Não se pretende com esse tópico fornecer as explicações centrais da tese, que estarão situadas na prosopografia, análise de narrativas, demonstrações financeiras e tomadas de decisão em cada uma das cenas e situações apontadas. O objetivo é fornecer insights de quem são os agentes explícitos e ocultos que emergem e cujas decisões são objeto direto dos contenciosos, seja para respaldar suas ações ou seja para criticá-las.
Para isso, foi utilizado o método de prosopografia, com suporte estatístico da análise de correspondência múltipla (ACM), usando o pacote FactoMineR do software R Studio, representando 108 agentes do BCB, FED, BCE, agências de classificação (S&P, Moody´s e
Fitch) e diretores gerais do FMI entre 1995 e 2016.
Tal inversão metodológica tem o propósito orientar leitura e o olhar para o que está sendo investigado em linhas gerais, para então poder aprofundar no refinamento em cada uma das cenas nos capítulos 5,6 e 7 com agentes este e outros agentes que emergem nos contenciosos, com uma metodologia combinada. Os questionamentos das decisões repousam sobre os dirigentes do BCB, das agências e FMI são instituições clássicas de uma imposição de moralidade de contenção.
Um dos objetivos fundamentais da ACM é a soma e simplificação de dados, para a redução da dimensionalidade do conjunto de dados (DUVAL, 2015).
Quando há quadros muito grandes, com uma quantidade muito relevante de variáveis para cada capital estudado dos agentes, se torna difícil uma leitura e síntese analítica dos dados e, desse modo, o suporte de ferramentas estatísticas pode contribuir para sintetização das informações, as quais podem ser quantitativas (numéricas) ou qualitativas (categóricas ou nominais).
Os dados coletados de capitais acadêmicos e simbólicos dos dirigentes estudados passam de 50 páginas de quadros mas, como será possível ver, podem ser sintetizados em meia página no tratamento estatístico demandando.
No entanto, deve se tomar cuidado ao apresentar o enfoque dos dados que se deseja demonstrar, pois há outras dificuldades de leitura, bem como cuidados adicionais de que não se trata de utilizar desse método a priori como definidor dos sentidos da ação, mas como apresentação geral dos agentes competentes que estarão imersos nas situações. Husson (2016), define os seguintes tipos de análise de correspondência:
97
• Análise do componente principal (PCA) quando os indivíduos são descritos por variáveis quantitativas;
• Análise de correspondência (CA), quando os indivíduos são descritos por duas variáveis categóricas que levam a uma quadro de contingência;
• Análise de correspondência múltipla (MCA), quando indivíduos são descritos pelas variáveis categóricas.
Através de um quadro X é possível reduzir a dimensionalidade, transformando-a em um novo sistema de coordenadas por uma transformação ortogonal:
Figura 3: Transformação ortogonal para estabelecer eixos de multidimensionalidade
Fonte: Husson (2016)
Fs(i) denota a coordenada do indivíduo i no eixo s Gs(k) coordenada da variável k no eixo x
Λs – valor próprio associado ao eixo s Mk – peso associado à variável k PI – peso associado ao indivíduo i
Xik – termo geral da quadro de dados (linha i, coluna k)
A aplicação dessa fórmula constrói uma matriz, a qual coloca as variáveis como uma distribuição de projeção nos eixos de um plano cartesiano. Com a normalização das variáveis, todas são colocadas em uma mesma referência de unidade, podendo então ser projetadas nos eixos, em que a variável com maior peso tem maior valor nestes.
Uma vez que os eixos são construídos pelas variáveis ativas (por exemplo, “doutorado”, “prêmios”), as variáveis categóricas ativas e os indivíduos são projetados no plano em função dos valores de suas propriedades referentes a tais eixos o que, por conseqüência, define as distâncias entre os indivíduos como diferenças relativas de propriedades sociais.
