An álise em VAR: Produç ão Industrial, IPCA e Spread

J.3 Modelo: GARCH (2,2)

4.3 An álise em VAR: Produç ão Industrial, IPCA e Spread

Por se tratar de um modelo vetorial, é gerado, para cada vari ável, uma equaç ão estimada, que a relaciona com as demais vari áveis e com ela mesma, contemporaneamente e em defasagens.

4.3.1 Produc¸ ˜ao Industrial

Para a equaç ão da Produç ão Industrial (PI), temos:

P It = 0, 2388831P It−1− 0.0053047IP CAt−1− 0, 0013965Spreadt−1 (4.6) −0.0708233P It−2+ 0.0070573IP CAt−2+ 0.0021722Spreadt−2 −0.0095855P It−3− 0.0068218IP CAt−3− 0.0021555Spreadt−3 −0.0490835P It−4+ 0.0150407IP CAt−4+ 0.0023630Spreadt−4 −0.0046371P It−5− 0.0216143IP CAt−5− 0.0010038Spreadt−5 −0.0629408P It−6+ 0.0129757IP CAt−6+ 0.0002349Spreadt−6+ at

Para uma an álise mais econ ômica, pode-se fazer estudos dos sinais retirados da equaç ão acima. Os dados est ão descritos na Tabela (4.2).

Tabela 4.2: Identificaç ão dos Ciclos Econ ômicos - P.I Vari ável - Produç ão Industrial

Defasagens PI IPCA Spread

t-1 + - - t-2 - + + t-3 - - - t-4 - + + t-5 - - - t-6 - + +

Analisando o efeito do aumento da Produç ão Industrial para a pr ópria s érie, temos que, em um primeiro momento, um aumento da Produç ão Industrial,

em t− 1, gera um aumento na própria série em t, porém, aumentos na Produção

Industrial em t− 2, t − 3, t − 4, t − 5 e t − 6 geram uma queda na Produção Industrial no per´ıodo t. Isso ocorre possivelmente devido ao esgotamento da capacidade produtiva instalada, ou pela elevaç ão excessiva de produtos estocados motivados pela elevaç ão na produç ão nos per´ıodos anteriores .

Com relaç ão aos efeitos do aumento do IPCA, dado a demanda cons- tante, um aumento do IPCA, em t− 1, gera uma diminuição da Produção Industrial em t. Isso possivelmente, porque, o Governo, para controlar a inflaç ão, aumenta a taxa de juros, aç ão esta que estimula uma contraç ão da produç ão. Entre os per´ıodos de correlaç ão inversa, por outro lado, h á per´ıodos de correlaç ão positiva entre as duas vari áveis, IPCA e Produç ão Industrial, como se verifica nos per´ıodos

t− 2, t − 4 e t − 6. Nestes per´ıodos, tem-se por hipótese uma inércia em relação as

decis ões dos agentes, pois estes podem demorar para incorporar as informaç ões em suas decis ões. Esse incorporaç ão foi estudada por Mankiw (2006) e chamada

de sticky information - rigidez da informaç ão1_{. J á em t}_{− 1 e t − 2 voltam a obedecer}

a din âmica descrita acima .Tal din âmica pode-se chamar de Ciclo Econ ômicos. Sabe-se que o Spread aumenta, principalmente, por dois motivos:ou taxa de curto prazo cai; ou a expectativa em relaç ão a taxa de longo prazo é de alta. A expectativa da taxa de longo é de alta, possivelmente, porque os agentes esperam um aumento na taxa SELIC (Taxa b ásica utilizada como refer ência pela Pol´ıtica Monet ária) no futuro, ent ão começam a retirar o investimento da Produç ão e o realocam no mercado de capitais onde render ão os juros atrativos, ocasionando a diminuiç ão da Produç ão Industrial, o contr ário ocorre quando o Spread aumenta pelo fato da taxa SELIC diminuir, esta diminuiç ão faz com que o capitais volte para a produç ão.

Um aumento no Spread em t− 1, t − 3 e t − 5 gera uma diminuição da Produç ão Industrial em t. Isso ocorre, possivelmente, pela mudança na expectativa em relaç ão a taxa de longo prazo. Em t− 2, t − 4 e t − 6, um aumento no Spread gera um aumento na Produç ão Industrial, possivelmente, pela diminuiç ão da taxa b ásica de juros de curto prazo. Este é ent ão o Ciclo Econ ômico estabelecido entre a Produç ão Industrial e o Spread.

