. Sabe-se que a maioria das séries temporais econômicas é I(1), ou seja, apresenta uma raiz unitária. Entretanto, existe a possibilidade de que tais séries apresentem maior ordem de integração. Assumida esta possibilidade, realiza-se o teste de Dickey e Pantula 5, que permite identificar diferentes ordens de integração nas variáveis. Considerando-se a hipótese inicial de duas raízes unitárias em cada série, estimase a regressão 2 y t = y t-1 + t (1) e se testa 1 = 0. Se esta hipótese for rejeitada, desconsidera-se a existência de duas raízes unitárias e, para testar a existência de uma raiz unitária, estima-se 2 y t = y t y t-1 + t (2). Testam-se 1 = 0 e 2 = 0. Se esta hipótese for rejeitada, a série pode ser considerada estacionária. Do contrário, assume-se que ela possui uma raiz unitária. Para o primeiro período de análise, utilizaram-se três especificações de modelos: com constante e tendência, com constante e sem tendência, e sem constante e com tendência. Acrescentou-se, para o segundo período, um modelo sem termos deterministas. Os resultados dos testes estão nas tabelas 5.1, 5.2, 5.3 e 5.4. *, ** e *** representam rejeição da hipótese nula a níveis de significância de 5, 2,5 e 1%, respectivamente. Os valores críticos dos testes constam no anexo II. Os testes de duas raízes unitárias indicam a rejeição da hipótese nula para todas as variáveis, exceto para LIPCA, no modelo com constante e sem tendência, para o primeiro período. Contudo, a especificação de um modelo sem tendência pode não tem sentido em um período no qual o nível de preços apresenta uma nítida tendência. A hipótese de uma raiz unitária é aceita em todos os modelos utilizados; exceto para a série LIPCA com 82 observações do segundo período, no modelo com constante e 5 Na realização dos testes e na estimação dos modelos foi usado o pacote econométrico E-views

17 tendência, em que a hipótese nula é rejeitada a 5%. Entretanto, dado que o resultado contrário é obtido a 1% de significância em todas as demais especificações de modelo para esta sub-amostra e em todas as especificações para a sub-amostra de 142 observações da mesma variável, assume-se que as variáveis tomadas no nível apresentam, todas, uma raiz unitária 6. Tabela 5.1 Teste de Dickey e Pantula para duas raízes unitárias para o Série primeiro período Modelo com constante e tendência Modelo com constante Modelo com tendência t 1 t 1 t 1 LIPCA -4,01** -2,49-4,01** LM 1-11,15*** -9,15*** -11,18*** LM 2-9,24*** -6,25*** -9,21*** LM 3-7,24*** -4,69*** -7,21*** LM 4-7,21*** -4,43*** -7,18*** Tabela 5.2 Teste de Dickey e Pantula para uma raiz unitária para o Série Modelo com constante e tendência primeiro período Modelo com constante Modelo com tendência t 1 t 2 t 1 t 2 t 1 t 2 LIPCA -3,94** -0,003-4,01** -0,29 LM 1-11,11*** 0,43-11,09*** 5,16-11,15*** -0,21 LM 2-9,35*** 1,3-9,36*** 6,29-9,22*** -0,7 LM 3-7,37*** 1,34-7,40*** 5,4-7,22*** -0,65 LM 4-7,37*** 1,45-7,39*** 5,61-7,19*** -0,61 6 Não se realizaram os testes de Dickey-Fuller Aumentado e de Phillips-Perron, visto que eles não testam a existência de mais de uma raiz unitária nas séries e apresentam baixo poder, de forma a apresentar uma tendência a não rejeitar a hipótese de uma raiz unitária nas séries. 17

