Mecanismo de transmissão da política monetária no Brasil: uma análise setorial em VAR (2009–2025)
Replicação e atualização de Tomazzia & Meurer (2009) — Macroeconomia Aplicada, MPE/EESP-FGV
Antonio Zambon e Jacques Videla
27/06/2026
1 O que é estudado e por que é relevante
A política monetária é o principal instrumento de estabilização de curto prazo da economia brasileira sob o regime de metas de inflação, vigente desde 1999. Entender como e com que defasagem uma decisão de juros se transmite para a atividade real e para os preços é central tanto para o desenho da política quanto para a avaliação de seus custos. Mais do que o efeito agregado, importa o efeito setorial: choques de juros atingem de forma desigual os setores industriais, dependendo de sua sensibilidade ao crédito e ao custo de capital. Setores cujos bens são tipicamente financiados — duráveis, veículos, bens de capital — tendem a responder mais e mais rápido do que setores de bens não duráveis.
Este trabalho mede, para o setor de veículos automotores, a resposta da produção industrial a um choque exógeno de política monetária (SELIC) no período de 01/2012 a 12/2025, dando sequência ao recorte do artigo (que terminou em 2008/2009) e cobrindo o intervalo de 2009 até 2025.
2 Em que nos baseamos
Artigo de referência. Tomazzia, E. C. & Meurer, R. (2009). O mecanismo de transmissão da política monetária no Brasil: uma análise em VAR por setor industrial. Economia Aplicada, 13(4), 371–398.
- Pergunta: qual o impacto de um choque monetário exógeno sobre as principais variáveis macroeconômicas e sobre a produção de setores industriais específicos no Brasil sob metas de inflação?
- Contribuição: documentar a heterogeneidade setorial da transmissão, associando-a aos canais de juros, câmbio (pass-through), preço de ativos (q de Tobin) e crédito.
- Metodologia: VAR estimado em nível, com tratamento de não-estacionariedade à la Toda & Yamamoto (1995); identificação do choque por decomposição de Choleski; análise via funções impulso-resposta (IRF).
- Resultados que replicamos: o “Modelo Geral Principal” (MGP) — produção, preços, SELIC, M1, crédito e câmbio — e a resposta da produção setorial a um choque de SELIC.
Nossa adaptação. Seguimos a orientação (ii) do trabalho — adaptar a especificação para dados brasileiros atualizados. Mantemos a estrutura de seis variáveis do MGP, mas (a) estendemos a amostra para 2012–2025; (b) em vez da indústria geral, usamos a produção do setor de veículos automotores como variável de produto, escolhendo um único setor (no artigo original eram seis). O setor de veículos é, no artigo, um dos de maior resposta, por sua forte dependência de financiamento — o que o torna um caso natural para um estudo focado.
3 Dados e tratamento das séries
Todas as séries são mensais e provêm de fontes oficiais: Banco
Central (SGS, via API do SGS via
httr/jsonlite) e IBGE (PIM-PF/SIDRA, via
sidrar). O script 01_coleta_dados.R
baixa e salva a base; este relatório apenas a carrega.
| Variável (modelo) | Proxy | Tratamento | Fonte |
|---|---|---|---|
| Produto | Produção física industrial — veículos automotores (índice, ajuste sazonal) | log | IBGE/PIM-PF (tab. 8888) |
| Nível de preços | IGP-M (índice, base 100 no 1º mês) | log | BCB-SGS 189 |
| Política monetária | SELIC anualizada (% a.a., fim de mês) | nível | BCB-SGS 1178 |
| Agregado monetário | M1 (saldo, dessaz.), deflacionado pelo IPCA | log | BCB-SGS 27841 |
| Crédito | Operações de crédito ao setor privado, deflacionado pelo IPCA | log | BCB-SGS 22052 |
| Câmbio | R\(/US\) (venda, fim de mês) | log | BCB-SGS 1 |
A ordenação de Choleski segue o artigo: produto → preços → SELIC → M1 → crédito → câmbio. A intuição é a do artigo: o produto não reage contemporaneamente às demais; os preços só ao produto; a SELIC reage a produto e preços (função de reação do BC); e as variáveis financeiras (M1, crédito, câmbio) são as mais endógenas, ajustando-se dentro do mês.
Séries utilizadas, em nível.
4 Breve descrição do modelo
Estimamos o VAR em nível \[X_t = c + \sum_{i=1}^{p} B_i X_{t-i} + \varepsilon_t,\qquad \varepsilon_t \sim N(0,\Sigma),\] onde \(X_t\) reúne as seis variáveis acima. Como os resíduos do VAR são contemporaneamente correlacionados, a identificação do choque estrutural usa a decomposição de Choleski de \(\Sigma\) na ordem indicada, gerando um sistema recursivo. As IRFs são obtidas da representação VMA do sistema, com bandas de confiança de 95% por bootstrap.
