Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/44896
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorSouza, Guilherme de-
dc.date.accessioned2025-02-20T16:20:23Z-
dc.date.available2025-02-20T16:20:23Z-
dc.date.issued2025-01-28-
dc.identifier.citationSOUZA, Guilherme de. O papel da complexidade econômica para o desalinhamento e volatilidade cambial nos BRICS (1995 a 2021). 2025. 63 f. Dissertação (Mestrado em Economia) - Universidade Federal de Uberlândia, Uberlândia, 2025. DOI http://doi.org/10.14393/ufu.di.2025.14.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/44896-
dc.description.abstractThe objective of this dissertation is to present an analysis of the impact of economic complexity on misalignment and exchange rate volatility in the BRICS countries between 1995 and 2021. In this context, the work investigates whether the variables economic complexity index, GDP per capita differential in relation to the United States, interest rate differential in relation to the United States, inflation differential in relation to the United States and international reserves as a proportion of GDP were relevant to explain the misalignment and volatility of the real effective exchange rate in the BRICS countries. For this purpose, ARDL and GMM models were estimated, considering the analysis period from 1995 to 2021. The results indicated that, in the ARDL model estimations, the variables with statistically significant long-term coefficients were: economic complexity index significant in 3 models (negative and expected sign) in models 1 and 2 of the misalignment for Brazil and in model 2 of the misalignment for South Africa. In addition, other variables that presented significance were the GDP per capita differential (negative sign) and international reserves, in the model applied to the Brazilian exchange rate misalignment. For South Africa, all variables presented statistical significance (negative sign) in model 2 of the misalignment. Regarding exchange rate volatility, fewer significant variables were found. China stands out, as it presented significant coefficients for the following variables: economic complexity index (positive sign), GDP per capita differential (negative sign), international reserves (positive sign) and interest rate differential (positive sign). In the GMM models, many coefficients were significant, and the instruments used were considered valid. In addition, it is important to highlight that the ECI variable presented statistical significance and negative impact (expected sign) in seven models, namely the five misalignment models 1 for Brazil, China, Russia and South Africa, in addition to misalignment model 2 for China and India. Finally, statistical significance and a negative sign were also observed in volatility model 1 for Russia.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.subjectComplexidade econômicapt_BR
dc.subjectdesalinhamento e volatilidade cambialpt_BR
dc.subjectARDL e GMMpt_BR
dc.subjectBRICSpt_BR
dc.subjectEconomic complexitypt_BR
dc.subjectexchange rate misalignment and volatilitypt_BR
dc.titleO papel da complexidade econômica para o desalinhamento e volatilidade cambial nos BRICS (1995 a 2021)pt_BR
dc.title.alternativeThe role of economic complexity in exchange rate misalignment and volatility in the BRICS (1995 to 2021)pt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Vieira, Flávio Vilela-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5730916449433530pt_BR
dc.contributor.referee1Alves, Thaís Guimarães-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9550582920291742pt_BR
dc.contributor.referee2Almeida, Alexandre Nunes de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8825551833619350pt_BR
dc.creator.Latteshttps://lattes.cnpq.br/1394998270581400pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoO objetivo desta dissertação é apresentar uma análise sobre o impacto da complexidade econômica no desalinhamento e na volatilidade cambial nos países do BRICS entre 1995 e 2021. Nesse contexto, o trabalho investiga se as variáveis índice de complexidade econômica, diferencial do PIB per capita em relação aos Estados Unidos, diferencial da taxa de juros em relação aos EUA, diferencial de inflação em relação aos Estados Unidos e reservas internacionais como proporção do PIB foram relevantes para explicar o desalinhamento e a volatilidade da taxa de câmbio real efetiva nos países do BRICS. Para isso, foram estimados modelos ARDL e GMM, considerando o período de análise de 1995 a 2021. Os resultados indicaram que, nas estimações dos modelos ARDL, as variáveis com coeficientes de longo prazo estatisticamente significativos foram: índice de complexidade econômica significativo em 3 modelos (sinal negativo e esperado) nos modelos 1 e 2 do desalinhamento para o Brasil e no modelo 2 do desalinhamento para a África do Sul. Além disso, outras variáveis que apresentaram significância foram o diferencial do PIB per capita (sinal negativo) e as reservas internacionais, no modelo aplicado ao desalinhamento cambial brasileiro. Para a África do Sul, todas as variáveis apresentaram significância estatística (sinal negativo) no modelo 2 do desalinhamento. Em relação à volatilidade cambial, menos variáveis significativas foram encontradas. Destaca-se a China, que apresentou coeficientes significativos para as seguintes variáveis: índice de complexidade econômica (sinal positivo), diferencial do PIB per capita (sinal negativo), reservas internacionais (sinal positivo) e diferencial de juros (sinal positivo). Nos modelos GMM, muitos coeficientes foram significativos, e os instrumentos utilizados foram considerados válidos. Além disso, é importante ressaltar que a variável ECI apresentou significância estatística e impacto negativo (sinal esperado) em sete modelos, sendo eles os cinco modelos de desalinhamento 1 para Brasil, China, Rússia e África do Sul, além do modelo 2 de desalinhamento para a China e a Índia. Por fim, ainda se observou significância estatística e sinal negativo no modelo 1 da volatilidade para a Rússia.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Economiapt_BR
dc.sizeorduration63pt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIApt_BR
dc.identifier.doihttp://doi.org/10.14393/ufu.di.2025.14pt_BR
dc.orcid.putcode178595018-
dc.crossref.doibatchid2301be4e-78cc-4ff6-81f5-74993348acf9-
dc.subject.autorizadoEconomiapt_BR
dc.subject.autorizadoPaíses do BRICSpt_BR
dc.subject.autorizadoPolítica cambialpt_BR
dc.subject.autorizadoAnálise e Perspectiva Econômicapt_BR
dc.subject.odsODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.pt_BR
Aparece en las colecciones:DISSERTAÇÃO - Economia

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
ComplexidadeDesalinhamentoVolatilidade.pdfDissertação1.2 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons