Código
library(ggthemes)
library(quantmod)
library(ggplot2)
library(readr)PROJETO FINAL - INTRODUÇÃO À CIÊNCIA DE DADOS NO R - 2023.2
UNIVERSIDADE FEDERAL DA PARAÍBA
PROFESSOR: Antônio Vinícius Barros Barbosa
TAXAS DE JUROS AMERICANA E CRISES ECONÔMICAS - UMA ANÁLISE GRÁFICA
1. Introdução
A necessidade de encontrar formas de antecipar ou prever possíveis crises economicas é um fator crucial para a estabilidade e crescimento economico. Com isso é possível amenizar os seus problemas, pois assim ela se torna mais previsível, mitigando os impactos negativos que irão a vir. Medidas mensuráveis podem ser usadas de forma estratégica.
2. Pacotes Utilizados
3. Metodologia
A metodologia adotada neste projeto baseou-se na utilização dos dados do Federal Reserve Economic Data, usando o pacote de dados quantmod, por meio da função getSymbols, que permite buscar os dados diretamente do site do Federal Reserve Economic Data. Esse site oferece uma vasta quantidade de dados econômicos, incluindo séries temporais sobre emprego, produção, preços e muitos outros indicadores econômicos dos Estados Unidos e de várias outras economias ao redor do mundo. Os dados do índice de inflação foram feitos usando o pacote readr para ler em csv os aquivos em Excel também direto do site do Federal Reserve Economic Data e usamos o pacote ggthemes para poder usar o tema theme_hc(), um tema baseado no estilo de gráficos do Highcharts da biblioteca JavaScript nos gráficos feitos em ggplot.
O objetivo deste projeto é utilizar duas taxas de juros dos Estados Unidos, o Fed Funds Rate e o Treasury Bill de 2 anos, como base para identificar os momentos de inversão dessas taxas e analisar como a economia americana responde a essas mudanças. Além disso, serão utilizados dados de desemprego, PIB real, PIB potencial e inflação de demanda (CPI) e a inflação de oferta (PPI), para observar o comportamento dessas variáveis durante os períodos de inversão das taxas de juros.
4. Desenvolvimento
Como dito anteriormente, uma das formas que os Estados Unidos usam para fazer previsão de possíveis crises econômicas, é por meio de suas diversas taxas de juros, as que foram escolhidas para este trabalho foram:
Fed Funds Rate: É a taxa básica de juros dos Estados Unidos, emitida pelo Federal Reserve Bank, equivalente à Taxa Selic brasileira. Essa taxa de juros é fundamental para as transações com títulos federais realizadas pelas instituições financeiras. Sua importância se estende por toda a economia, uma vez que é por meio dela que o Estado implementa parte de suas políticas monetárias. Essa taxa de juros é considerada de curto prazo e influencia diretamente as transações diárias dos bancos.
Treasury Bills: Também conhecidos como T-Bills, os Treasury Bills são títulos de dívida emitidos pelo Departamento do Tesouro dos Estados Unidos. Esse método é bastante semelhante ao utilizado no Brasil com o Tesouro Direto. O governo emite esses títulos de dívida, oferecendo remuneração após um determinado período, em troca de recursos imediatos que viabilizam projetos, ajustes de infraestrutura e outros aspectos importantes para o país. É uma taxa de juros definida pelo mercado, ao contrário da Fed Funds Rate e existem diferentes prazos de vencimento para esses títulos, como 1, 2, 3 ou 6 meses, além dos prazos de 1 e 2 anos. No projeto em questão, foi utilizada a taxa de 2 anos.
4.1. Longo Prazo
Como disse Paul Krugman, “a produtividade não é tudo, mas no longo prazo é quase tudo”. Para garantir um crescimento econômico sustentável em um país, é crucial pensar a longo prazo, uma vez que muitos investimentos só apresentarão resultados significativos após alguns anos, e alguns até mesmo décadas. Nesse sentido, as taxas de juros de longo prazo assumem grande importância, pois refletem as expectativas em relação à economia.
A inversão da curva de juros é frequentemente considerada um sinal antecipado de recessão econômica. Isso ocorre porque a inversão da curva de juros sugere que os investidores estão menos otimistas em relação ao futuro da economia e estão buscando segurança em investimentos de longo prazo, mesmo que isso signifique retornos menores.