Na Figura (4.1), pode se observar, segundo a trajet ória da linha ponti- lhada azul, o quanto a estimaç ão do modelo VAR (6), para a vari ável Produç ão Industrial, diverge dos dados reais (linha preta cont´ınua). Pode-se ainda observar o comportamento dos erros ocasionados pela estimaç ão do VAR (6). Observa-se que, para movimentos bruscos da s érie, o modelo n ão consegue captar de forma adequada o movimento, ocasionando um erro mais elevado que o padr ão, quando a s érie segue um caminho mais est ável. Observa-se, ainda neste gr áfico, que as funç ões de auto-correlaç ão e auto-correlaç ão parcial indicam que os res´ıduos n ão s ão auto-correlacionados.

-0 .1 0 -0 .0 5 0 .0 0 0 .0 5

Diagram of fit and residuals for P.I.

0 20 40 60 80 -0 .1 0 -0 .0 5 0 .0 0 0 .0 5 0 2 4 6 8 10 12 -0 .2 0 .6 ACF Residuals 2 4 6 8 10 12 -0 .2 0 .1 PACF Residuals

Figura 4.1: VAR - Produc¸ ˜ao Industrial

4.3.2 IPCA

Para a equac¸ ˜ao do IPCA , temos:

IP CAt = −0.100185P It−1+ 0.697942IP CAt−1+ 0.083850Spreadt−1 (4.7) −2.349339P It−2+ 0.116849IP CAt−2+ 0.004687Spreadt−2 +0.843796P It−3+ 0.080762IP CAt−3+ 0.023007Spreadt−3 +1.346098P It−4− 0.067817IP CAt−4+ 0.005427Spreadt−4 −0.738061P It−5− 0.124986IP CAt−5+ 0.027033Spreadt−5 −2.224140P It−6+ 0.309382IP CAt−6+ 0.044257Spreadt−6+ at

Para uma an álise mais econ ômica da s érie composta pelo IPCA e an álise dos efeitos nas mudanças do Spread e da Produç ão Industrial, pode-se fazer es- tudos dos sinais retirados da equaç ão acima. Os dados est ão expostos na tabela abaixo.

Tabela 4.3: Identificaç ão dos Ciclos Econ ômicos - IPCA Vari ável - IPCA

Defasagens PI IPCA Spread

t-1 - + + t-2 - + + t-3 + + + t-4 + - + t-5 - - + t-6 - + +

Aumentos na Produç ão Industrial em t− 5 e t − 6 geram diminuição do IPCA em t. Isto ocorre, possivelmente, porque o aumento da Produç ão Indus- trial gera, consequentemente, a diminuiç ão dos preços gerando uma diminuiç ão do IPCA. Mediante a Pol´ıtica Monet ária, o BACEN diminui os juros, e, seguindo a Din âmica Econ ômica, os investimentos s ão realocados voltando para a Produç ão Industrial. Em t− 3 e t − 4, dois meses depois, a correlação se torna positiva, o que possivelmente reflete uma expans ão da produç ão motivada por crescimento da demanda, precintando aumento da taxa de inflaç ão.J á em t− 1 e t − 2 voltam a obedecer a din âmica descrita acima.

O aumento do Spread em t− 1, t − 2, t − 3, t − 4, t − 5 e t − 6 gera um aumento no IPCA em t. Como hip ótese, isto ocorre porque as expectativas forma- das pelos agentes com relaç ão as taxas de longo prazo, realmente, se concretiza- ram em t, dado que estes agentes sejam dotados de informaç ões e entendam a din âmica econ ômica acerca da Pol´ıtica Monet ária exercida pelo Banco Central do Brasil.

Um aumento no IPCA, em t− 6, gera um aumento no IPCA em t. Isso ocorre, possivelmente, por inercia inflacion ária e ou indexaç ão de preços. Aumen- tos no IPCA em t− 4 e t − 5 geram diminuição no IPCA em t. Uma das explicações poss´ıveis é que os agentes, munidos de informaç ões, acreditam que o governo to-

mar á medidas, para o controle da inflaç ão em t, fazendo uso da Politica Monet ária, portanto, geram expectativas com base nesta din âmica. Isto s ó ocorre porque o Banco Central do Brasil tem credibilidade e os agentes acreditam nas pol´ıticas de contenç ão inflacion ária aplicadas por ele.

