Placements

primeiramente, selecionando apenas os setores que compõem a indústria de transformação e que constam na Tabela3.1, e então dividindo o coeficiente técnico, por exemplo, do consumo intermediário do setor i vindo do setor j pela soma de todos os coeficientes de i .

Uma vez que wi i = 0, ou seja, as informações referentes ao setor i não são incluídas

em x∗_{i t}, a diagonal principal da matriz de pesos é substituída por zeros e as colunas são repon- deradas a fim de que suas entradas somem um. Deste modo, a matriz de coeficientes técnicos passa a ser uma matriz cujas colunas representam o setor de referência dos pesos contidos nela, e nas linhas está o peso que um setor tem para aquele referenciado na coluna. Assim, as matrizes Wi para cada setor serão obtidas pelas colunas da matriz de pesos construída.

Devido a mudanças na CNAE por parte do Instituto Brasileiro de Geografia e Estatística (IBGE), os dados do SCN com a nova classificação não estão disponíveis desde 1999, que será considerado o período inicial desta análise. Em virtude disso, havendo apenas a possibilidade de estimar as matrizes de insumo-produto na classificação desejada entre 2010 e 2013, foi utilizada uma média dos pesos obtidos a partir destas30.

Em suma, a ponderação construída terá o papel de representar aqui a importância que o restante da indústria de transformação tem sobre cada um dos setores que fazem parte dela. Desse modo, nos modelos específicos de cada setor, a determinação de um preço terá como variável dependente a variação, presente e passada, dos demais setores da indústria, representando variações nos preços dos seus insumos, e uma proxy dos fatores comuns que afetam o processo de precificação de toda a indústria.

Por fim, é importante salientar que além dos pesos utilizados pelo GVAR para o cálculo das variáveis externas específicas, o uso de variáveis globais como unidade dominante também demanda uma estrutura de ponderação. Neste caso, como discutido, a unidade dominante sofre efeito feedback das variáveis do sistema vindo das defasagens de x_ωt= Wωxt,

havendo então a necessidade de inserir uma matriz W_ωna estimação. Para isso são utilizados os pesos calculados pelo IBGE para construção do índice de produção da indústria brasileira da Pesquisa Industrial Mensal - Produção Física (PIM-PF).

3.4 Estimação do repasse cambial

O repasse cambial, como já dito anteriormente, é a elasticidade dos preços de um país ao câmbio nominal (eP,E), ou seja, o quanto uma variação de um ponto percentual no

câmbio afeta o preço. Para estimar tal elasticidade, a literatura valeu-se de diferentes métodos, sendo que um dos mais usados é aquele que ficou conhecido como “regressão de repasse” (“pass-through regression”).Bache e Naug(2007) argumentam que esse tipo de estimação não

30_{A hipótese de que a matriz de pesos é invariante no tempo para uma análise usando dados trimestrais não}

leva em conta o mecanismo das expectativas, sendo que se espera que os agentes precifiquem olhando para o futuro.

eP,E=∆%P

∆%E (3.19)

De tal modo, os coeficientes da regressão de repasse dependeriam dos parâmetros de regras de precificação e de expectativas, o que por sua vez faz com que o mecanismo das expectativas dependa da política monetária, ficando a estimação sujeita a Críticas deLucas

(1976) (BACHE; NAUG,2007). Na literatura, a ligação do grau de repasse cambial aos preços

com a política monetária já foi explorado diversas vezes, como porTaylor(2000) que afirma que o tamanho do repasse depende do ambiente inflacionário, o que está diretamente ligado à política monetária.

Por sua vez, como demonstrado porDées et al.(2007), o GVAR pode ser representado por uma aproximação de um modelo de fatores comuns que, dentre outros aspectos, contêm também os efeitos do ambiente inflacionário. Ademais, Garratt et al. (2006) exploram o importante papel da abordagem do VAR com cointegração (denotado pelos autores como CVAR) como alterativa aos modelos DSGE.Garratt et al.(2006) destacam então o GVAR como uma das alternativas trazidas pela literatura de CVAR aos DSGE.

SegundoChudik e Pesaran(2016), os modelos VARX* do GVAR se assimilam com os small open economy macroeconomic models, em que as variáveis internas específicas da unidade do corte transversal são modeladas condicionais ao resto do sistema de "equilíbrio geral". O shrinkage dos dados, realizado quando se define o vetor x∗, resolve o problema de dimensionalidade deste tipo de modelo.

Assim, tendo em vista tais características do GVAR, a estimação por este método passa a ser uma alternativa viável para contornar a Crítica deLucas(1976). Então, tendo em mãos tal método e suas ferramentas de análise, segue-seBelaisch(2003) que utiliza funções de resposta ao impulso para calcular os graus de repasse cambial aos preços brasileiros. Este modo de calcular a elasticidade dos preços ao câmbio também foi utilizado em outros trabalhos da literatura de repasse como, por exemplo, porIto e Sato(2008) eFaruqee(2006).