5. Dados Históricos de Taxas de Juros (1976 - 2024)
Código
# Defina o período para os dados
start_date <- "1976-01-01"
end_date <- Sys.Date()
# Federal Funds Rate
fed_funds <- getSymbols("FEDFUNDS", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Treasury Bills de 2 anos
treasury_bills_2yr <- getSymbols("DGS2", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Ajuste os dados para terem o mesmo número de linhas
data <- na.omit(merge(fed_funds, treasury_bills_2yr))
colnames(data) <- c("Federal_Funds_Rate", "Treasury_Bills_2yr_Rate")
# ggplot2
ggplot(data, aes(x = index(data))) +
geom_line(aes(y = Federal_Funds_Rate, color = "Federal Funds Rate")) +
geom_line(aes(y = Treasury_Bills_2yr_Rate, color = "Treasury Bills de 2 anos")) +
scale_color_manual(values = c("blue", "orange")) +
labs(title = "Federal Funds Rate vs Treasury Bills de 2 anos",
y = "Porcentagem",
x = "Anos",
color = "Tipo de taxa de juros") +
theme_hc()
6. Análise (1976 - 2024)
6.1. 1978 - 1980
Código
# Definir as datas de início e fim
start_date <- "1976-01-01"
end_date <- "1982-01-01"
# Federal Funds Rate
fed_funds <- getSymbols("FEDFUNDS", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Treasury Bills de 2 anos
treasury_bills_2yr <- getSymbols("DGS2", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Ajustar os dados para terem o mesmo número de linhas
data <- na.omit(merge(fed_funds, treasury_bills_2yr))
colnames(data) <- c("Federal_Funds_Rate", "Treasury_Bills_2yr_Rate")
# ggplot2
ggplot(data, aes(x = index(data))) +
geom_line(aes(y = Federal_Funds_Rate, color = "Federal Funds Rate")) +
geom_line(aes(y = Treasury_Bills_2yr_Rate, color = "Treasury Bills de 2 anos")) +
scale_color_manual(values = c("blue", "orange")) +
labs(title = "Federal Funds Rate vs Treasury Bills de 2 anos (1978 - 1981)",
y = "Porcentagem",
x = "Anos",
color = "Tipo de taxa de juros") +
theme_hc()
A instabilidade geopolítica gerada pela Revolução Iraniana em 1979 causou uma elevação dos preços do petróleo, que já vinham subindo desde 1973. Para estimular a economia dos Estados Unidos, que enfrentava pressões inflacionárias crescentes na década de 1970, o Federal Reserve optou por manter os níveis de juros mais baixos. No entanto, essa política também contribuiu para o aumento da pressão inflacionária.
No final da década de 1970, o Federal Reserve decidiu aumentar as taxas de juros para controlar a inflação, o que resultou na inversão da curva de juros. Essa inversão antecedeu uma recessão nos EUA, que teve início em janeiro de 1980 e durou até julho do mesmo ano.
Em 1980, a inflação continuou alta, levando o Federal Reserve a elevar novamente as taxas de juros de curto prazo e provocando uma nova inversão da curva de juros. Durante a recessão, a produção industrial e o emprego sofreram quedas significativas, enquanto a inflação diminuiu devido à redução da demanda agregada.
6.2. 1989 - 1990
Código
# Definir as novas datas de início e fim
start_date <- "1989-01-01"
end_date <- "1991-01-01"
# Federal Funds Rate
fed_funds <- getSymbols("FEDFUNDS", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Treasury Bills de 2 anos
treasury_bills_2yr <- getSymbols("DGS2", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Ajustar os dados para terem o mesmo número de linhas
data <- na.omit(merge(fed_funds, treasury_bills_2yr))
colnames(data) <- c("Federal_Funds_Rate", "Treasury_Bills_2yr_Rate")
# ggplot2
ggplot(data, aes(x = index(data))) +
geom_line(aes(y = Federal_Funds_Rate, color = "Federal Funds Rate")) +
geom_line(aes(y = Treasury_Bills_2yr_Rate, color = "Treasury Bills de 2 anos")) +
scale_color_manual(values = c("blue", "orange")) +
labs(title = "Federal Funds Rate vs Treasury Bills de 2 anos (1989 - 1990)",
y = "Porcentagem",
x = "Anos",
color = "Tipo de taxa de juros") +
theme_hc()
Durante o final da década de 1980, os Estados Unidos enfrentaram pressões inflacionárias devido a vários fatores, incluindo os gastos excessivos do governo, aumentos nos preços de ativos, flutuações nos preços do petróleo devido à Guerra do Irã-Iraque e a demanda agregada que já se encontrava em níveis elevados.