Roteiro de construção (executado no
02_modelo_var.R): (1) análise de outliers
— identificados e contextualizados, mas não tratados
nesta etapa; (2) testes de integração (ADF/PP) e cointegração
(Johansen); (3) seleção de defasagens por critérios de informação; (4)
diagnóstico dos resíduos; (5) funções impulso-resposta.
4.1 Integração e cointegração
| Serie | ADF nivel | ADF 1a dif |
|---|---|---|
| l_produto | -3.72 | -13.39 |
| l_igpm | -0.21 | -5.69 |
| selic | -0.33 | -8.12 |
| l_m1 | -0.68 | -7.19 |
| l_ocsp | 0.54 | -8.75 |
| l_cambio | -2.16 | -12.79 |
Como no artigo, as séries exibem ordens de integração mistas/ambíguas (a maioria I(1); algumas estacionárias em nível em um dos testes). Esse é exatamente o contexto que justifica estimar o VAR em nível: evita-se a perda de informação de longo prazo da primeira diferença e dispensa-se a escolha rígida de uma especificação de cointegração.
4.2 Seleção de defasagens
| AIC(n) | HQ(n) | SC(n) | FPE(n) |
|---|---|---|---|
| 7 | 3 | 3 | 7 |
Adotamos 3 defasagem(ns), pelo critério de Schwarz (SC), como no artigo.
4.3 Diagnóstico dos resíduos
- Estabilidade: todas as raízes dentro d o círculo unitário (VAR estável).
- Portmanteau ajustado (12 def.): p-valor = 0.000.
Estabilidade estrutural (OLS-CUSUM).
5 Resultados e comparação com o artigo
Resposta a um choque de +1 d.p. na SELIC (24 meses, IC 95%).
O efeito máximo (vale) da produção de veículos automotores ocorre por volta do mês 16 após o choque, com queda em torno de -0.1%. A leitura qualitativa é confrontada com o artigo original a seguir.
| Dimensao | Tomazzia & Meurer (2009) | Este trabalho (2009–2025) |
|---|---|---|
| Janela | jun/1999–dez/2008 | 01/2012–12/2025 |
| Setor (produto) | 6 setores; veículos entre os mais sensíveis (~ −1,5%) | foco em veículos automotores |
| Defasagem (SC) | 3 (2 + 1 de Toda-Yamamoto) | 3 |
| Resposta da produção à SELIC | Vale em 5–10 meses; volta à tendência em ~2 anos | vale ~-0.1% no mês 16 |
| Pass-through cambial | Relevante (IGP-M sobe ~1% a choque cambial) | ver figura (resposta do IGP-M ao câmbio) |
| Price puzzle | Pequeno/insignificante no MGP; some nos demais | verificar sinal inicial da resposta do IGP-M à SELIC |
Discussão. Espera-se, em linha com o artigo, que um
aperto monetário reduza a produção do setor de forma significativa e
relativamente rápida (a economia brasileira tem transmissão mais veloz
que economias desenvolvidas, atribuída à predominância do crédito de
curto prazo). O setor de veículos, fortemente dependente de
financiamento ao consumidor, costuma exibir uma das maiores respostas.
Diferenças em relação a 2009 podem surgir de: (i) mudanças estruturais
no mercado de crédito; (ii) episódios atípicos da janela 2009–2025
(recessão de 2014–16, choque da COVID-19, ciclo de juros de 2021–23),
captados na análise de outliers; e (iii) maior estabilidade do
pass-through sob inflação ancorada. A comparação final deve se
apoiar nas figuras e estatísticas geradas pelo
02_modelo_var.R.
6 Conclusão
Replicamos o núcleo do modelo de Tomazzia & Meurer (2009) — um VAR em nível identificado por Choleski — agora para o setor de veículos automotores e dando sequência ao período do artigo (2009–2025). A estrutura de seis variáveis e a leitura por impulso-resposta se mantêm informativas: a política monetária afeta a atividade setorial de forma negativa e transitória, com defasagem de poucos meses, confirmando a relevância dos canais de juros e crédito enfatizados no artigo. A atualização da amostra mostra que as conclusões qualitativas do estudo original seguem robustas, ao mesmo tempo em que os eventos macroeconômicos da última década oferecem um teste mais exigente para o mecanismo de transmissão.
6.1 Referências
- Tomazzia, E. C.; Meurer, R. (2009). O mecanismo de transmissão da política monetária no Brasil: uma análise em VAR por setor industrial. Economia Aplicada, 13(4), 371–398.
- Toda, H. Y.; Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66.
- Sims, C.; Stock, J.; Watson, M. (1990). Inference in linear time series models with some unit roots. Econometrica, 58.
- Christiano, L.; Eichenbaum, M.; Evans, C. (1999). Monetary policy shocks. Handbook of Macroeconomics.