18 Tabela 5.3 Teste de Dickey e Pantula para duas raízes unitárias para o Série segundo período Modelo com constante e tendência Modelo com constante Modelo com tendência Modelo sem termos deterministas t 1 t 1 t 1 t 1 LIPCA (142 observações) -4,99*** -4,85*** -4,05*** -3,51*** LIPCA (82 observações) -4,06** -3,73*** -3,17* -2,86*** LM 1-14,51*** -14,50*** -14,15*** -13,83*** LM 2-7,06*** -6,97*** -5,65*** -4,56*** LM 3-7,22*** -6,82*** -4,91*** -3,89*** LM 4-6,71*** -5,88*** -3,99*** -3,18*** Série Tabela 5.4 Teste de Dickey e Pantula para uma raiz unitária para o Modelo com constante e tendência segundo período Modelo com constante Modelo com tendência Modelo sem termos deterministas t 1 t 2 t 1 t 2 t 1 t 2 t 1 t 2 LIPCA (142 observações) -5,63*** -2,8-5,13*** -1,61-4,91*** 2,71-4,68*** 3,03 LIPCA (82 observações) -5,57*** -3,52* -4,76*** -2,8-3,94*** 2,4-3,63*** 3,20 LM 1-13,48*** -3,09-14,56*** -1,42-14,41*** 1,93-14,38*** 2,66 LM 2-6,77*** -1,26-7,10*** -1,3-6,95*** 3,46-6,55*** 4,20 LM 3-6,98*** -1,03-7,28*** -2,13-7,12*** 4,53-6,21*** 4,46 LM 4-6,98*** -1,94-6,91*** -3,07-6,52*** 4,75-5,25*** 3,96 18

19 6. Procedimento de Johansen e testes de cointegração Dado que cada variável analisada apresenta uma raiz unitária, busca-se verificar, para cada período, a existência de uma relação de longo prazo estacionária entre os quatro pares de variáveis não-estacionarias analisados, formados pelo logaritmo natural do IPCA e o logaritmo natural de cada um dos agregados monetários. De acordo com a definição de cointegração de Engle e Granger (1987), para um vetor X t de ordem (N x 1), seus componentes são considerados cointegrados de ordem (d, b), ou seja, X t ~ CI(d, b) se: a) todos os componentes de X t são I(d); b) há um vetor B 0, chamado vetor de cointegração, tal que: Z t = X t ~ I(d - b), b > 0 Cointegração representa, desta forma, uma combinação linear de variáveis que apresente menor ordem de integração que cada variável considerada isoladamente. Contudo, no âmbito da análise econômica, é necessário que tal combinação linear apresente ordem de integração igual a zero. As variáveis analisadas são I(1). De acordo com o teorema da representação de Granger, se as variáveis deste vetor X t forem cointegradas de ordem (1,1), X t pode ser representado por um modelo de correção de erros, o modelo VEC: k -1 X t = X t-1 + A i X t-i + t (3), i = 1 em que X t-1 ~ I(0), A i é uma matriz de ordem (N x N) e t é um vetor (N x 1) estacionário. k No procedimento de Johansen, deriva-se, a partir do VAR(k) X t = i X t-i + t, i = 1 o correspondente VEC(k 1): k -1 X t = X t-1 + i X t-i + t (4), i = 1 k sendo = i - I e i = j i=1 j =i+1 k 19

20 Se a matriz = tiver posto reduzido, as equações (3) e (4) são equivalentes. A matriz contém os coeficientes de velocidade de ajuste e a matriz contém os vetores de cointegração. Como o modelo é estimado por máxima verossimilhança, pressupõe-se que os termos apresentem t distribuição normal e não tenham autocorrelação temporal. autovalor. Os dois testes de cointegração são o teste do traço e o teste do máximo O primeiro teste é feito da seguinte forma: ordenados de forma decrescente os i autovalores associados à matriz, testa-se a hipótese nula de que existem, no máximo, r vetores de cointegração, testando-se inicialmente r = 0. Se esta hipótese nula for rejeitada, testa-se a existência de, no máximo, um vetor de cointegração a mais, até que não se consiga rejeitar a hipótese nula. Para um máximo de r vetores de cointegração, a hipótese nula é H 0 : r+1 = r+2...= N = 0 e a estatística do teste é N ^ traço = -T ln(1 i ), sendo T o número de observações da amostra. i = r+1 O segundo teste, o do máximo autovalor, testa a hipótese nula de que existem r vetores de cointegração, ou seja, H 0 : r+i = 0; i = 0, 1,..., N r. Assim como no teste do traço, testam-se as hipóteses até que não se rejeite a hipótese nula, começando-se por r = ^ 0. A estatística deste teste é max = -Tln(1 r+1 ). Antes da execução dos testes de cointegração, deve-se determinar o número adequado de defasagens para cada modelo VAR. Se o número de defasagens for baixo demais, a precisão da previsão do modelo se compromete por conta da omissão de variáveis defasadas relevantes. Por outro lado, a inclusão de um número de defasagens maior que o necessário acarreta perda de graus de liberdade na estimação dos parâmetros e maior incerteza na estimação deles (Stock e Watson, 2004). Para o primeiro período analisado, o critério de informação BIC Bayesian Information Criterion 7 indica um modelo com duas defasagens para LIPCA e LM 1 e 7 Lütkepohl (1985) realizou uma simulação de Montecarlo em modelos bivariados e trivariados, concluindo que BIC é o melhor critério de informação no que diz respeito à consistência, seguido por HQ critério de Hannan-Quinn. FPE Final Prediction Error e AIC Akaike Intormation Criterion tendem a superestimar o número adequado de defasagens do modelo, ao passo que o critério de Razão de Verossimilhança apresenta bons resultados somente em amostras grandes, circunstância que não está presente nesta análise. 20