Em 19 de outubro de 1987, ocorreu o crash do índice Dow Jones, conhecido como “Segunda-Feira Negra”, quando o índice caiu 22% em apenas um dia. Esse evento abalou a confiança dos investidores e dos consumidores, levando a uma desaceleração na atividade econômica. Para conter a crise, o governo dos Estados Unidos aumentou os gastos públicos, direcionando recursos inclusive para a Guerra do Golfo.
Essa política monetária expansionista estimulou o crescimento da inflação nos Estados Unidos. Em resposta, o Federal Reserve decidiu elevar as taxas de juros, o que resultou em uma nova inversão da curva de juros.
6.3. 2000 - 2001
Código
# Definir as novas datas de início e fim
start_date <- "2000-01-01"
end_date <- "2002-01-01"
# Federal Funds Rate
fed_funds <- getSymbols("FEDFUNDS", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Treasury Bills de 2 anos
treasury_bills_2yr <- getSymbols("DGS2", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Ajustar os dados para terem o mesmo número de linhas
data <- na.omit(merge(fed_funds, treasury_bills_2yr))
colnames(data) <- c("Federal_Funds_Rate", "Treasury_Bills_2yr_Rate")
# ggplot2
ggplot(data, aes(x = index(data))) +
geom_line(aes(y = Federal_Funds_Rate, color = "Federal Funds Rate")) +
geom_line(aes(y = Treasury_Bills_2yr_Rate, color = "Treasury Bills de 2 anos")) +
scale_color_manual(values = c("blue", "orange")) +
labs(title = "Federal Funds Rate vs Treasury Bills de 2 anos (2000 - 2002)",
y = "Porcentagem",
x = "Anos",
color = "Tipo de taxa de juros") +
theme_hc()
No final da década de 1990, os Estados Unidos experimentaram uma bolha especulativa no mercado de ações, especialmente no setor de tecnologia e internet. Os preços das ações de muitas empresas de tecnologia atingiram níveis insustentáveis, impulsionados por expectativas irrealistas de crescimento e lucro. Não era necessário que as empresas fossem do setor de tecnologia; bastava que estivessem de alguma forma associadas a ele. Muitas vezes, até mesmo a simples inclusão de “.com” em seus nomes era suficiente para impulsionar suas ações.
Em março de 2001, a economia dos EUA entrou em recessão, marcando o fim do período de crescimento econômico dos anos 1990. Vários fatores contribuíram para a recessão, incluindo o colapso da bolha das empresas ponto-com, redução dos investimentos empresariais, cortes de empregos e desaceleração do crescimento econômico.
6.4. 2006 - 2007
Código
# Definir as novas datas de início e fim
start_date <- "2006-01-01"
end_date <- "2008-01-01"
# Federal Funds Rate
fed_funds <- getSymbols("FEDFUNDS", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Treasury Bills de 2 anos
treasury_bills_2yr <- getSymbols("DGS2", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Ajustar os dados para terem o mesmo número de linhas
data <- na.omit(merge(fed_funds, treasury_bills_2yr))
# Renomear as colunas
colnames(data) <- c("Federal_Funds_Rate", "Treasury_Bills_2yr_Rate")
# ggplot2
ggplot(data, aes(x = index(data))) +
geom_line(aes(y = Federal_Funds_Rate, color = "Federal Funds Rate")) +
geom_line(aes(y = Treasury_Bills_2yr_Rate, color = "Treasury Bills de 2 anos")) +
scale_color_manual(values = c("blue", "orange")) +
labs(title = "Federal Funds Rate vs Treasury Bills de 2 anos (2006 - 2007)",
y = "Porcentagem",
x = "Anos",
color = "Tipo de taxa de juros") +
theme_hc()
Entre 2006 e janeiro de 2008, os Estados Unidos testemunharam uma série de eventos econômicos significativos que culminaram na crise financeira global de 2008. Uma bolha imobiliária em expansão, alimentada por práticas de empréstimos arriscadas e uma expansão do crédito hipotecário de alto risco, resultou em preços de imóveis inflacionados. Isso foi seguido por uma crise no mercado hipotecário subprime, com altas taxas de inadimplência e execução hipotecária. O colapso de instituições financeiras proeminentes, como o Lehman Brothers, desencadeou pânico nos mercados financeiros globais. Para enfrentar os desafios, o governo dos EUA teve que intervir com medidas de resgate e estímulos econômicos, marcando o início de uma crise financeira de proporções globais.
