Progresso T´ ecnico no Setor de Bens de Investimento e a Macroeconomia Brasileira Vladimir K. Teles * Celso Jos´ e Costa J ´ unior † Rafael Mouallem Rosa ‡ Resumo A importˆ ancia do progresso tecnol´ ogico dos setores de produc ¸˜ ao de bens de investimento sobre a macroeconomia brasileira ´ e discutida neste artigo. Para tanto, documentamos evidˆ encias de que um modelo que leva em considerac ¸˜ ao tal tipo espec´ ıfico de progresso t´ ecnico se ajusta melhor ` a economia brasileira para a explicac ¸˜ ao de longo-prazo. Em seguida apresentamos um modelo DSGE com dois setores, incorporando o progresso t´ ecnico no setor de bens de investimento, e estimamos o modelo para o Brasil. Os resultados mostram que os choques de produtividade no setor de bens de investimento s˜ ao mais vol´ ateis e persistentes que do setor de bens finais, e que o hiato do produto tˆ em uma variˆ ancia maior no modelo de dois setores, o que implica em uma prescric ¸˜ ao de pol´ ıtica monet´ aria mais rigorosa para elevar o bem estar da economia. Palavras-Chave: Pol´ ıtica Monet ´ aria, Modelos DSGE, Produto Potencial JELs: E32, O41, E60 * Sao Paulo School of Economics - FGV, email: [email protected]† UFPR ‡ Sao Paulo School of Economics - FGV 1
32
Embed
Progresso Tecnico no Setor de Bens de Investimento e a ...
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Progresso Tecnico no Setor de Bens de Investimento e a
Macroeconomia Brasileira
Vladimir K. Teles∗ Celso Jose Costa Junior † Rafael Mouallem Rosa ‡
Resumo
A importancia do progresso tecnologico dos setores de producao de bens de investimento sobre a
macroeconomia brasileira e discutida neste artigo. Para tanto, documentamos evidencias de que um
modelo que leva em consideracao tal tipo especıfico de progresso tecnico se ajusta melhor a economia
brasileira para a explicacao de longo-prazo. Em seguida apresentamos um modelo DSGE com dois
setores, incorporando o progresso tecnico no setor de bens de investimento, e estimamos o modelo para
o Brasil. Os resultados mostram que os choques de produtividade no setor de bens de investimento
sao mais volateis e persistentes que do setor de bens finais, e que o hiato do produto tem uma variancia
maior no modelo de dois setores, o que implica em uma prescricao de polıtica monetaria mais rigorosa
∗Sao Paulo School of Economics - FGV, email: [email protected]†UFPR‡Sao Paulo School of Economics - FGV
1
1 Introducao
Ha fortes evidencias que o progresso tecnico seja distinto entre setores de producao de bens de consumo
e de investimento na economia brasileira. A pista mais relevante nessa direcao e a trajetorica de precos
relativos de bens de investimento (IPA-maquinas e equipamentos) em relacao a bens de consumo (IPA-
bens de consumo) entre bens de investimento e bens de consumo, conforme vemos na figura 11, que
apresenta uma persistente tendencia de queda, revelando uma forte evidencia de que a produtividade do
setor de producao de bens de investimento cresceu persistentemente mais que a produtividade do setor de
producao de bens de consumo.