21 um modelo com três defasagens para LIPCA e LM 2, LIPCA e LM 3 e LIPCA LM 4. Para o segundo período, BIC indica um modelo com duas defasagens para os quatro pares de variáveis. Nas tabelas 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 6.7 e 6.8 estão os resultados dos testes de cointegração, feitos a partir dos correspondentes modelos VEC. * e ** representam rejeição da respectiva hipótese nula a 5 e 1% de significância, respectivamente. Todos os casos analisados aparentam ter tendência determinística linear, dada pelo modelo 3 do pacote econométrico utilizado, em que uma constante está presente dentro e fora do vetor de cointegração. Em função do baixo número de observações contidas nas sub-amostras dos modelos estimados para LIPCA e LM 2, LIPCA e LM 3 e LIPCA e LM 4, no segundo período, testa-se a hipótese de cointegração a um nível de significância mais conservador de 1%, para estes modelos. Os casos em que tanto o teste do máximo autovalor como o teste do traço apontam a existência de cointegração e os coeficientes de velocidade de ajuste estimados apresentam sinais opostos, sendo pelo menos um deles estatísticamente significante, são os modelos do segundo período que contêm os pares de variáveis LIPCA e LM 2 e LIPCA e LM 3. Nestes modelos, a cointegração é garantida por ambas as variáveis que os compõem, visto que ambos os coeficientes de velocidade de ajuste estimados são estatísticamente diferendes de zero. Nos demais casos, há resultados dos testes discordantes entre si, coeficientes de ajuste estimados que apresentam o mesmo sinal, ou resultados que não apontam a existência de cointegração entre as variáveis. Como as estimativas dos coeficientes de velocidade de ajuste de todas as variáveis cointegradas são estatisticamente diferentes de zero, a hipótese de exogeneidade fraca está, de antemão, descartada. O teste de normalidade indica que apenas os resíduos das variáveis cointegradas e de LM 4 da sub-amostra para o segundo período podem ter suas distribuições consideradas normais. A inclusão de dummies nos modelos não resolveria completamente o problema de não-normalidade da distribuição dos resíduos, uma vez que corrigiria somente o problema de curtose, mas não o de assimetria. O teste de autocorrelação dos resíduos de Portmanteau, feito para oito defasagens, aparece na tabela 6.9. Os únicos casos em que a hipótese nula de não autocorrelação dos resíduos não pode ser rejeitada são VAR(LIPCA, LM 4 ), para o 21

