LM

Análise textual das atas do Copom

2022-04-02T00:00:00-03:00

Visão geral

Este projeto envolve a análise textual das atas publicadas pelo Comitê de Política Monetária (COPOM) do Banco Central do Brasil (BCB). Foram feitas análise que compreende a criação nuvem de palavras, análise de sentimento e modelagem de tópicos. Utilizou-se as atas publicadas em inglês, compreendendo o período de março de 2000 a março de 2022.

Todas as partes de extração, tratamento, análise e visualização dos dados foram feitos em R.

Resumo

A análise textual proporcionou primeiras conclusões interessantes as atas do COPOM. A nuvem de palavras da última reunião indicam a preocupação com risco, petróleo e a meta do regime de inflação. A análise de sentimento mostra uma predominância do tom mais negativo em relação ao positivo das atas do Copom, além de um aumento da incerteza após o início do governo Temer. Por fim, a modelagem de tópicos transmite a existência de governos que rompem ou apresentam continuidades em sua política econômica, além de trazer presidências do BCB que dão maior importância sobre temas distintos.

Visualização dos dados

Número de palavras, páginas e frequência

As 204 atas analisadas apresentam mais de 1 milhão de palavras no total. Os gráficos a seguir mostram o número de palavras e páginas por atas, o que indica modos diferentes de comunicações do Banco Central Brasileiro durante os anos 2000.

Palavras por ata por presidente do Banco Central

Páginas por ata por presidente do Banco Central

Por fim, temos as principais palavras utilizadas por cada presidente do BCB. Nesta etapa, foram utilizadas um conjunto de cerca de 400 stopwords (explicadas no próximo tópico).

Frequência de palavra por presidente do Banco Central

Nuvem de palavras

Nuvem de palavras são uma forma de análise textual que trazem as palavras mais frequentes utilizadas em conjunto de 1 ou mais textos. Dessa forma, é possível verificar a importância de determinada palavras para esse texto. Adotou-se a convenção de mostrar palavras mais frequentes em tamanhos maiores.

A nuvem de palavras da última reunião do Copom de março de 2022 encontra-se abaixo. Neste processo de extração da nuvem de palavras, a etapa de remoção das stopwords é essencial. Stopwords correspondem à um conjunto de palavras comuns em textos de uma determinada língua que não acrescentam informação relevante. Alguns artigos, preposições e verbos são usualmente retirados. A depender da experiência e objetivo da nuvem de palavras, stopwords customizadas podem ser adicionadas à esta lista.

Nuvens de palavras

A primeira nuvem de palavras à esquerda foi criada sem o uso de stopwords. Verifica-se a importância dessa etapa, já que a palavra imensamente mais frequente foi ‘the’ (em português, o artigo ‘a’ ou ‘o’). Isso não nos traz informação relevante e retira a importância de outras palavras relevantes, que ocorrem menos frequentemente (em verde e em pequeno tamanho).

A nuvem de palavras ao meio foi criada com o uso de stopwords “padrão”, sem customização do autor. É possível verificar que a nuvem de palavras se tornou mais clara, apontando palavras que realmente caracterizam as atas do Copom como: inflação, comitê, copom, política, preço, cenário, monetário, entre outras. No entanto, essas são palavras usuais e já esperadas em uma ata do Copom. Elas não acrescentam informações sobre o conteúdo específico dessa ata.

Por último, a nuvem de palavras à esquerda foi elaborada com as stopwords “padrão” e com outras stopwords específicas. É possível verificar uma diferença significativa. As principais palavras em destaque são: risco, meta, expectativas, choque, petróleo, incerteza. Elas mostram o momento dessa ata: o conflito (palavra presente na nuvem) na Ucrânia implicou um choque de aumento do preço do petróleo, uma elevação da incerteza e, assim, dos riscos na economia. Isto representa também um risco para o não cumprimento da meta do Copom no ano que vem. Assim, para reforçar as expectativas de controle da inflação no futuro, eles decidiram por aumentar a taxa de juros (tighten) mais uma vez.

Análise de sentimento

A análise de sentimento trata-se de extrair algum sentimento de um conjunto de 1 ou mais textos. Por exemplo, a frase “O dia está bonito” teria um sentimento positivo, pois a palavras bonito é classificado como um sentimento positivo e as outras palavras são classificadas como neutras.

Geralmente, a análise de sentimento é feita com o uso de um dicionário de sentimentos elaborados previamente. Estes dicionários associam diversas palavras à um determinado sentimento e podem se concentrar em diversas áreas ou campos de conhecimento - economia, política, literatura, entre outros.

Nesta pesquisa, foi utilizado o dicionário econômico de Loughran-McDonald. Nele, observamos 6 sentimentos possíveis: incerteza, litigioso, negativo, positivo, restritivo ou supérfluo. A tabela abaixo traz alguns exemplos:

Sentimento	Palavras
Negativo	Acidente, acusação
Positivo	Melhor, beneficiar
Incerteza	Cautela, confundir
Restritivo	Limitado, compromisso
Supérfluo	Assimilar, bifurcação
Litigioso	Alegação, advogado

Abaixo, constam as análises de sentimento das atas do Copom separadas por presidente do Brasil ou do BCB. Dada a temporalidade semelhante dos mandatos dois tipos de presidentes, a diferença entre os dois gráficos é pequena.