Além disso, anos antes, houve uma mudança no fluxo de capitais dos países emergentes. Estes países conseguiram adquirir significativas reservas para se prevenir de eventuais crises. As reservas foram depositadas nos títulos do tesouro americano, o que, por sua vez, gerou distorções nas taxas de juros.
Durante a bolha imobiliária que precedeu a crise de 2008, as taxas de juros de curto prazo já estavam historicamente baixas, o que limitou a capacidade do Fed de usar a política monetária convencional para conter os problemas no mercado imobiliário.
6.5. 2019 - Até o momento
Código
# Definir a data de início como 2019-01-01
start_date <- "2019-01-01"
# Definir a data final como a data atual
end_date <- Sys.Date()
# Federal Funds Rate
fed_funds <- getSymbols("FEDFUNDS", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Treasury Bills de 2 anos
treasury_bills_2yr <- getSymbols("DGS2", src = "FRED", from = start_date, to = end_date, auto.assign = FALSE)
# Ajustar os dados para terem o mesmo número de linhas
data <- na.omit(merge(fed_funds, treasury_bills_2yr))
colnames(data) <- c("Federal_Funds_Rate", "Treasury_Bills_2yr_Rate")
# ggplot2
ggplot(data, aes(x = index(data))) +
geom_line(aes(y = Federal_Funds_Rate, color = "Federal Funds Rate")) +
geom_line(aes(y = Treasury_Bills_2yr_Rate, color = "Treasury Bills de 2 anos")) +
scale_color_manual(values = c("blue", "orange")) +
labs(title = "Federal Funds Rate vs Treasury Bills de 2 anos (2019 - Atualmente)",
y = "Porcentagem",
x = "Anos",
color = "Tipo de taxa de juros") +
theme_hc()
No contexto pós-2019, as taxas de juros assumiram um papel ainda mais proeminente diante dos desafios econômicos resultantes da pandemia de COVID-19 e das transformações nas condições globais de comércio. A capacidade do Federal Reserve em ajustar as taxas de juros de curto prazo, como a Fed Funds Rate, tornou-se crucial para estimular a recuperação econômica e manter a estabilidade financeira. Nesse sentido, a taxa de juros tornou-se um instrumento essencial para enfrentar a pandemia.
7. Dados Históricos do PIB real e PIB potencial (1976 - 2024)
Código
# Definindo datas de início e fim
start_date <- "1976-01-01"
end_date <- Sys.Date()
# Produto Interno Bruto (PIB) real e do PIB potencial dos EUA
getSymbols(c("GDPC1", "GDPPOT"), src = "FRED", from = start_date, to = end_date)Código
# Ajusta o comprimento dos dados do PIB
gdp_real <- na.omit(GDPC1)
gdp_potential <- na.omit(GDPPOT)
gdp <- merge(gdp_real, gdp_potential)
# Data frame com as datas, o PIB real e o PIB potencial
data <- data.frame(Date = index(gdp),
GDP_Real = as.numeric(coredata(gdp[,1])),
GDP_Potential = as.numeric(coredata(gdp[,2])))
# ggplot2
ggplot(data, aes(x = Date)) +
geom_line(aes(y = GDP_Real, color = "PIB real")) +
geom_line(aes(y = GDP_Potential, color = "PIB potencial")) +
scale_color_manual(values = c("blue", "red")) +
labs(title = "PIB potencial vs PIB real (1976 - 2024)",
y = "Bilhões de dólares",
x = "Anos",
color = "Dados") +
theme_hc()+
geom_vline(xintercept = as.numeric(as.Date(c("1978-01-01", "1980-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("1989-01-01", "1990-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2000-01-01", "2001-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2006-01-01", "2007-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2019-01-01"))), linetype = "dashed", color = "black")
7.1. Dados Históricos do PIB real e PIB potencial (1976 - 1999)
Código
# Definir as novas datas de início e fim
start_date <- "1976-01-01"
end_date <- "1999-12-31"
# roduto Interno Bruto (PIB) real e do PIB potencial dos EUA
getSymbols(c("GDPC1", "GDPPOT"), src = "FRED", from = start_date, to = end_date)Código
# Ajusta o comprimento dos dados do PIB
gdp_real <- na.omit(GDPC1)
gdp_potential <- na.omit(GDPPOT)
gdp <- merge(gdp_real, gdp_potential)
# Cria um data frame com as datas, o PIB real e o PIB potencial
data <- data.frame(Date = index(gdp),