22 primeiro período, e VEC(LIPCA, LM 2 ), VEC(LIPCA, LM 3 ) e VAR(LIPCA, LM 4 ), para o segundo período. Tabela 6.1 Primeiro período, VEC(LIPCA, LM 1 ) Teste de cointegração H 0 max valor crítico (5%) H 0 traço valor crítico (5%) r = 0 12,96 14,07 r = 0 17,42 (*) 15,41 r = 1 r 1 4,46 (*) 3,76 Valores estimados Teste de normalidade dos resíduos LIPCA LM 1 LIPCA LM 1 1 0,98 Jarque-Bera 4319,69 146,22 0,027 (**) 0,045 p-valor 0 0 Tabela 6.2 Primeiro período, VEC(LIPCA, LM 2 ) Teste de cointegração H 0 max valor crítico (5%) H 0 traço valor crítico (5%) r = 0 16,73 (*) 14,07 r = 0 18,92 (*) 15,41 r = 1 2,19 3,76 r 1 2,19 3,76 Valores estimados Teste de normalidade dos resíduos LIPCA LM 2 LIPCA LM 2 ' 1 1,157 Jarque-Bera 11776,98 160,58 0,010 (**) 0,03 (**) p-valor 0 0 Tabela 6.3 Primeiro período, VEC(LIPCA, LM 3 ) Teste de cointegração H 0 max valor crítico (5%) H 0 traço valor crítico (5%) r = 0 20,32 (**) 14,07 r = 0 22,24 (**) 15,41 r = 1 1,92 3,76 r 1 1,92 3,76 Valores estimados Teste de normalidade dos resíduos LIPCA LM 3 LIPCA LM 3 ' 1 1,152 Jarque-Bera 7613,50 91,91 0,013 (**) 0,033(**) p-valor

23 Tabela 6.4 Primeiro período, VEC(LIPCA, LM 4 ) Teste de cointegração H 0 max valor crítico (5%) H 0 traço valor crítico (5%) r = 0 19,03 (**) 14,07 r = 0 20,88 (**) 15,41 r = 1 1,85 3,76 r 1 1,85 3,76 Valores estimados Teste de normalidade dos resíduos LIPCA LM 4 LIPCA LM 4 ' 1-1,204 Jarque-Bera 14118,55 64,20 0,004 0,027 (**) p-valor 0 0 Tabela 6.5 Segundo período, VEC(LIPCA, LM 1 ) Teste de cointegração H 0 max valor crítico (5%) H 0 traço valor crítico (5%) r = 0 7,35 14,07 r = 0 9,81 15,41 r = 1 r 1 Valores estimados Teste de normalidade dos resíduos LIPCA LM 1 LIPCA LM 1 ' 1-2,088 Jarque-Bera 109,86 53,85 0, ,10 (**) p-valor 0 0 Tabela 6.6 Segundo período, VEC(LIPCA, LM 2 ) Teste de cointegração H 0 max valor crítico (1%) H 0 traço valor crítico (1%) r = 0 29,38 (**) 18,63 r = 0 33,51 (**) 20,04 r = 1 4,12 (*) 6,65 r 1 4,12 (*) 6,65 Valores estimados Teste de normalidade dos resíduos LIPCA LM 2 LIPCA LM 2 ' 1-0,212 Jarque-Bera 3,18 0,38-0,05 (**) 0,46 (**) p-valor 0,20 0,82 Tabela 6.7 Segundo período, VEC(LIPCA, LM 3 ) Teste de cointegração H 0 max valor crítico (1%) H 0 traço valor crítico (1%) r = 0 21,83 (**) 18,63 r = 0 26,75 (**) 20,04 r = 1 4,92 (*) 6,65 r 1 4,92 (*) 6,65 Valores estimados Teste de normalidade dos resíduos LIPCA LM 3 LIPCA LM 3 ' 1-0,25 Jarque-Bera 3,39 0,47 0,01 (**) -0,06 (**) p-valor 0,18 0,78 23

24 Tabela 6.8 Segundo período, VEC(LIPCA, LM 4 ) Teste de cointegração H 0 max valor crítico (1%) H 0 traço valor crítico (1%) r = 0 12,76 18,63 r = 0 17,94 (*) 20,04 r = 1 r 1 5,17 (*) 6,65 Valores estimados Teste de normalidade dos resíduos LIPCA LM 4 LIPCA LM 4 ' 1-0,27 Jarque-Bera 19,04 2,71 0,014 (**) -0,008 p-valor 0, ,256 Tabela 6.9 Teste de autocorrelação dos resíduos de Portmanteau Primeiro período Q p-valor Segundo período Q p-valor VAR(LIPCA, LM 1 ) 46,29 0,004 VAR(LIPCA, LM 1 ) 61,65 0 VAR(LIPCA, LM 2 ) 30,11 0,068 VEC(LIPCA, LM 2 ) 23,84 0,68 VAR(LIPCA, LM 3 ) 34,08 0,025 VEC(LIPCA, LM 3 ) 23,72 0,69 VAR(LIPCA, LM 4 ) 28,09 0,107 VAR(LIPCA, LM 4 ) 21,27 0,62 24