Análise de sentimento por presidente do Brasil

Análise de sentimento por presidente do BCB

Algumas primeiras impressões podem ser notadas. Primeiramente, verifica-se um tom mais negativo que positivo das atas do Copom. Em segundo lugar, percebe-se um aumento do sentimento de incerteza após o primeiro governo Temer, possivelmente relacionado com a recessão e lenta recuperação econômica desde então. Por fim, também é possível notar uma redução do sentimento litigioso após o governo Temer.

Modelagem de tópicos

A modelagem de tópicos envolve o uso de técnicas de aprendizado em máquina para a extração de tópicos (assuntos) específicos em um determinado texto para um conjunto de textos. Nesta pesquisa, foi utilizada a técnica de Latent Dirichlet allocation (LDA), procurando extrair 6 tópicos das atas do Copom.

O gráfico abaixo mostra as 20 palavras mais frequentes nos 6 tópicos. Essa etapa da análise textual das atas do Copom está em desenvolvimento e novas stopwords necessitam ser incorporadas para a melhoria da modelagem de tópicos.

No entanto, algumas conclusões inicias podem ser extraídas. Por exemplo, o tópico 2 aparenta tratar da economia real (industria e produção) e crescimento (expansão, cresceu, aumentou, elevou, expandiu). O tópico 5 apresenta uma relação forte com o dólar, preços administrados e a necessidade de ações. O tópico 6 apresenta um cenário de riscos e de ajustes/reformas.

Palavras por tópico

Partindo desses tópicos, é feita a análise de tópicos por presidências. É possível ver alguns movimentos claros na predominância dos tópicas nas presidências, indicando o estado da economia e do governo. Por exemplo, o tópico 5 preocupado com o dólar, setor externo e os preços administrado é predominante ao final do governo FHC, em que houve uma forte desvalorização cambial e crescimento forte de preços administrado e a crise energética de 2001. O tópico 2 é predominante entre 2004 e 2007, em que a economia cresceu em taxas comparativamente altas. Por fim, o tópico 6 que exprime riscos e reformas é identificado como dominante nos governos Temer e Bolsonaro, em que se aprovaram a Reforma Trabalhista e da Previdência.

Tópicos por presidente

Conclusão

A análise textual do Copom podem trazer insights interessantes das atas do Copom. As diversas ferramentes disponíveis - nuvem de palavras, análise de sentimento e modelagem de tópicos - são complementares e podem mostrar diferentes lados de um mesmo objeto de estudo. No entanto, verifica-se a importância das etapas anteriores de extração e tratamento dos dados, além do aprimoramento dos stopwords.

Código

O código para todo o tratamento, análise e visualização dos dados podem ser disponibilizados com solicitação ao autor.

Impacto assimétrico da taxa de câmbio no Brasil

2022-03-26T00:00:00-03:00

Visão geral

Este projeto contempla o artigo em construção com o título temporário “Larger and faster exchange rate pass through when the currency depreciates: a Local Projections approach for the case of Brazil”. A pesquisa procura identificar um impacto sobre a inflação maior e mais rápido de desvalorizações cambiais em relação às valorizações.

Toda as partes de tratamento, análise e visualização dos dados foram feitos em R. Particularmente, as estimações do modelo econométrico foram feitas com o pacote lpirfs.

Resumo

As variações da taxa de câmbio são um dos principais fatores que geram fortes aumentos da inflação no Brasil. Isto foi visto claramente nos episódios de grande desvalorização cambial em 2002, 2015 e 2020. Isto ocorre em virtude dos efeito pervasivo de uma variação do dólar sobre os preços domésticos, afetando os preços de importações, de commodities (mesmo aquelas produzidas internamente) e substitutos domésticos de produtos importados.

Para a análise da hipótese da assimetria do repasse cambial - efeito distinto sobre a inflação entre aumentos e quedas do dólar - foi utilizado um modelo econométrico de Projeções Locais. A análise da magnitude e velocidade do repasse cambial foi feito através da observação das Funções Impulso Resposta.

Os principais resultados indicaram evidências de que o repasse cambial tende a ser cerca de 6 vezes mais elevado em desvalorizações cambiais do que em valorizações. Ademais, o impacto é muito mais rápido: quando há um choque de elevação do dólar, o efeito ocorre dentro de 1 mês, enquanto o efeito para valorizações cambiais ocorrem cerca de 12 meses depois.

Resultados

Funções impulso resposta

Abaixo, constam as funções impulso resposta (FIR) em relação aos dois “estados” (isto é, quando o real se desvaloriza - depreciação - ou quando ele valoriza - apreciação). Observando as FIR’s, é possível verificar que a assimetria na velocidade do impacto dos choques cambiais: no estado de depreciação é estaticamente significativo em boa parte dos horizontes até o 12º mês, enquanto no estado de apreciação ele é estatiscamente significativo somente no 13º mês.

