Modelo desenvolvido com apoio do BC erra 50% menos que os analistas ao prever a inflação dos EUA

Vencer as previsões dos analistas profissionais para a inflação é tarefa difícil. Em geral, eles trabalham com mais informação, modelos próprios e bom feeling de mercado, e batem com folga os modelos econométricos tradicionais. Mas um estudo publicado em abril pelo Banco Central, na sua série Working Paper Series (número 643), mostra um caminho para superar o consenso desses profissionais nos Estados Unidos. O resultado, com redução de cerca de 50% no erro de previsão para o trimestre corrente. O trabalho é assinado por Sergio Lago Alves, do Bank of Canada e da PUC-Rio, com Waldyr Areosa, do Banco Central e da PUC-Rio, e Carlos Carvalho, da Kapitalo Investimentos e da PUC-Rio.

O ponto de partida é uma constatação já bem documentada na literatura econômica. As previsões médias dos profissionais são valiosas, mas não são perfeitas. Os economistas chamam as imperfeições de “fricções de informação”. Em termos práticos, os analistas não atualizam suas previsões na velocidade ideal. Demoram a incorporar novidades. Apresentam rigidez nas projeções, sobretudo nos horizontes mais longos.

A inovação do trabalho está em explorar essa rigidez de forma estruturada. Em vez de tratar as previsões dos profissionais como perfeitamente racionais, os autores modelam essas fricções e usam essa estrutura para extrair uma versão melhorada das previsões, batizada de “Resetting Forecast”.

O modelo combina dois tipos de dados em frequências diferentes. A inflação mensal dos Estados Unidos, divulgada pelo BLS, e as previsões trimestrais do Survey of Professional Forecasters (SPF), pesquisa conduzida pelo Federal Reserve Bank de Filadélfia. A inflação é decomposta em quatro componentes. Uma tendência de longo prazo, dois componentes transitórios (um de médio e outro de curto prazo) e um padrão sazonal que muda ao longo do tempo. A estimação usa técnicas bayesianas, com simulações de Monte Carlo.

O primeiro resultado relevante é empírico. A rigidez das previsões profissionais cresce com o horizonte. Para o “backcast” (previsão do trimestre anterior, quando já há informação parcial), a rigidez é praticamente zero. Para o “nowcast” (previsão do trimestre corrente), ela gira em torno de 0,40. A partir de dois trimestres à frente, estabiliza em torno de 0,81. Em outras palavras, quanto mais à frente, mais conservadores e menos sensíveis a novidades os analistas se mostram.

O segundo resultado é prático. Em testes feitos com base na chamada “pseudo amostra fora do tempo”, que simula uma situação real, o erro quadrático médio da previsão do modelo para o trimestre corrente foi cerca de 50% menor do que o do consenso do SPF. A significância estatística é confirmada por testes apropriados para esse tipo de comparação. Para horizontes mais longos, o modelo empata com o consenso, sem ganho relevante.

O terceiro ponto é teórico. Os autores derivam um critério matemático simples para identificar, antes mesmo de estimar o modelo, em quais horizontes a previsão melhorada deve superar a média da pesquisa. Esse critério depende de três estatísticas (variância dos erros individuais, dos erros médios e da inflação), todas facilmente calculáveis em qualquer pesquisa de expectativas.

Por fim, o modelo oferece uma decomposição interessante da inflação norte-americana. Mostra que apenas uma pequena parte do surto inflacionário de 2021 a 2023 nos Estados Unidos refletiu mudança na tendência de longo prazo. A maior parte foi atribuída a componentes transitórios de médio prazo, achado relevante para o debate sobre quão persistente é a inflação pós-pandemia.

As opiniões expressas no estudo são dos autores e não representam, necessariamente, as posições do Bank of Canada nem do Banco Central.

Estudo completo: Working Paper Series nº 643 (PDF).