25 7. Análise das funções de resposta a impulsos Na presença de cointegração entre cada par de variáveis analisado, os modelos VAR, se estimados com as primeiras diferenças destas variáveis, estariam mal especificados; uma vez que existe, neste caso, um mecanismo de correção de erro que garante a relação estacionária de longo prazo existente entre tais variáveis, e que seria omitido se o modelo fosse estimado desta forma. As funções de resposta a impulsos correspondentes a tais modelos conteriam tais erros de especificação. Por esta razão, feitos os testes de cointegração, estimam-se as funções de resposta a impulsos a partir de um modelo VAR com as primeiras diferenças das variávies, para as variáveis não-cointegradas; e a partir de um modelo VEC, para as variáveis cointegradas. Para as funções de resposta a impulsos com variáveis cointegradas, usam-se os modelos VEC estimados nos testes de cointegração, os quais contêm as variáveis DLIPCA, DLM 2 e DLM 3, para o segundo período de análise. São utilizadas ambas as ordenações de Cholesky possíveis, visto que não se conhece a ordenação mais adequada das variáveis e as respostas são sensíveis a mudanças de ordenação; além da opção de impulso unitário nos resíduos de LM 2, que desconsidera a existência de correlação entre os resíduos de ambas as variáveis, de forma que a ordenação também é desconsiderada. Por conta desta definição de impulso, as correspondentes respostas representam um VMA de ordem infinita. O critério BIC indica uma defasagem para ambos os modelos. A análise é feita num horizonte temporal de 50 meses. Considerando-se a ordenação segundo a qual LM 2 não tem impacto contemporâneo em LIPCA, a resposta de LIPCA ao impulso de um desvio-padrão no resíduo de LM 2 é de 0,0041 após 20 meses, convergindo para 0, após 41 meses. Com a ordenação inversa, a resposta de LIPCA ao impulso de um desvio-padrão no resíduo de LM 2 é de 0,0044 após 25 meses, convergindo para 0, após 41 meses. Dado que o desvio-padrão dos resíduos de LM 2 é igual a 0,021495, as funções mostram que 19,5 a 20,6% da variação de LM 2 se transfere para LIPCA. Tomando-se a ordenação LIPCA, LM 3; a resposta de LIPCA ao impulso de um desvio-padrão no resíduo de LM 3 é de 0,0046 após 26 meses, convergindo para 0, após 42 meses. Com a ordenação inversa, a resposta de LIPCA é de 0,