0
0.5
1
1.5
2
2.5
3
jul/6
9 ju
n/70
m
ai/7
1 ab
r/72
m
ar/7
3 fe
v/74
ja
n/75
de
z/75
no
v/76
ou
t/77
se
t/78
ag
o/79
ju
l/80
jun/
81
mai
/82
abr/
83
mar
/84
fev/
85
jan/
86
dez/
86
nov/
87
out/
88
set/
89
ago/
90
jul/9
1 ju
n/92
m
ai/9
3 ab
r/94
m
ar/9
5 fe
v/96
ja
n/97
de
z/97
no
v/98
ou
t/99
se
t/00
ag
o/01
ju
l/02
jun/
03
mai
/04
abr/
05
mar
/06
fev/
07
jan/
08
dez/
08
nov/
09
out/
10
set/
11
Metodologia Antiga Metodologia Nova
Figura 1: Indice de Precos de Maquinas e Equipamentos / Indice de Precos de Bens de Consumo
Porem tal fato tem passado despercebido dos modelos macroeconomicos de curto e longo prazos
desenvolvidos para a economia brasileria, ate onde temos conhecimento. Neste artigo buscamos forncer
contribuicoes em tres direcoes nesse aspecto: i) apresentar evidencias de que o progresso tecnico no
setor de producao de bens de investimento tem caracterısticas distintas do progresso tecnico no setor de
producao de bens finais no Brasil, e que isso e relevante para a explicacao do produto de longo-prazo; ii)
desenvolver um modelo DSGE de pequena escala que incorpore este aspecto; iii) estimar o modelo para
o Brasil e avaliar as implicacoes para a conducao da polıtica monetaria.1Os dados sao do IPEA, e apresentam os resultados antes e apos a adocao d euma mudanca de metodologia para o caluclo
dos ındices
2
A importancia de se separar o progresso tecnico entre setores de bens finais e de investimento foi
abordada inicialmente em Greenwood, Hercowitz e Krusell (1997), que apresentam evidencias que a
contabilidade de crescimento para os EUA apresenta um ajuste muito mais exato quando o progresso
tecnico especıfico no setor de investimento e incluıda no modelo neoclassico, e que aproximadamente
60% do crescimento da produtividade total dos fatores no pos guerra foi decorrente do aumento da pro-
dutividade neste setor. Outros artigos corroboram com esta visao, como Whelan (2003) e Basu e Fernald
(2009). Assim, na primeira parte do artigo nos avaliamos, a partir de uma extensao simples do modelo
de Solow, como o progresso tecnico especıfico no setores de bens de investimento e relevante para a
explicacao do crescimento de longo-prazo da economia brasileira.
Na segunda parte do artigo desenvolvemos um modelo DSGE onde o setor de producao de bens de
investimento esta sujeito a choques de produtividade independentes do setor de producao de bens finais,
e a partir deste consideramos o impacto sobre prescricoes de polıtica monetaria. Basu e Fernald (2009)
desenvolvem um modelo DSGE para estudar esta questao, porem com uma estrutura diferente do modelo
proposto aqui, tanto na propria estrategia de modelagem, como pelo fato de incluırmos uma estrutura
adicional similar a outros modelos desenvolvidos para a economia brasileira como Vereda e Cavalcanti
(2010) e Castro el al (2011, i.e. o modelo SAMBA). Sob esse aspecto, podemos dizer que o modelo
DSGE de Basu e Fernald (2009) estuda os choques de produtividade no setor de bens duraveis de forma
geral, e nao propriamente nos bens de investimento. No nosso caso nos incluımos uma estrutura com
friccoes financeiras, custos de ajustamento na producao de capital, utilizacao da capacidade do capital
endogena, e precos rıgidos no setor de investimento.
Alem disso enquanto Basu e Fernald (2009) calibram o modelo utilizando parametros identicos para
a persistencia e volatilidade dos choques de produtividade nos dois setores nos realizamos a estimacao
de tais parametros ao estimar o modelo DSGE com econometria bayesiana. Como resultado mostramos
que os choques no setor de bens de investimento sao mais persistentes e mais volateis que os no setor de
bens de consumo. Como consequencia a variancia do hiato do produto e maior no modelo de 2 setores,
implicando na prescricao de uma polıtica monetaria mais rigorosa por parte da autoridade monetaria. Tal
resultado e o oposto do alcancado por Basu e Fernald (2009).
O ponto destacado por Basu e Fernald (2009) e que o produto potencial seria mais volatil no modelo de
2 setores, e, logo, o hiato do produto teria uma variancia menor, o que implicaria em reacoes mais fracas
da polıtica monetaria. Porem, ao estimar o modelo e obter os parametros mais apropriados, observamos
que a inclusao do setor de bens de investimento, ao agregar choques mais volateis e persistentes, de fato
aumenta a volatilidade do hiato do produto, e prescreve um aumento da reacao do Banco Central como
polıtica otima, ou seja, o contrario do sugerido pelo modelo calibrado.