GDP_Real = as.numeric(coredata(gdp[,1])),
GDP_Potential = as.numeric(coredata(gdp[,2])))
# ggplot2
ggplot(data, aes(x = Date)) +
geom_line(aes(y = GDP_Real, color = "PIB real")) +
geom_line(aes(y = GDP_Potential, color = "PIB potencial")) +
scale_color_manual(values = c("blue", "red")) +
labs(title = "PIB potencial vs PIB real (1976 - 1999)",
y = "Bilhões de dólares",
x = "Anos",
color = "Dados") +
theme_hc()+
geom_vline(xintercept = as.numeric(as.Date(c("1978-01-01", "1980-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("1989-01-01", "1990-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2000-01-01", "2001-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2006-01-01", "2007-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2019-01-01"))), linetype = "dashed", color = "black")
7.2. Dados Históricos do PIB real e PIB potencial (2000 - 2024)
Código
# Definindo datas de início e fim
start_date <- "2000-01-01"
end_date <- "2024-04-01"
# Produto Interno Bruto (PIB) real e do PIB potencial dos EUA
getSymbols(c("GDPC1", "GDPPOT"), src = "FRED", from = start_date, to = end_date)Código
# Ajusta o comprimento dos dados do PIB
gdp_real <- na.omit(GDPC1)
gdp_potential <- na.omit(GDPPOT)
gdp <- merge(gdp_real, gdp_potential)
# Data frame com as datas, o PIB real e o PIB potencial
data <- data.frame(Date = index(gdp),
GDP_Real = as.numeric(coredata(gdp[,1])),
GDP_Potential = as.numeric(coredata(gdp[,2])))
# ggplot2
ggplot(data, aes(x = Date)) +
geom_line(aes(y = GDP_Real, color = "PIB real")) +
geom_line(aes(y = GDP_Potential, color = "PIB potencial")) +
scale_color_manual(values = c("blue", "red")) +
labs(title = "PIB potencial vs PIB real (2000 - 2024)",
y = "Bilhões de dólares",
x = "Anos",
color = "Dados") +
theme_hc()+
geom_vline(xintercept = as.numeric(as.Date(c("1978-01-01", "1980-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("1989-01-01", "1990-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2000-01-01", "2001-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2006-01-01", "2007-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2019-01-01"))), linetype = "dashed", color = "black")
Ao comparar os gráficos do PIB potencial e real, torna-se evidente como as inversões de juros impactaram a economia americana. Em todos os períodos analisados neste projeto, as inversões de juros precederam alguma crise econômica, com maior ênfase na Crise Financeira de 2008, uma das piores crises financeiras da história, que tem uma relação direta com o comportamento da taxa de juros.
8. Desemprego dos Estados Unidos (1976 - 2024)
Código
# Define o período para os dados
start_date <- "1976-01-01"
end_date <- Sys.Date()
# Obtem os dados da taxa de desemprego dos EUA
getSymbols("UNRATE", src = "FRED", from = start_date, to = end_date)
unemployment_rate <- na.omit(UNRATE)Código
# Cria um data frame com as datas e a taxa de desemprego
data <- data.frame(Date = index(unemployment_rate),
Unemployment_Rate = as.numeric(coredata(unemployment_rate)))
# ggplot2
ggplot(data, aes(x = Date, y = Unemployment_Rate)) +
geom_line(color = "blue") +
labs(title = "Taxa de desemprego",
y = "Porcentagem",
x = "Anos") +
theme_hc()+
geom_vline(xintercept = as.numeric(as.Date(c("1978-01-01", "1980-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("1989-01-01", "1990-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2000-01-01", "2001-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2006-01-01", "2007-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2019-01-01"))), linetype = "dashed", color = "black")
Durante os períodos de recessão, conforme observado nos gráficos do PIB Real e Potencial, o desemprego tende a aumentar à medida que as empresas reduzem as contratações para cortar custos, prejudicando os trabalhadores. Graficamente, é possível observar que os períodos de reversão dos juros são seguidos de aumentos expressivos nos níveis de desemprego.