Um indivíduo está do mesmo lado que as variáveis para as quais ele toma valores “altos”, ao passo que outro indivíduo que tem “baixos” valores para essa propriedade estará
98
no pólo oposto. Nesse sentido, a classificação como positiva ou negativa não representa em si juízo de valor, mas oposição de propriedades; ao construir esse espaço, a referência tomada como grade positiva está relacionada aos capitais dos indivíduos mais aderentes à inércia cognitiva do mainstream econômico e financeiro, o que não garante necessariamente que agirão sempre no sentido de seus capitais, o que demanda aprofundamento da investigação das situações.
Os indivíduos são representados por posição geométrica em um plano cartesiano em até 5 dimensões, onde as dimensões são os próprios eixos. A dimensão de maior peso da categorização dos indivíduos é a 1 e a dimensão 5 tem o menor peso na caracterização das diferenças de propriedades sociais, em que as dimensões representam hierarquias dos pesos conjuntos de capital.
Quando os dados são normalizados, a origem do plano cartesiano representa o indivíduo médio; todos são colocados nessa referência, de maneira que a distância em relação a essa origem e entre os agentes colocam eles em termos de diferenças de propriedades sociais entre eles.
Para uma variável categórica ativa, foi feita uma análise de variância unidirecional com as coordenadas dos indivíduos no eixo explicadas pela variável categórica. Então, para cada categoria das variáveis ativas, um teste t de Student é usado para comparar a média da categoria com a média geral (usando a restrição P i i = 0, testaremos i = 0). Em seguida, o valor de p associado a este teste é transformado num quantil normal, para ter em conta a informação de que a média da categoria é menor ou maior que 0 (usa-se o sinal da diferença entre a média da categoria e a média geral) (LEBART et all, 1997).
Segundo Husson (2016), podem ser classificados também elementos suplementares, aplicados à indivíduos ou variáveis, com o objetivo de fornecer informação suplementar para um melhor entendimento dos dados, de acordo com a seguinte fórmula:
Figura 4: Fórmula determinante dos indivíduos suplementares Fonte: Husson (2016)
Quando a variável é numérica, a suplementar reside no gráfico de dispersão, ao passo que quando é categórica, suas modalidades são representadas pela forma de um indivíduo
99
médio por modalidade. Nesse caso, pela fórmula, se observa que as informações suplementares não intervêm de forma alguma no cálculo dos vetores Fs e Gs. Indivíduos e variáveis suplementares podem ser utilizados quando se deseja mostrar propriedades destes, sem que isso interfira no cálculo das posições.
Se o cosseno quadrado da variável for próximo a um, significa que o elemento está projetado no eixo; se dois indivíduos estiverem bem representados em um plano, a distância entre eles podem ser interpretadas. A qualidade de representação de uma variável pode ser visualizada pela distância entre a variável projetada no plano e o círculo de correlação (círculo de raio 1).
Os coeficientes de correlação são calculados para todas as variáveis, dimensão por dimensão. Então, podemos testar o significado de cada coeficiente de correlação e classificar as variáveis mais correlacionadas e as menos correlacionadas. Cada dimensão é descrita pelas variáveis.
Serão apresentadas diferenças gerais de propriedades entre os dirigentes para, posteriormente entrar o próximo capítulo tratar do mundo inspirado desses agentes. A qualidade e significação dos dados quantitativos utilizados dentro de um trabalho de ciências sociais é um fator fundamental, em que a síntese dos dados é resultado de uma série de escolhas e convenções que devem ser levadas em conta na análise (LEBARON, 2006).
Os indivíduos estatísticos são, portanto, os presidentes do FED, BCE e BCB e também uma perspectiva do espaço social ampliado, com representantes das agências de classificação responsáveis pelos ratings do Brasil e representantes do Fundo Monetário Internacional (FMI), no período de 1995 a 2017.
Nos capítulos 5, 6 e 7, as prosopografias serão feitas inserindo agentes que tem influência direta ou indireta em função dos contenciosos acerca das inflexões de política monetária que compõem as cenas.