Na Figura (4.2), pode-se, da mesma forma, observar o quanto à estimaç ão da funç ão VAR(6) para a vari ável IPCA diverge dos dados reais. Observa-se que para o IPCA, a estimaç ão é mais precisa do que a anterior. Observa-se ainda o comportamento dos erros ocasionados pela estimaç ão do VAR(6). Pode-se ver a sua dispers ão em torno do eixo zero, o que permite concluir que os erros ocasionados na estimaç ão na m édia se situam em torno de zero. Pode-se ainda observar nos gr áficos ACF e PACF que os res´ıduos n ão s ão auto-correlacionados.

0 .0 1 .0 2 .0 3 .0

Diagram of fit and residuals for IPCA

0 20 40 60 80 -0 .4 0 .0 0 .4 0 .8 0 2 4 6 8 10 12 -0 .2 0 .6 ACF Residuals 2 4 6 8 10 12 -0 .2 0 .1 PACF Residuals

Figura 4.2: VAR - IPCA

4.3.3 Spread

Spreadt = +13.65067P It−1+ 0.58896IP CAt−1+ 0.22863Spreadt−1 (4.8) −0.77529P It−2− 3.40434IP CAt−2− 0.10106Spreadt−2 +1.17904P It−3+ 2.62339IP CAt−3− 0.01699Spreadt−3 −1.23529P It−4− 1.11399IP CAt−4+ 0.33630Spreadt−4 −4.37360P It−5− 1.97431IP CAt−5+ 0.13166Spreadt−5 −6.27156P It−6+ 2.75024IP CAt−6− 0.01519Spreadt−6+ at

Para uma an álise mais econ ômica da s érie composta pelo Spread e sa- ber quais os efeitos nas mudanças da Produç ão Industrial e do IPCA, pode-se fazer estudos dos sinais retirados da equaç ão acima. Os dados est ão expostos na tabela abaixo.

Tabela 4.4: Identificaç ão dos Ciclos Econ ômicos - Spread Vari ável - Spread

Defasagens PI IPCA Spread

t-1 + + + t-2 - - - t-3 + + - t-4 - - + t-5 - - + t-6 - + -

Variaç ões positivas na Produç ão Industrial e no IPCA ocasionam, pra- ticamente, o mesmo movimento no Spread. Aumentos na Produç ão industrial em

t− 4, t − 5 e t − 6 geram uma diminuic¸˜ao no Spread em t. Tal movimento ocorre,

possivelmente, porque a taxa de curto prazo - SELIC sofre aumento devido a medidas de car ´ater macroprudenciais tomadas pelos formuladores de pol´ıtica monet ´aria.

Spread tamb ´em em t. Isto ocorre, possivelmente, porque os agentes j ´a incorpo-

raram as mudanças nas taxas de curto prazo e aumentaram as expectativas em relaç ão as taxas mais longas. Em t− 2 e t − 1 ocorre a mesma dinâmica descrita acima.

Na Figura (4.3), pode-se tamb ém constatar o quanto a estimaç ão da funç ão VAR(6), para a vari ável Spread, diverge dos dados reais (linha preta cont´ınua). Pode-se ainda observar o comportamento dos erros ocasionados pela estimaç ão do VAR(6), pode-se ver a sua dispers ão em torno do eixo zero, o que nos permite concluir que os erros ocasionados na estimaç ão na m édia se situam em torno de zero. Pode-se ainda observar as funç ões de auto-correlaç ões, FAC e FACP.

−5

Diagram of fit and residuals for Spread

0 20 40 60 80 −2 0 1 2 3 4 0 2 4 6 8 10 12 −0.2 0.6 ACF Residuals 2 4 6 8 10 12 −0.2 0.1 PACF Residuals

Figura 4.3: VAR - Spread

Seguiremos, agora, com a an álise dos res´ıduos da funç ão estimada VAR(6), recorrendo ao teste Portmanteau, que é o teste Box-Pierce adaptado para o caso multivariado, visto que o teste de auto-correlaç ão simples s ó pode ser usado para an álise univariada. A hip ótese nula do teste Portmanteau com n´ıvel de signi-

fic ância de 5% indica que h á aus ência de auto-correlaç ão residual. Como o teste resultou em p−valor = 0, 1339, conclui-se que os res´ıduos estimados não são auto- correlacionados, o que garante que a s érie est á bem especificada pelo modelo, n ão rejeitando-se portanto a hip ótese nula.