Magnitude do repasse cambial

A magnitude do repasse cambial é calculada conforme a metodologia proposta por Belaisch (2003), apropriado para análises envolvendo FIRs. Abaixo, verifica-se que o repasse cambial chega a 12% após 12 meses do choque inicial quando há um choque de desvalorização cambial, enquanto o repasse cambial para o estado de apreciação é de apenas 2% após 13 meses.

Análise de robustez

Os resultados apresentaram robustez mesmo utilizando outras variáveis macroeconômicas para a inflação externa, taxa de juros ou de demanda agregada. Ademais, foram testadas outras configurações de parâmetros para o modelo.

Importância da pesquisa

Pesquisas sobre a assimetria do repasse cambial no Brasil, de modo que nenhuma até então procurou avaliar a existência da assimetria em relação à velocidade do impacto. A taxa de câmbio é um preço chave na dinâmica dos preços de diversos bens no Brasil, especialmente os de alimentos. Preços de alimentos tendem a ser uma das categorias de bens mais sensíveis aos aumentos do dólar. Dessa forma, como exemplo, a assimetria do repasse cambial pode ser um indicativo de um impacto mais pronunciado e mais rápido sobre estes bens de desvalorizações cambiais. Assim, os movimentos da taxa de câmbio tornam-se ainda mais importante para as autoridades políticas (principalmente, do Banco Central) para pensar no controle da inflação, especialmente em uma inflação que afeta mais profundamente o poder aquisitivo de famílias de menor renda (GOUVÊA, 2021).

Código

O código para todo o tratamento, análise e visualização dos dados podem ser disponibilizados com solicitação ao autor.

Referências bibliográficas

BELAISCH, A. Exchange rate pass-through in Brazil. International Monetary Fund Working Paper, n. 3-141, 2003.

Gouvêa, R., 2021. Large devaluations and inflation inequality: Repli- cating cravino and levchenko (2017) with evidence from brazil. Journal of Applied Econometrics.

Análise de redes sociais IE-IE

2019-08-01T00:00:00-03:00

Visão geral

Este projeto envolveu a análise de redes de publicações de autores com filiação aos Instituto de Economia (IE) da Unicamp ou da UFRJ. Os dados foram obtidos de publicações indexadas à Scielo e categorizadas na àrea de pesquisa “Business & Economics” e organização “Unicamp” ou “UFRJ”. Todas as publicações disponíveis que se encaixavam neste filtro foram coletadas (em julho de 2019).

Toda as partes de tratamento, análise e visualização dos dados foram feitos em Python. Particularmente, as construções visuais das redes foram elaboradas com o pacote graph-tool.

Resumo

A análise dos dados mostrou um maior número de publicações no IE-UFRJ, possivelmente relacionada com o maior longevidade de seu Instituto de Economia. Adicionalmente, verificou-se a existência de redes mais extensas para o IE-UFRJ, em que a maior longevidade de seu Instituto de Economia também pode ser um fator explicativo, considerando-se a existência de centro ou grupos de pesquisas mais velhos. Por fim, também deve ser considerado o fato de que a área de pesquisa de Negócios (“Business”) é um campo relativamente amplo, em que publicações de diversas áreas do conhecimento podem se adequar. Como o número de cursos de graduação e pós graduação é maior na UFRJ, isto também pode ser uma causa importante dos resultados.

Visualização dos dados

IE-Unicamp

A rede de autoria e coautoria do IE-Unicamp pode ser visto abaixo. Cada ponto (vértice) indica um autor. A ligação entre dois ou mais pontos (nós) indica uma publicação em coautoria. Pontos sem ligação indicam publicações solitárias.

Foi criado um gradiente de cor, em que cores mais intensas dos pontos mostram autores com um maior número de publicações. Além disso, quanto maior o ponto, maior é o número de publicações em coautoria deste autor. No total, foram encontradas 303 publicações para o IE-Unicamp.

Por sua vez, o gráfico abaixo mostra o número de grupos (componentes) e seu tamanho. Por exemplo, o grupo mais numeroso de coautores tem 43 publicações. Em contraste, cerca de 24 publicações contém somente 1 autor. Além disso, é possível verificar que grupos com mais de 8 publicações entre seus (co)autores são únicos.

IE-UFRJ

A rede de autoria e coautoria do IE-UFRJ pode ser visto abaixo. Em um primeiro momento, percebe-se a existência de grupos de colaboração mais densos e um maior número de publicações. Também é possível ver autores com maiores números de colaboração que no IE-Unicamp. No total, foram encontradas 600 publicações para o IE-UFRJ.

Analogamente, o gráfico abaixo mostra o número de grupos (componentes) e seu tamanho. Uma primeira distinção é que no IE-UFRJ há mais publicações com 2 (co)autores do que publicações com apenas 1 autor (maioria no IE-Unicamp). Ademais, verifica-se grupos muito mais numerosos de publicações em coautoria.

Código

O código para todo o tratamento, análise e visualização dos dados podem ser disponibilizados com solicitação ao autor.