Para a análise foram elencadas 19 variáveis ativas, 3 variáveis suplementares, 75 categórias e 3 variáveis complementares. No quadro 18, são apresentadas as variáveis utilizadas do capital acadêmico e suas categorias, variáveis essas que serão base para as análises prosopográficas dos capítulos 5, 6 e 7, com a exceção da prosopografia dos agentes envolvidos em acusação e defesa sobre a crise política e o julgamento das pedaladas fiscais, que terão variáveis próprias:
100 Quadro17: Variaveis e categorias do capital acadêmico – Diretores do BCB, BCE, FED, FMI e agentes de classificação
Variável Descrição Catetorias
Capital acadêmico
Grad Curso de graduação realizado Grad_ec (economia)
Grad_ec ecmix (economia + Grad_ec outras ciências sociais aplicadas)
Grad_ec bac (bacharel) Grad_ec dir (direito)
Grad_ec outros_hum (outros cursos de humanas)
Grad_ec outros_ex (outros cursos de exatas)
Grad_ec outros_csa (outras ciências sociais aplicadas
Doc Curso de doutorado realizado Doc _ec (economia)
Doc _outros
AnoDoc Ano do doutorado AnoDoc _dec 50-60
AnoDoc _dec 70 AnoDoc _dec 80 AnoDoc _dec 00 Ree-Grad Posição da instituição em que estudou (graduação) no
ranking economic econometrics
Ree-Grad _A – 1 a 10 Ree-Grad _B – 11 a 26 Ree-Grad _C – 26 a 50 Ree-Grad _D – 51 a 300 Ree-Grad _E – não classificado Rcf-Grad Posição da instituição em que estudou (graduação) no
ranking accounting and finance
Rcf-Grad _A – 1 a 10 Rcf-Grad _B – 11 a 26 Rcf-Grad _C – 26 a 50 Rcf-Grad _D – 51 a 300 Rcf-Grad _E – não classificado RUF Posição da instituição em que estudou no ranking
FOLHA RUF para o caso de instituições brasileiras RUF_A RUF_B – 6 a 10 – 1 a 5 RUF_C – 11 a 20 RUF_D – 21 ou mais IvL-grad Se a instituição que estudou na graduação pertence à
Ivy League
IvL-grad _s (sim) IvL-grad _n (não) Ree-Doc Posição da instituição em que estudou (doutorado) no
ranking accounting and finance
Ree-Doc _A – 1 a 10 Ree-Doc _B – 11 a 26 Ree-Doc _C – 26 a 50 Ree-Doc _D – 51 a 300 Ree-Doc _E – não classificado Rcf-Doc Posição da instituição em que estudou (doutorado) no
ranking accounting and finance
Rcf-Doc _A – 1 a 10 Rcf-Doc _B – 11 a 26 Rcf-Doc _C – 26 a 50 Rcf-Doc _D – 51 a 300 Rcf-Doc _E – não classificado IvL-doc Se a instituição que estudou no doutorado pertence à
Ivy League IvL-doc _s (sim) IvL-doc _n (não)
101
Será feito um refinamento dessas variáveis no capítulo 4, de maneira a demonstrar o
mundo de renome que está subjacente à essas variáveis. No quadro 19, são apresentadas as variáveis e categorias com respeito ao capital simbólico dos agentes investigados:
Quadro 18: Variaveis e categorias do capital simbólico – Diretores do BCB, BCE, FED, FMI e agentes de classificação
(continua)
Capital simbólico
Descrição Variáveis categóricas
(subcategorias
Laude Se recebeu prêmio de melhor aluno Laude _s (sim)
Laude _n (não)
Prof Se é ou não professor Prof _s (sim)
Prof _n (não) Emp Número de empresas que trabalhou (incluindo cargos
ocupados)