3
2 Modelo de 2 Setores: Longo Prazo
O Modelo padrao de Solow consegue reproduzir os padroes da decomposicao do crescimento brasileiro?
Para responder a esta pergunta nos podemos avaliar qual seria a contribuicao da acumulacao de capital
prevista pelo modelo de Solow e comparar com a observada de acordo com uma analise de contabilidade
de crescimento.
Na decomposicao do crescimento a taxa de crescimento da PTF (produtividade total dos fatores) e
dada por,
˙PTF
PTF=Y
Y− αK
K− (1− α)
L
L
No modelo de Solow, no steady-state temos que Y e K crescem a taxa (g+n) enquanto que L cresce
a taxa n. Assim, substituindo na equacao anterior temos que,
˙PTF
PTF= (1− α)g
Logo, a contribuicao do capital ao crescimento sera dada por,
αg =α
(1− α)
˙PTF
PTF
Assim, utilizando os dados obtidos para o crescimento da PTF em Cardoso e Teles (2010) podemos
calcular a contribuicao da acumulacao do capital ao crescimento para a economia brasileira prevista pelo
modelo de Solow. A figura 2 compara a trajetoria da tendencia da contribuicao da acumulacao de capital
prevista pelo modelo de Solow com a tendencia observada para a economia brasileira.
Podemos repetir o exercıcio ao utilizar tres medidas diferentes para acumulacao de capital (1- Esto-
que Lıquido Total; 2- Estoque Lıquido de Maquinas e Equipamentos; 3- Estoque Lıquido de Maquinas
e Equipamentos Privado). Ao memso tempo podemos comparar tais resultados separadamente nos 3
perıodos de crescimento apos uma analise de quebras estruturais conduzido por Cardoso e Teles (2010).
Dessa forma observamos que para os tres perıodos de crescimento da economia brasileira terıamos os
resultados apresentados na tabela 1.
Os resultados indicam que um modelo de Solow simples consegue prever surpreendentemente bem
as variacoes da contribuicao da acumulacao de capital para o crescimento do produto, mas nao tao bem
o nıvel da taxa de contribuicao da acumulacao de capital uma vez que o modelo de Solow subestima
a contribuicao da acumulacao do capital para o crescimento do produto por trabalhador em todos os
perıodos. Os resultados sao robustos para os diferentes estagios de crescimento da economia brasileira
4
-1.50%
-0.50%
0.50%
1.50%
2.50%
3.50%
4.50%
1951
1953
1955
1957
1959
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
Contr. Da Acumulação de K Contr. Da Acumulação de K (Solow)
Figura 2: Contribuicao da acumulacao de capital para o crescimento
Tabela 1: Contribuicao da Acumulacao Prevista pelo Modelo de Solow (Media Anual)Observado Previsto
Cada firma determina as escolhas dos insumos a serem utilizados de forma a minimizar o custo, i.e.:
11
minLx,t(j),Kx,t(j)
RftWtLx,t(j) +RtKx,t(j) (9)
sujeito a funcao de producao, onde Kx,t(j) e o estoque de capital, Rt e o retorno do capital, e Rft e a taxa
de juros nominal bruta paga pelas firmas intermediarias as IFs. Note que o custo e afetado pelos juros
cobrados pelas IFs, de forma que choques de liquidez afetam as decisoes de alocacao das firmas.
Das CPOs temos as condicoes de que as remuneracoes serao pagas de acordo com os retornos margi-
nais dos fatores:
RftWt = (1− αx)Ax,tKαx
x,tL−αxx,t (10)
Rt = αxAx,tKαx−1x,t L1−αx
x,t (11)
onde o indice j e omitido, assumindo um equilibrio simetrico.
Como destacado anteriormente, o setor de bens intermediarios e sujeito a rigidez de precos. Dessa
forma assumimos que os precos nominais seguem um padrao de reajuste de precos que segue Calvo
(1983): cada firma pode escolher seu preco com uma probabilidade (1− θ) independentemente do tempo
decorrido desde o ultimo ajustamento. Logo, em cada perıodo (1 − θ) dos produtores podem escolher
novos precos, enquanto que apenas uma fracao θ mantem seus precos inalterados.