26 após 18 meses, convergindo para 0, após 40 meses. Como o desvio-padrão dos resíduos de LM 3 é de 0,015512, as funções mostram que 29,7 a 33,4% da variação de LM 3 se transfere para LIPCA. A função com impulso unitário nos resíduos dá uma idéia subestimada deste efeito para ambos os casos. Para as funções de resposta a impulsos com variáveis não-cointegradas, usam-se modelos VAR com as variáveis DLIPCA e uma das taxas DLM 1, DLM 2, DLM 3 e DLM 4. Têm-se, neste caso, seis casos a se considerar: a resposta de DLIPCA a impulsos de DLM 1 e de DLM 4, em ambos os períodos, e a resposta de DLIPCA a impulsos de DLM 2 e DLM 3, somente para o primeiro período de análise. Na identificação dos modelos, usaram-se ambos os ordenamentos possíveis da decomposição de Cholesky. Na análise das funções, escolheram-se, para as respostas, desvios-padrão determinados assintoticamente e; para os impulsos, a decomposição de Cholesky com ajuste dos graus de liberdade, em ambas as ordenações possíveis, num horizonte temporal de 10 meses. Para as funções acumuladas, usou-se a definição de impulso unitário dos resíduos. A determinação adotada para os desvios-padrão das respostas é a mesma e o horizonte temporal da análise, neste caso, é de 50 meses. Para o primeiro período, BIC sugere uma defasagem para VAR(DLIPCA, DLM 1 ) e duas defasagens para os outros três modelos. No primeiro período, assumindo-se que choques em DLM 1 não tenham efeito contemporâneo sobre DLIPCA, a resposta da taxa de inflação ao impulso de um desviopadrão da taxa de crescimento deste agregado monetário é sempre negativa, tendo máximo impacto de magnitude 15 vezes menor que o impulso dois meses após o choque. Assumindo-se que choques em DLIPCA não tenham efeito contemporâneo sobre DLM 1, tem-se uma resposta inicialmente positiva, que se torna negativa a partir do segundo mês após o choque e tem máximo impacto 36 vezes menor que o impulso, no segundo mês. A função acumulada mostra uma resposta sempre negativa. Após 50 meses, o impacto de um choque unitário no resíduo de DLM 1 provoca uma resposta acumulada de 0,64 em DLIPCA. Minella (2003), ao contrário, aponta uma resposta positiva da taxa de inflação ao impulso na taxa de crescimento de M 1, mas inclui, em seus modelos, variáveis como a taxa de juros, que não é considerada aqui. 26

27 A resposta da taxa de inflação ao impulso de um desvio-padrão na taxa de crescimento de M 2 é positiva e tem valor máximo cerca de 2,5 vezes menor que o impulso, que ocorre três meses após o choque em DLM 2. Após 50 meses, há uma resposta acumulada de 4,70 ao impulso unitário no resíduo de DLM 2. Em 67 meses, este valor converge para 4,73. A resposta ao impulso de um desvio-padrão na taxa de crescimento de M 3 é máxima cerca de 50% da magnitude do impulso três meses após o choque se for assumida a hipótese de que choques em DLM 3 não tenham efeito contemporâneo sobre DLIPCA. Se escolhido o ordenamento oposto, a resposta é máxima dois meses após o choque e é 1,65 vezes menor que o impulso. A resposta de DLIPCA ao impulso de um desvio-padrão em DLM 4 é máxima quatro meses após o impulso, se adotada a ordenação DLIPCA, DLM4; e três meses após o impulso, se adotada a ordenação oposta. Estas respostas têm magnitude 1,6 e 1,4 vezes menor que o impulso, respectivamente. Após 50 meses, 5,22 é o valor da função de resposta acumulada ao impulso unitário no resíduo de DLM 3, que converge para 5,23 após 55 meses. A função de resposta acumulada de DLIPCA ao impulso unitário do resíduo de DLM 4 é de 7,15 após 50 meses, que converge para 7,21 após 78 meses. A interpretação para estes resultados das funções é a de que, diante de taxas de inflação altas ou em ascensão, que reduzem o valor da moeda, os agentes econômicos buscam não reter M 1 e adquirir outros ativos que não sejam passíveis de tamanha desvalorização. Como os títulos contidos em M 2, M 3 e M 4 são facilmente conversíveis em M 1, a relação descrita pela Teoria Quantitativa da Moeda parece adequar-se melhor a agregados monetários mais amplos que M 1. Para o segundo período, BIC sugere uma defasagem para os modelos VAR(DLIPCA, DLM 1 ) e VAR(DLIPCA, DLM 4 ). Neste período, a resposta da taxa de inflação a choques nas taxas de crescimento dos agregados monetários é de menor magnitude que no primeiro período. A resposta de DLIPCA a impulsos em DLM 1, ao contrário do que ocorre no primeiro período de análise, é positiva. Em ambas as ordenações possíveis, tal resposta é máxima dois meses após o choque em DLM 1, apresentando magnitude quase 100 vezes menor que o impulso. Em 15 meses, a função de resposta acumulada já apresenta um valor de convergência de 0,