Belaisch(2003) descreve que os coeficientes de repasse acumulado podem ser deriva-

dos a partir das funções de resposta ao impulso de um modelo VAR, representando assim a trajetória do repasse do choque no período zero de 1% no câmbio pelo número de períodos desejados. O coeficiente de repasse acumulado é dado por

P T_{t ,t +j}= PT j =1∆Pt ,t +j PT j =1∆Et ,t +j (3.20)

sendo que∆P_{t ,t +j} é a resposta ao impulso da variação do preço a um choque no câmbio nominal depois de j meses, enquanto que∆E_{t ,t +j}denota a resposta ao impulso da variação

3.4. Estimação do repasse cambial 57

do câmbio31. Destaca-se aqui que, uma vez que o modelo utiliza o nível de preços e não a variação dos preços (ou mesmo do câmbio), a resposta ao impulso obtida não é aquela referente à variação do preço, mas sim a do próprio preço. Além disso, é possível distinguir que, mesmo quando se estimam os VARX* dos setores considerando a presença de cointegração e da unidade dominante (que contém as variáveis globais exógenas, ou seja, os modelos são estimados usando as primeiras diferenças das variáveis), para a solução do modelo global, o vetor de variáveis de interesse é xt (ou yt= (ω0_t, xt), mais especificamente), e é sobre ele que é

aplicado o choque considerado na GIRF.

Logo, como o acumulado da taxa de variação do preço representado porPT

j =1∆Pt ,t +j

representa a variação do nível de preço entre t e t + j , e o modelo global tem suas variáveis consideradas em nível, tal acumulado já é obtido a partir da resposta ao impulso estimada por tal modelo global. Deste modo, no presente caso, não é preciso acumular as respostas as estimativas da GIRF. Assim, para o cálculo do grau de repasse de um choque no câmbio nominal, basta dividir a GIRF referente à resposta do preço de interesse por aquela que representa o comportamento do câmbio resultante do choque ocorrido nele mesmo.

Ao se referir ao queBelaisch(2003) denomina como coeficiente de repasse acumulado,

Ito e Sato(2008) por sua vez o chamam de “dynamic exchange rate pass-through elasticity”.

Este coeficiente mostra que o grau de repasse cambial não é, simplesmente, o efeito de um choque do câmbio sobre os preços, isso porque uma variação cambial afeta as realizações posteriores da própria variável. Assim, como o câmbio continua a se movimentar, os preços continuam a ser influenciados por seus movimentos, de maneira que a resposta os preços precisa ser corrigida. Por esta razão, este coeficiente de repasse é denominado porIto e Sato

(2008) como “dinâmico”.

Assim, o grau de repasse a ser estimado neste trabalho, a partir de um modelo GVAR, oferece a possibilidade de verificar o efeito de um choque cambial ao longo de qualquer horizonte desejado. Ademais, esta fórmula não oferece apenas a possibilidade de calcular a elasticidade das variáveis ao câmbio, mas também a qualquer outra. Deste modo, assim como para o câmbio nominal, os preços das commodities (no caso, o preço do petróleo) também são fatores extremamente importantes para a determinação dos preços internos e externos dos produtos consumidos pelas economias de todo globo.

31_{Note que, uma vez que os preços de importação estão medidos em dólar estadunidense, para obter o}

repasse de um choque do câmbio a estes, quando medidos em real, é preciso somar um à medida definida em (3.20).

59

4 RESULTADOS

Nesta seção serão apresentados primeiramente os resultados das estimações do mo- delo GVAR obtidas utilizando o GVAR Toolbox deSmith e Galesi(2014), como por exemplo, o número de relações de cointegração encontradas, os testes de exogeneidade fraca e funções de resposta ao impulso generalizadas. De tal forma, busca-se caracterizar o sistema estimado pelo método do GVAR e verificar a validade de hipóteses necessárias para validar o modelo escolhido.

Em seguida, direcionando para o exercício proposto aqui serão explicitados os resul- tados do repasse cambial (tanto de curto como de longo prazo) estimado de acordo com o método utilizado porBelaisch(2003) eIto e Sato(2008). Na literatura brasileira, a estimação de tais coeficientes de maneira desagregada ainda é pouco explorada e as estimativas de

Kannebley Júnior, Reis e Toneto Júnior(2016) não são comparáveis com as obtidas aqui, pois

estas vêm dos coeficientes do vetor de cointegração, além de não ser capaz de produzir os coeficientes de todos os setores observados na indústria.

Por fim, vale-se das vantagens trazidas por um modelo global, em que se insere como variável global não apenas a taxa de câmbio nominal, mas também os preços do barril de petróleo. Tal preço representa, dentre outros fatores, o estado do mercado de commodities e o preço de um importante insumo para diversas atividades produtivas, ou seja, representa um “choque de oferta”.