3.2.3 Firmas Produtoras de Bens de Capital
Nos assumimos que os produtores de bens de capital estao sujeitos a competicao perfeita, e compram bens
de investimento em t para aumentar o estoque de capital Kt, bem como repor a quantidade depreciada
(1− δ)Kt−1), seguindo exatamente a mesma estrutura de Vereda e Cavalcanti (2010).
A producao de novos bens de capital envolvem custos de ajustamento de acordo com a seguinte lei de
movimento:
Kt = (1− δ)Kt−1 + It
[1− S
(ItIt−1
)](12)
onde
S
(ItIt−1
)=χ
2
(ItIt−1− 1
)2
(13)
tal que χ parametro de sensibilidade nos investimentos.
12
Sujeito a esta tecnologia o produtor de capital representativo escolhe seu investimento (It) e a reposicao
de capital de forma a maximizar seu lucro resolvendo o seguinte problema:
maxut,Kt,It
= Et
∞∑t=0
Ξ0,t(RtUtKt−1 − PI,tψ(Ut)Kt−1 − PI,tIt) (14)
onde Ξ0,t e o fator de desconto estocastico de desconto, U representa a taxa de utilizacao do capital, e
ψ(Ut) e custo da firma quando decide fornecer capital abaixo da capacidade plena, assumindo que,
ψ(Ut) = ψ1(Ut − 1) +ψ2
2(Ut − 1)2 (15)
onde ψ1, ψ2 > 0 sao parametros de sensibilidade da utilizacao da capacidade instalada.
Ao resolver tal problema chegamos as tres condicoes abaixo:
Rt
PI,t= ψ1 + ψ2(Ut − 1) (16)
Qt = EtΞt,t+1
{Qt+1(1− δ)−Rt+1Ut+1 + PI,t+1
[ψ1(Ut+1 − 1) +
ψ2
2(Ut+1 − 1)2
]}(17)
PI,t +Qt
[1− χ
2
(ItIt−1− 1
)2
+ χ
(ItIt−1
)(ItIt−1− 1
)]= EtΞt,t+1Qt+1I
2t+1χ
(It+1
It− 1
)(18)
ondeQ conhecido como o Q de Tobin, representa o multiplicador de Lagrange para a evolucao do capital.
Tais equacoes tem implicacoes ja discutidas exaustivamente na literatura (e.g. Vereda e Cavalcanti,
2010), a saber: i) a taxa de utilizacao do capital sera a que iguala o custo de explorar uma unidade a
mais de capital ao retorno deste uso; ii) o preco sombra do capital diminui com os juros reais ex-ante de
um perıodo; e iii) o investimento corrente depende positivamente do seu valor no perıodo anterior, das
expectativas acerca do investimento futuro, e do valor esperado de Q no perıodo seguinte.
3.3 Instituicoes Financeiras (IFs)
O intermediario financeiro opera em um mercado competitivo, com credito sem risco tomando os emprestimos
das famılias, Nt, e as injecoes de moeda recebidas pela autoridade monetaria e re-emprestando as firmas.
Dessa forma, a atuacao do sistema financeiro segue a um modelo simples de working capital sugerido
por Carlstrom e Fuerst (1995) onde o canal de credito e incluıdo explicitamente na economia.
Assim, assumindo que os bancos agem sob competicao perfeita, eles se deparam com a seguinte
13
restricao orcamentaria,
Rft (Nt + (gt − 1)Mt−1) = Rn
tNt (19)
ou seja, um aumento da oferta de moeda implica em um efeito de liquidez, diminuindo os juros pago
pelas firmas pelo capital de giro.
Esta equacao e apenas uma condicao de lucro zero. Assim o valor recebido dos emprestimos das
famılias, e da autoridade monetaria, traduz-se em pagamento de salarios pelas firmas,
(Nt + (gt − 1)Mt−1) = WtLt (20)
3.4 Polıtica Monetaria
O Banco Central escolhe a taxa de expansao monetaria com a finalidade de ajustar o valor da taxa de
juros de emprestimos as firmas. Para tanto, ao utilizar as condicoes (19) e (20) o Bacen obtem a taxa de
juros Rft ao determinar a taxa de expansao monetaria do perıodo de acordo com a condicao dada por,
gt =
(Rnt −R
ft
Rft
)Nt
Mt−1+
(R∗t −R
ft
Rft
)1
Mt−1+ 1 (21)
Por sua vez, o BC determina a taxa de juros de emprestimos as firmas Rft desejada a partir da regra
de Taylor a seguir, que reage a desvios da economia ao steady-state.