28 Para impulsos em DLM 4, a resposta de DLIPCA é sempre positiva se for assumido que DLM 4 não tem efeito contemporâneo sobre DLIPCA, havendo resposta máxima no segundo mês posterior ao choque. Com o ordenamento oposto, a função apresenta valores negativos até o segundo mês após o choque em DLM 4, apresentando valor máximo no terceiro mês posterior ao choque. Os valores máximos das funções têm magnitude 20 e 7,5 vezes menor que os impulsos, respectivamente. A função acumulada converge para 0,11 após 24 meses. Os resultados deste período indicam que, após a implementação do Plano Real, a relação explicitada na Teoria Quantitativa da Moeda parece valer para quaisquer dos agregados monetários analisados, ainda que os valores das funções sejam baixos. Ao se estabilizar a taxa de inflação, houve um considerável aumento inicial na demanda por moeda, que se traduz em um aumento da participação de M 1 entre os ativos financeiros da economia brasileira. Posteriormente, dada a estabilidade alcançada, este agregado não sofreu grandes oscilações. Os resultados do segundo período, se comparados com os do primeiro, indicam que o impacto da variação dos agregados monetários na taxa de inflação é menor em períodos de baixa taxa de inflação que em períodos de taxa de inflação elevada, o que está em concordância com Fatás, Mihov e Rose (2004), que afirmam que a influência dos agregados monetários é consideravelmente maior em economias com alta taxa de inflação. Os gráficos das funções de resposta a impulsos estão representados nas figuras 7.1, 7.2, 7.3, 7.4, e 7.5, mostradas a seguir. 28

29 Figura 7.1 Funções de resposta a impulsos de DLIPCA a impulsos em DLM 2 e DLM 3 para o segundo período 29

30 Figura 7.2 Funções de resposta de DLIPCA a impulsos em DLM 1 Primeiro período Segundo período 30

31 Figura 7.3 Funções de resposta de DLIPCA a impulsos em DLM 2 Primeiro período 31

32 Figura 7.4 Funções de resposta de DLIPCA a impulsos em DLM 3 Primeiro período 32

33 Figura 7.5 Funções de resposta de DLIPCA a impulsos em DLM 4 Primeiro período Segundo período 33

34 8. Testes de causalidade de Granger Havendo variáveis cointegradas, os testes 2 de causalidade de Granger devem ser realizados a partir de um modelo VEC. Caso não haja cointegração entre elas, testes F e 2 podem ser realizados a partir de um modelo VAR com variáveis em primeiras diferenças. Os testes de causalidade de Granger têm, como objetivo, determinar se a previsão da taxa de inflação é melhorada pela taxa de crescimento de cada um dos agregados monetários. Para todas as variáveis dos agregados em primeiras diferenças, realiza-se um teste 2. Para as variáveis em primeiras diferenças cujas correspondentes variáveis no nível não estejam em nenhuma relação de cointegração, realizam-se testes F de causalidade de Granger. Os testes avaliam se as defasagens das taxas de crescimento dos agregados monetários, tomadas em conjunto, Granger-causam a taxa de inflação. Em ambos os casos, incluíram-se defasagens das variáveis até que os correlogramas dos resíduos dos correspondentes modelos VAR ou VEC estimados não apresentassem correlação significativa até a décima segunda defasagem. Os testes de causalidade de Granger são mostrados nas tabelas 8.1 e 8.2. * e ** representam rejeição, a 5 e 1%, respectivamente; da hipótese de não-causalidade de Granger da taxa de crescimento do agregado monetário para a taxa de inflação. Os resultados indicam existência de causalidade somente para o período com aceleração inflacionária e alta inflação. Isto sugere que a participação da variação agregados monetários na previsão da variação dos preços, entre os demais determinantes, é maior em períodos de alta inflação que em períodos de baixa inflação, o que é afirmado em Marques e Pina (2002). Para o segundo período, embora a hipótese nula de não-causalidade não tenha sido rejeitada para nenhuma das taxas de crescimento dos agregados monetários, a taxa de crescimento de M 1 é a que está mais próxima, entre as taxas dos demais agregados, de ser útil para a previsão da taxa de inflação, o que não ocorre no primeiro período. Isto é um indício de que a estabilização da taxa de inflação, obtida pelo Plano Real, fez com que os agentes econômicos deixassem de evitar a retenção da moeda, visto que a desvalorização dela deixou de ser significativa. 34