Mudanças de regimes na função de reação do Banco Central do Brasil : uma abordagem utilizando Markov Regime Switching

O presente trabalho busca identificar a ocorrência, duração e probabilidades de transição de diferentes regimes na condução da política monetária no Brasil a partir da implantação do sistema de metas de inflação em 1999. A estimação da função de reação do Banco Central do Brasil é realizada a partir de uma Regra de Taylor forward looking para uma economia aberta, onde utilizamos a metodologia Markov Regime Switching para caracterizar de forma endógena os diferentes regimes de política monetária. Os resultados obtidos indicam a ocorrência de três regimes distintos de política monetária a partir da implantação do sistema de metas de inflação no Brasil. O primeiro regime ocorre durante 21% do período estudado e se caracteriza pela não aderência ao princípio de Taylor e discricionariedade da autoridade monetária, que reage demonstrando maior sensibilidade ao hiato do produto. O segundo regime é o de maior duração, ocorre durante 67% do período estudado, e se caracteriza pela aderência ao princípio de Taylor e equilíbrio nos pesos atribuídos pelo Banco Central tanto ao hiato do produto como ao desvio das expectativas de inflação com relação à meta. Já o terceiro regime ocorre durante 12% do período estudado e se caracteriza não somente pela aderência ao princípio de Taylor, como também por uma maior aversão ao desvio das expectativas de inflação com relação à meta.

Price discovery using a regime-sensitive cointegration approach

This work proposes a method to examine variations in the cointegration relation between preferred and common stocks in the Brazilian stock market via Markovian regime switches. It aims on contributing for future works in "pairs trading" and, more specifically, to price discovery, given that, conditional on the state, the system is assumed stationary. This implies there exists a (conditional) moving average representation from which measures of "information share" (IS) could be extracted. For identification purposes, the Markov error correction model is estimated within a Bayesian MCMC framework. Inference and capability of detecting regime changes are shown using a Montecarlo experiment. I also highlight the necessity of modeling financial effects of high frequency data for reliable inference.