Rft = a(Yt − Yss) + b(Πt − Πss) + Smt R
fss (22)
onde Πt = PtPt−1
e a taxa de inflacao, e as variaveis com subscrito ss sao os valores de steady-state, a,b os
parametros de reacao da regra de Taylor e Smt e o choque de polıtica monetaria, onde,
logSmt = (1− ρm) logSmss + ρm logSmt−1 + εmt
onde εmt → N(0, σm).
Diferentemente do usual, a taxa de juros a ser determinada pela regra de Taylor e uma taxa de juros
real e nao nominal porque os emprestimos sao tomados no inıcio do perıodo e pagos no fim do perıodo.
Essa diferenca faz com que o parametro b = b − 1, no qual b seria o parametro caso a regra de Taylor
regulasse a taxa de juros nominal.
14
3.5 Equilıbrio
O modelo consiste na dinamica das variaveis endogenas Y , C, I , L, LC , LI , K, KC , KI , W , R, Rn, Rf ,
PC , PI , U , Q, Ξ, N , AC , AI , SC , SL, Sm, tal que as condicoes de otimizacao e restricoes apresentadas
nas secoes anteriores sejam respeitadas e os mercados apresentem-se em equilıbrio, i.e.
Mercado de Trabalho:
Lt = LC,t + LI,t (23)
Mercado de Capital:
Kt = KC,t +KI,t (24)
Mercado de Bens:
YC,t = Ct (25)
YI,t = It (26)
Yt = Ct + It (27)
O apendice apresenta todas as equacoes que determinam os valores de steady-state das variaveis, bem
como as equacoes log-linearizadas que servirao de base para as estimacoes e simulacoes subsequentes.
4 Analise Quantitativa
4.1 Dados
O modelo foi estimado usando dados trimestrais de 2003Q1 ate 2013Q4 (44 dados). Para esta estimacao
foram usadas 5 variaveis observaveis (C, I , L, P e U ) as quais estao descritas na tabela 3, bem como suas
respectivas series. Este conjunto de variaveis observaveis foi escolhida levando em conta a disponibili-
dade de dados e, especialmente, para obter a melhor identificacao possıvel dos choques de produtividade.
Modelos DSGE sao desenvolvidos para caracterizar uma economia estacionaria. Dessa forma, o
primeiro passo foi deflacionar as variaveis nominais usando o IPCA, em seguida o procedimento foi
retirar a sazonalidade e a tendencia, para essa finalidade foram usados o software X12-ARIMA e aplicado
15
a diferenca dos logaritmos. A Figura 5 fornece o grafico dessas series transformadas.
Tabela 3: Variaveis Observaveis do ModeloVariavel Serie Fonte
P IPCA (%a.m.) IBGE/SNIPCI Capital - formacao bruta - R$ (milhoes) IBGE/SCN 2000 Trim.C Consumo final - famılias - R$ (milhoes) IBGE/SCN 2000 Trim.L Horas pagas - industria - ındice (media 2006 = 100)-SP FiespU Capacidade Instalada CNI
Figura 5: Series de Dados (Depois da Transformacao)
4.2 Calibracao
Os parametros cujos valores sao relativemente consensuais e/ou de possıvel observacao foram calibrados,
enquanto que os parametros relevantes na analise da propagacao dos choques foram estimados usando
econometria bayesiana.
Vereda e Cavalcanti (2010) analizaram as propriedades dinamicas de um modelo DSGE para o Brasil
testando alternativas de parametrizacoes. Logo, esses autores identificaram as aplitudes de valores de
algums parametros chave da literatura DSGE. Dessa forma, foram aproveitados os valores dos parametros
coincidentes com este estudo: fator de desconto intertemporal (β); taxa de depreciacao do capital (δ);
coeficiente de aversao ao risco relativo (η); e a desutilidade marginal do trabalho (ω).