Emp _N – nenhuma (0) Emp _P – pouca (1 a 3) Emp _R – razoável (4 a 6) Emp _M – muita (7 até 11) Emp _E – elevado (11 ou mais) MF Se o agente tem passagem por empresas do mercado
financeiro
MF_s (sim) MF_n (não)
Pub Número de cargos que ocupou no setor público Pub _N – nenhuma (0) Pub _P – pouca (1 a 3) Pub _R – razoável (4 a 6) Pub _M – muita (7 até 11) Pub _E – elevado (11 ou mais) OrgN Número de organizações nacionais que participou N – nenhuma (0)
P – pouca (1 a 3) R – razoável (4 a 6) M – muita (7 até 11) E – elevado (11 ou mais) OrgI Número de organizações internacionais que participou N – nenhuma (0)
P – pouca (1 a 3) R – razoável (4 a 6) M – muita (7 até 11) E – elevado (11 ou mais)
PreN Número de prêmios nacionais que recebeu N – nenhum (0)
P – pouca (1 a 2) M – muita (3 a 10) E – elevado (11 ou acima) PreI Número de prêmios internacionais que recebeu N – nenhum (0)
P – pouca (1 a 2) M – muita (3 a 10) E – elevado (11 ou acima) Variáveis
complementare
Nasc Data de nascimento Variável numérica
AnoBc Idade com que ingressou no Banco Central (apenas para agentes do BC)
Variável numérica
Ano-Grad Ano em que terminou a graduação Variável numérica
102
Com os dados dos presidentes e diretores dos Bancos centrais, dos agentes de classificação e economistas do FMI (brasileiros e estrangeiros), somando um total de 108 agentes, foi rodada a primeira simulação, obtendo o resultado a seguir sobre as variáveis ativas de maior peso para a composição das dimensões 1, 2 e 3 (que correspondem aos eixos hierarquizados); essas variáveis foram selecionadas de maneira a fazer a leitura específica daquilo que é mais significativo da análise geométrica de dados destes agente, mas no anexo são apresentadas tanto a tabulação dos dados de capital acadêmico e simbólico dosa agentes competentes no excell como a apresentação completa das dimensões e contribuições estatísticas rodadas no software R Stúdio, através da biblioteca FactoMineR:
Quadro 19: Peso das variáveis ativas na dimensão 1
Dimensão 1 Contribuição Ree.Doc 0.78613034 Rcf.Doc 0.76987335 Doc 0.65407514 IvL.doc 0.64340147 Prof 0.44899392 Ree.Grad 0.40444116 Dimensão 2 Ree.Grad 0.49515664 Rcf.Grad 0.46915726 Dimensão 3 Rcf.Doc 0.55607601 Ree.Doc 0.53257313 Doc 0.31381049
Fonte: Elaboração própria
As variáveis que mais contribuem para a configuração da dimensão 1 (eixo x) é o capital acadêmico (ranking economic econometrics (REE), ranking accounting and finance
(RCF) da graduação e do doutorado, curso de doutorado, se faz parte da Ivy League e uma variável do capital simbólico (se é ou não professor)). Na dimensão 2(eixo y), há um maior peso para o REE e RCF da graduação.
Em termos sociológicos, o que mais define as dimensões são as variáveis de campo acadêmico devido ao peso dos dirigentes do Banco Central, mas para cada banco central e
103
outras instituições estarão em posições que podem valorizar mais determinadas dimensões do capital acadêmico ou simbólico em detrimento de outras, como veremos.