Com relaç ão a normalidade dos res´ıduos, com o p-valor igual a−2, 3493 encontrado, de acordo com o teste de normalidade Jarque-Bera, os res´ıduos se- guem uma distribuiç ão normal, o que nos permite, tamb ém, constatar que o modelo VAR(6) é uma boa representaç ão da s érie.

4.3.4 Depend ência entre as vari áveis: Produç ão Industrial, IPCA

e Spread

Pode-se fazer uma an álise interessante ao interpretar a figura(4.4) e as tabelas a seguir (4.5), (4,6) e (4.7). Observa-se como o quanto cada vari ável é influenciada pelas outras, nos determinados lags. A produç ão Industrial em t− 1 é influenciada 100% por ela mesma, em t− 2 a série já passa a ser influenciada cerca de 0,2% pelo IPCA, essa influ ência permanece muito pequena ao longo dos per´ıodos t− 3, t − 4, t − 5 e t − 6. O Spread influencia cerca de 1% em t − 4, t − 5 e

t− 6, estes dados est˜ao descritos na tabela (4.5). O que nos leva a concluir que as

vari áveis IPCA e Spread t êm uma influencia fraca na Produç ão Industrial.

O IPCA de t−1 influencia cerca de 98,25% o IPCA no tempo t, este sofre influ ência tamb ém de 1,7% da Produç ão Industrial. O IPCA no tempo t recebe cerca de 85,52% de influ ência do IPCA no tempo t− 2, 10,6% de influência do Spread e 3,38% da Produç ão Industrial. O que pode-se concluir é que h á uma influ ência crescente do Spread dos per´ıodos t− 3, t − 4, t − 5 e t − 6. Por exemplo, o Spread dos meses de abril, maio, junho e julho influenciam, substancialmente, o IPCA de Novembro. Do mesmo modo, a Produç ão Industrial dos meses de abril, maio, junho e julho influenciam o IPCA de novembro.

O Spread em t é influenciado cerca de 90% pelo Spread em t−1 e 9,33% pela Produç ão Industrial tamb ém em t− 1. Como exemplo, pode-se descrever que

o Spread de novembro foi influenciado em m édia 13% pela Produç ão Industrial dos meses de maio, junho, julho, agosto, setembro e outubro. O spread de novembro foi influenciado ainda em m édia 7,17% pelo IPCA dos mesmos meses.

Pode-se concluir que o Spread é a vari ável do modelo mais vulner ável diante do comportamento das outras vari áveis e que seu comportamento é extremamente dependente da Produç ão Industrial e do IPCA.

1 2 3 4 5 6 Spread IPCA P.I. PI Lag P ercentual 0.0 0.4 0.8 1 2 3 4 5 6 Spread IPCA P.I. IPCA Lag P ercentual 0.0 0.4 0.8 1 2 3 4 5 6 Spread IPCA P.I. SPREED Lag P ercentual 0.0 0.4 0.8

Tabela 4.5: Porcentagem de influ ência das vari áveis - Produç ão Industrial Produç ão Industrial - P.I.

PI IPCA Spread t-1 1,00000 0,00000 0,00000 t-2 0,99157 0,00288 0,00555 t-3 0,98819 0,00301 0,00880 t-4 0,98461 0,00307 0,01232 t-5 0,97642 0,00601 0,01756 t-6 0,97462 0,00781 0,01757

Tabela 4.6: Porcentagem de influ ˆencia das vari ´aveis - IPCA IPCA PI IPCA Spread t-1 0,01747 0,98253 0,00000 t-2 0,03867 0,85526 0,10606 t-3 0,03307 0,81219 0,15475 t-4 0,04202 0,74366 0,21432 t-5 0,06993 0,70019 0,22988 t-6 0,08432 0,62365 0,29203

Tabela 4.7: Porcentagem de influ ˆencia das vari ´aveis - Spread Spread PI IPCA Spread t-1 0,09338 0,00054 0,90609 t-2 0,16965 0,00989 0,82045 t-3 0,13508 0,21252 0,65240 t-4 0,13331 0,20276 0,66394 t-5 0,13002 0,21314 0,65684 t-6 0,11862 0,27574 0,60564

4.3.5 Func¸ ˜ao Impulso-Resposta Generalizada (GIR)

A Funç ão Impulso-Resposta Generalizada (GIR), segundo Leichsenring (2004), leva em consideraç ão a hist ória do modelo e compara a resposta din âmica m édia do modelo, dado um choque t´ıpico. Mais especificamente, a GIR compara a esperança condicional de uma vari ável no modelo dado um choque arbitr ário com a esperança condicional da vari ável. A funç ão, portanto, verifica qual é a reaç ão da vari ável a um choque “puro”nas demais vari áveis.