16
Para os parametros relacionados com o lado monetario, as sensibilidades da taxa de juros em relacao
ao produto (a) e a taxa de inflacao (b) foram obtidos de Castro et al (2011). Enquanto aqueles relaci-
onados a estrutura das firmas foram calibrados de dois estudos. A participacao do capital no produto
foi obtido de Kanczuk (2002), e o indice de rigidez dos precos (θ) e a elasticidade de substituicao entre
bens intermediarios (ϕ) foram obtidos de Lim e McNelis (2008). A tabela 4 resume as informacoes da
calibracao dos parametros.
Tabela 4: Calibragem dos Parametros.Parametros Valor Fonte
β 0,985 Vereda e Cavalcanti (2010)δ 0,025 Vereda e Cavalcanti (2010)η 2 Vereda e Cavalcanti (2010)ψ 1,5 Vereda e Cavalcanti (2010)a 0,16 Castro et al (2011)b 2,43 Castro et al (2011)α 0,39 Kanczuk (2002)θ 0,85 Lim and McNelis (2008)ϕ 6 Lim and McNelis (2008)
4.3 Priors e Posteriors
Os priors utilizados seguem a calibracao de Basu e Fernald (2009) para os parametros que regem os pro-
cessos estocasticos dos choques, e para o peso do setor de investimento na economia (ωI). Os parametros
que regem os custos de ajustamento do capital χ e ψ seguem Vereda e Cavalcanti (2010). As distribuicoes
posterior dos parametros foram calculadas usando o algoritmo Metropolis-Hasting, o qual usa o proce-
dimento de simulacao de Monte Carlo da Cadeia de Markov (MCMC). Esta secao demonstra o resultado
multivariado da convergencia do MCMC e os valores posterior dos parametros.
4.3.1 Testando a Convergencia do MCMC
Para verificar se o resultado da estimacao foi adequado, realizamos o diagnostico do MCMC como teste
da convergencia da distribuicao posterior. O diagnostico multivariado do MCMCA desta estimacao (fi-
gura 6) indica que as Cadeias de Markov convergiram tanto na estatıstica ’interval’ quanto nos segundo
e terceiro momentos (m2 e m3). O analise de diagnostico univariado tambem apresentou resultados sa-
tisfatorios (convergencia das estatısticas), apenas com alguma oscilacao nas estatısticas dos parametros
autoregressivos (ρs) (ver figuras do apendice).
17
Figura 6: Diagnostico Multivariado do Modelo
4.3.2 Valores Estimados
Dadas as ditribuicoes prior dos parametros, foram estimadas as distribuicoes dos posterior usando um
processo MCMC com 200.000 iteracoes, valor de escala 0,4 e 5 cadeis paralelas para o algoritmo Metropolis-
Hastings. Os resultados das estimacao Bayesiana estao exibidos na tabela 5 e na figura 7. Esses graficos
sao especialmente relevantes, pois servem para detectar problemas e analisar a confianca dos resultados.
A distribuicao posterior dos parametros relevantes deste estudo, visivelmente, seguem uma distribuicao
normal. Nota-se algum problema em relacao ao valor prior para os choques exogenos e para os parametros
autoregressivos, contudo a estrategia foi manter o mesmo valor prior de media e desvio-padrao para cada
parametro dentro do seu grupo (parametro autoregressivo e choques exogenos), o que potencializa um
distanciamento entre o valor prior e posterior.
O resultado mais importante dos valores obtidos e a diferenca de valores para ρAC e ρAI , e de εAC e
εAI , que indicam que os choques de produtividade no setor de bens de investimento sao mais volateis e
persistentes que os choques de produtividade no setor de bens de consumo. Tais valores implicam que o
uso de um modelo que nao inclua o setor de bens de investimento para fins de prescricao de polıtica pode
identificar os choques de forma erronea, e, logo, alcancar valores distintos para o produto potencial e o
hiato do produto do que os reais. Como o hiato do produto e uma variavel relevante para a conducao da
polıtica monetaria em si, bem como para a obtencao de expectativas de inflacao pelos agentes, a polıtica
monetaria estaria sempre viesada ao nao incorporar esta fonte de volatilidade.