São apresentados, a seguir, os pesos das variáveis categóricas ativas em relação às dimensões:
Quadro 20: Peso das Variáveis categóricas
Variáveis categóricas (Dimensão 1) Contribuição Localização no gráfico
Ree.Grad_B -C 0.6313893 DIREITA Rcf.Grad_A-B 0.5550350 DIREITA PreN_E 0.5143684 DIREITA Rcf.Doc_A 0.4834965 DIREITA Doc_ec 0.4505657 DIREITA Ree.Doc_A 0.4464178 DIREITA Ree.Grad.NA -0.7540787 ESQUERDA IvL.doc.NA -0.6267680 ESQUERDA Rcf.Doc.NA -0.6319156 ESQUERDA Ree.Doc.NA -0.6293490 ESQUERDA IvL.doc.NA -0.6267680 ESQUERDA Grad_out_csa -0.5606687 ESQUERDA
Variáveis categóricas (Dimensão 2)
Rcf.Grad_A -B 0.90157986 SUPERIOR OrgN_E 0.67834260 SUPERIOR PreN_E 0.46424461 SUPERIOR IvL.grad_s 0.46144742 SUPERIOR Rcf.Grad.NA -0.75303736 INFERIOR Ree.Grad_D -0.64227931 INFERIOR Rcf.Grad_C 0.41834157 INFERIOR
Variáveis categóricas (Dimensão 3)
Rcf.Grad_C 0.84318301 SUPERIOR Rcf.Doc_D 0.72756086 Doc_outros 0.60644543 SUPERIOR Rcf.Doc_B -0.37578657 INFERIOR Doc.NA -0.37254906 INFERIOR RUF_B -0.30431543 INFERIOR Ree.Doc_A -0.34723514 INFERIOR
104
Na dimensão 1, as variáveis do lado positivo representam posições mais altas nos
rankings de doutorado e prêmios simbólicos nacionais em quantidade elevada, ao passo que o pólo oposto representa posição mais baixa nos rankings acadêmicos e freqüência em outros cursos que não economia.
Na dimensão 2, maiores pesos no topo do ranking RCF, organizações nacionais, prêmios nacionais, ao passo que os negativos representam rankings de graduação mais baixos sob a referência do mainstream.
Por fim, na dimensão 3, os rankings de graduação e doutorado em RCF são mais baixos sob a ótica do mainstream, doutorado em outro cursos, ao passo que o pólo, negativo tem maiores pesos em doutorados de boa classificação, boa posição no ranking RUF e no REE. Visto os resultados numéricos, é apresentado o espaço geométrico das variáveis categóricas:
Figura 5: Variáveis categóricas ativas Fonte: Elaboração própria
105
Ao observar o quadrante superior direito, as variáveis indicam que indivíduos que estiverem próximos à elas tem capital acadêmico mais alto e, do quadrante inferior esquerdo, mais baixo em linhas gerais, sob a ótica do mainstream econômico.
Analisando especificamente os quadrantes, no quadrante superior direito estarão indivíduos que fizeram doutorado nas principais instituições nos rankings estudados, com participação em muitas organizações nacionais, também com muitos prêmios e mais passagem por instituições financeiras.
O quadrante superior esquerdo representa, em linhas gerais, maior experiência em carreiras burocráticas, pouca experiência em empresas, não são professores, não tem experiência no mercado financeiro e muitos não fizeram doutorado ou seus doutorados tem baixa classificação nos rankings.
No quadrante inferior esquerdo há o compartilhamento das características do primeiro, em geral com “baixos” capitais acadêmicos e simbólicos.
Por fim, o quadrante inferior direito tem maior incidência de graduações e doutorados em economia, muitos são professores universitários, estudaram em instituições nacionais e internacionais do topo do ranking, experiência no mercado financeiro (muitos sócios de financeiras) e menor capital simbólico que dos indivíduos do primeiro quadrante.
Uma vez isso explicitado, é apresentado a nuvem de pontos que representa os indivíduos analisados:
106 Figura 6: Agentes do BCB, BCE, FED, FMI e agencias de classificação
Fonte: Elaboração própria com base em BCB (2017); FED (2017); BCE (2017); FMI (2017); S&P (2017); LikedIn (2017)
Legenda:
BCB(Cardoso) – Roxo /SUFIXOS = F (Cardoso);
BCB(Lula/Dilma) – Vermelho/SUFIXOS = L (Lula); D (Dilma); LD (Lula e Dilma) BCE (Temer) – Preto/SUFIXOS = T (Temer)
FED – Azul /SUFIXOS = B1 (Bush pai); B2 (Bush filho); C (Clinton); O (Obama) BCE – Verde/SUFIXOS = 1(primeira gestão); 2 (segunda gestão); 3 (terceira gestão) FMI – Azul Claro/SUFIXOS = FMI (Fundo Monetário Internacional)
Agências – Vermelho escuro/SUFIXOS = S&P (Standard & Poors);
Analisando em linhas gerais os agentes, no governo Cardoso e primeiro governo Lula (que será mais bem detalhado no próximo tópico), estão na maioria no quarto quadrante, com alto capital acadêmico mais convergentes ao monetarismo, análogos aos da maior parte dos agentes do FED, mas com mais imersão no mercado financeiro e menor capital simbólico. Do
107
ponto de vista da tese, estes agentes tem uma trajetória social que os enquadram em uma potencial tendência à governamentalidade Hawkish(na defesa do tripé macroeconômico).