H á, portanto, uma Funç ão Impulso-Resposta para cada uma das tr ês vari áveis do modelo, estas s ão apresentadas abaixo.

GIR - Produc¸ ˜ao Industrial P .I . -5 0 5 1 0 IP C A -5 0 5 1 0 S p re a d -5 0 5 1 0 0 1 2 3 4 5 6 7 8 9 10

Impulse Response from P.I.

Figura 4.5: Produç ão Industrial - Funç ão Impulso-Resposta Generalizada (GIR)

Pode-se observar, na Figura (4.5), que um choque na Produç ão Indus- trial n ão gera efeitos substanciais na pr ópria vari ável. Haver á um pequeno impacto no primeiro m ês e logo depois a vari ável tende a retroceder para o patamar anteriormente verificado. Com relaç ão ao IPCA, no primeiro m ês, o choque na Produç ão Industrial n ão causa qualquer impacto na s érie, por ém, no segundo m ês, pode-se observar uma queda seguida de um aumento no terceiro e quarto m ês. Do quarto ao sexto m ês, a vari ável ter á uma pequena queda, at é que se estabilize, ap ós o sexto m ês em um patamar um pouco inferior ao inicial. A reaç ão da s érie composta pelo Spread é a mais vol átil dentre as tr ês. J á no primeiro m ês sofre um aumento abrupto, seguido de uma queda tamb ém abrupta no segundo e no terceiro m ês. No quarto m ês, h á uma pequena elevaç ão frente ao primeiro m ês e logo em seguida uma queda. A s érie sofre ainda um aumento por mais dois meses, seguido de queda no m ês seguinte.

Pode-se concluir que a Produç ão Industrial n ão tem uma mem ória longa ao impacto de choques na propria vari ável. O IPCA é ligeiramente afetado entre o segundo e o sexto m ês, informaç ão esta j á estabelecida, anteriormente, quando observamos o quantil referente a influ ência da Produç ão Industrial na s érie com-

posta pelo IPCA. Conclu´ımos tamb ém que o Spread é, extremamente, vulner ável a choques na Produç ão Industrial. Observamos isto na equaç ão VAR(6), onde a Produç ão Industrial e o IPCA ganham import ância ao longo do tempo influenciando o comportamento do Spread. GIR - IPCA P .I . -2 -1 0 1 IP C A -2 -1 0 1 S p re a d -2 -1 0 1 0 1 2 3 4 5 6 7 8 9 10

Impulse Response from IPCA

Figura 4.6: IPCA - Func¸ ˜ao Impulso-Resposta Generalizada (GIR)

Um choque no IPCA n ão gera efeitos substanciais no comportamento da Produç ão Industria. Esta informaç ão pode ser encontrada tamb ém na an álise feita na equaç ão VAR(6), onde observamos que a Produç ão Industrial é fracamente influenciada pelo IPCA. Um choque no IPCA ocasiona em primeiro momento um aumento da propria s érie, seguida de uma diminuiç ão at é o quinto m ês. Isso ocorre, porque o IPCA no primeiro m ês é muito influenciado por ele mesmo e, a partir de ent ão, a Produç ão Industrial e o Spread v ão ganhando influ ência na s érie. O

Spread por sua vez, recebe o impacto com um pequeno aumento seguido de uma

queda abrupta at é o segundo m ês. Depois a vari ável tende a retroceder para o patamar, anteriormente, verificado e logo tende a cair, novamente, dando in´ıcio no quinto m ês a um aumento substancial at é o s étimo m ês. Estes movimentos t êm a mesma explicaç ão anterior, a de forte influencia da Produç ão Industrial e do IPCA.

GIR - Spread P.I. −0.2 0.2 0.6 1.0 IPCA −0.2 0.2 0.6 1.0 Spread −0.2 0.2 0.6 1.0 0 1 2 3 4 5 6 7 8 9 10

Impulse Response from Spread

Figura 4.7: Spread - Func¸ ˜ao Impulso-Resposta Generalizada (GIR)