9. Inflação dos Estados Unidos (1976 - 2024)
Código
cpi <- read_csv("https://fred.stlouisfed.org/graph/fredgraph.csv?bgcolor=%23e1e9f0&chart_type=line&drp=0&fo=open%20sans&graph_bgcolor=%23ffffff&height=450&mode=fred&recession_bars=on&txtcolor=%23444444&ts=12&tts=12&width=1168&nt=0&thu=0&trc=0&show_legend=yes&show_axis_titles=yes&show_tooltip=yes&id=CPIAUCNS&scale=left&cosd=1976-01-01&coed=2024-01-01&line_color=%234572a7&link_values=false&line_style=solid&mark_type=none&mw=3&lw=2&ost=-99999&oet=99999&mma=0&fml=a&fq=Monthly&fam=avg&fgst=lin&fgsnd=2009-06-01&line_index=1",
skip = 11)
colnames(cpi) <- c("Date", "CPI")
ppi <- read_csv("https://fred.stlouisfed.org/graph/fredgraph.csv?bgcolor=%23e1e9f0&chart_type=line&drp=0&fo=open%20sans&graph_bgcolor=%23ffffff&height=450&mode=fred&recession_bars=on&txtcolor=%23444444&ts=12&tts=12&width=1168&nt=0&thu=0&trc=0&show_legend=yes&show_axis_titles=yes&show_tooltip=yes&id=PPIACO&scale=left&cosd=1976-01-01&coed=2024-01-01&line_color=%23ff5579&link_values=false&line_style=solid&mark_type=none&mw=3&lw=2&ost=-99999&oet=99999&mma=0&fml=a&fq=Monthly&fam=avg&fgst=lin&fgsnd=2009-06-01&line_index=1",
skip = 11)
colnames(ppi) <- c("Date", "PPI")
ggplot() +
geom_line(data = cpi, aes(x = as.Date(Date), y = CPI, color = "CPI")) +
geom_line(data = ppi, aes(x = as.Date(Date), y = PPI, color = "PPI")) +
labs(title = "Índices de preços",
y = "Índice de Preços",
x = "Anos",
color = "Índice") +
scale_color_manual(values = c("blue", "orange")) +
theme_minimal()+
geom_vline(xintercept = as.numeric(as.Date(c("1978-01-01", "1980-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("1989-01-01", "1990-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2000-01-01", "2001-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2006-01-01", "2007-12-31"))), linetype = "dashed", color = "black") +
geom_vline(xintercept = as.numeric(as.Date(c("2019-01-01"))), linetype = "dashed", color = "black")
Nos Estados Unidos, a economia é monitorada de perto por meio de dois índices importantes de inflação: o Índice de Preços ao Produtor (PPI) e o Índice de Preços ao Consumidor (CPI). O PPI mede as mudanças nos preços recebidos pelos produtores por seus bens e serviços, enquanto o CPI avalia as variações nos custos de vida para os consumidores finais. Ambos os índices desempenham um papel crucial na avaliação da estabilidade econômica e na formulação de políticas monetárias e fiscais.
O PPI é dividido em categorias que incluem bens finais, bens intermediários e bens brutos, enquanto o CPI abrange áreas como alimentos, habitação, transporte, cuidados médicos, educação, recreação e vestuário. Esses índices são essenciais para o Federal Reserve, que os utiliza para monitorar a inflação e tomar decisões sobre taxas de juros. Além disso, eles são amplamente usados pelo governo, empresas e consumidores para planejar orçamentos, ajustar salários e preços, e tomar decisões de investimento.
10. Conclusão
Com base nos estudos realizados e na análise dos gráficos, tornou-se evidente e curioso observar como a inversão da taxa de juros pode ser um indicador importante na previsão de crises econômicas. Embora seja uma análise simples, é surpreendentemente eficaz, uma vez que os principais períodos de crise da segunda metade do século XX até o período atual foram precedidos por essa inversão.
Este estudo não apenas torna as possíveis crises mais previsíveis, mas também proporciona conhecimento aos agentes econômicos, permitindo que eles se preparem para reduzir os impactos de eventos futuros. Foi observado que, além da mudança nas taxas de juros, também ocorrem alterações nas taxas de desemprego e nos índices de inflação, afetando a população como um todo. Além das taxas estudadas, como a Fed Funds Rate e as Treasury Bills, há também outras taxas importantes, como a Treasury Bonds, que refere-se a taxas de juros de títulos do tesouro com prazo de 10 anos ou mais. Essas análises fornecem uma visão abrangente do panorama econômico e auxiliam na tomada de decisões informadas por parte dos formuladores de políticas fiscais e monetárias.