Com relaç ão ao Impulso-Resposta do Spread, pode-se verificar na Figu- ra (4.7) que um choque no Spread n ão gera efeitos na s érie composta pela Pro- duç ão Industrial, que cont´ınua no patamar anteriormente verificado. J á o IPCA é afetado e sofre um pequeno aumento inicial e mant êm aumentos nos pr óximos meses. O pr óprio spread sofre um aumento inicial, seguido de queda acentuada no primeiro m ês, seguido de queda cont´ınua at é o terceiro m ês. Isso ocorre devido a influencia da pr ópria vari ável nos tr ês primeiros meses. Nos meses seguintes a vari ável sofre um aumento at é o quarto m ês, seguido de uma queda at é o s étimo m ês, sofrendo depois um novo aumento que vai at é o nono m ês.

verifica-se, contudo, que a vari ável Produç ão Industrial é a que menos sofre influ ência. por hip ótese podemos destacar que a Produç ão Industrial é dependente de outras vari áveis como c âmbio, saldos fiscais, juros internacionais, tor- nando sua determinaç ão um pouco mais complexa. Cabendo, ent ão, um novo es- tudo incorporando tais vari áveis. Os outros resultados foram satisfat órios compa- rando com os resultados descritos no referencial te órico.

Considerac¸ ˜oes finais

A figura (4.8) ilustra a din âmica dos resultados do modelo VAR(6). Nela se observa a influ ência m útua entre as vari áveis: as setas pontilhadas indicam uma influ ência fraca e as setas cont´ınuas influ ência forte. Observamos que a Produç ão Industrial exerce forte influ ência na vari ável IPCA, enquanto, esta exerce influ ência fraca sobre a Produç ão Industrial.

Figura 4.8: Din âmica entre as vari áveis - Produç ão Industrial, IPCA e spread

O spread exerce forte influ ência na vari ável IPCA, que, por sua vez, exerce forte influ ência na vari ável spread, ou seja, é forte a influ ência mutua en- tre estas duas vari áveis. A Produç ão Industrial exerce forte influ ência na vari ável

spread, por ém, o spread exerce influ ência fraca na vari ável Produç ão Industrial.

Observa-se que a vari ável Produç ão Industrial recebe influ ência fraca tanto do spread quanto do IPCA, ou seja, estas vari áveis possuem pouco poder explicativo sobre a vari ável Produç ão Industrial. Como hip ótese pode-se lembrar que a cesta que comp õe o ´ındice de Produç ão Industrial é complexa e, devido a este fato, a determinaç ão da Produç ão Industrial torna-se mais dif´ıcil.

Como hip ótese alternativa temos que, no caso brasileiro, a participaç ão do Estado na economia atrav és de est´ımulos financeiros espec´ıficos, pela utilizaç ão de linhas de cr édito direcionado, seja de administraç ão direta ou indireta, apresenta trajet ória crescente nos últimos anos. Dados do Banco Central do Brasil indicam que a participaç ão das operaç ões de cr édito com recursos do governo, em 2010,

incluindo as linhas de financiamento do BNDES, totalizaram 19,4% do PIB. Nesse mesmo per´ıodo, as operaç ões de cr édito realizadas por instituiç ões privadas nacionais e estrangeiras somaram 18,9% e 8,1% do PIB, respectivamente. Estas informaç ões podem ser vistas na Figura (4.9).

10,0 20,0 30,0 40,0 50,0

Operações de Crédito do SFN (% PIB)

0,0

Instituições públicas Instituições privadas nacionais Instituições estrangeiras

Figura 4.9: A participaç ão do Estado na economia atrav és de est´ımulos financeiros espec´ıficos.

As operaç ões de cr édito banc ário direcionado, que de alguma forma re- cebem do governo direcionamento alocativo, no final do ano de 2010, corresponde- ram a 16,1% do PIB. Quanto à origem desses recursos, eles se dividem em duas classes: cr édito direcionado com recursos fiscais e parafiscais; e cr édito direcionado com recursos do sistema banc ário.

Segundo Torres Filho (2006), o cr édito direcionado com recursos p úblicos (fiscais) é a retirada de parte da arrecadaç ão fiscal para ser utilizada no financiamento de investimentos de empresas ou fam´ılias. Nesse movimento, a poupança do setor p úblico é direcionada, sob a forma de empr éstimos, por meio de mecanismos compuls órios como impostos e contribuiç ões aos investimentos em setores e atividades considerados priorit ários pela administraç ão p ública. Uma alternativa a este mecanismo s ão as poupanças obtidas atrav és de mecanismos parafiscais. A diferença principal é que os recursos arrecadados por meio deste mecanismo

No documento Evidência sobre o conteúdo informacional da estrutura a termo da taxa de juros no Brasil : relação entre a ETTJ e a dinâmica econômica (páginas 78-129)