No caso do FED, há uma maior divisão nos quadrantes 1 e 2. Embora haja predominância de indivíduos potencialmente Hawkish, também há agentes oriundos da carreira pública e com experiências em empresas da economia produtiva, com uma tendência mais Dovish, sob a ótica das expectativas de tomada de decisão em função das trajetórias sociais.
No segundo governo Lula e primeiro governo Dilma, há a predominância de agentes com carreira burocrática e menor capital acadêmico e simbólico. Na crise de
governamentalidade a partir de 2015, passam a haver trocas, como sinalizações às pressões do mercado, em função das pressões crescentes do mercado financeiro, como veremos em mais detalhes no capítulo 7.
Outra divisão ainda será necessária, pois se considera que os dirigentes de política econômica, monetária e de assuntos internacionais do BCB tem maior conhecimento sobre assuntos monetários, bem como chefias subordinadas à eles é que trabalham mais profundamente os relatórios monetários e econômicos, bem como estão relacionados à coleta de dados das previsões das instituições financeiras e são fontes para os jornalistas econômicos. Como as votações são, na maior parte das vezes, unânimes, pressupõe-se por esse conjunto de fatores que essas diretorias tem maior força no direcionamento da decisão sobre os juros.
Salvo períodos de inflexão, em geral as votações são unânimes, em que o jornalismo econômico apresenta posicionamentos sobre os votos em períodos de inflexão.
No caso do Banco Central Europeu, comparando com o FED e BCB, os capitais acadêmicos e simbólicos são mais baixos em sua maior parte, mas o atual presidente, Mário
Draghi tem capitais análogos aos dirigentes do governo Cardoso.
A maior parte dos dirigentes do FMI tem capitais análogos aos do BCE, majoritariamente de representantes dos 4 maiores países da Zona do Euro, que tem o controle sobre o Banco Central Europeu.
O agentes de classificação da S&P, Fitch e Moodys levantados, em geral, tem baixo capital acadêmico e simbólico sob a ótica mainstream, onde o forte são as experiências em instituições financeiras e tem formações variadas: 2 em direito, 1 em “outras ciências sociais
108
aplicadas”, 1 em economia; 1 em outras ciências exatas, 1 em ciências humanas e 1 é bacharel, com apenas uma com doutorado.
Essa exceção fica por conta da economista responsável pela avaliação do rating do Brasil, Lisa Schineller (S&P), que tem alto capital acadêmico, com formação em economia e doutorado em economia e baixo capital simbólico, o que a aproxima mais dos dirigentes do governo Cardoso. De fato, há análises mais aprofundadas por parte da analista, o que indica que esta agência projeta maior atenção para o cenário brasileiro.
Uma vez apresentados os agentes competentes principais, será feita uma imersão nas origens de seu mundo inspirado, que não necessariamente é explícito nas situações em disputa e também para os próprios agentes mas devem ser investigados em suas raízes históricas, sociais, econômicas e morais para compreender as justificações.
109
Capítulo 2: O mundo inspirado das perspectivas Hawkish e Dovish
Nesse capítulo busca-se mostrar como essas duas perspectivas foram construindo seus princípios de equivalência, apontando algumas situações históricas que permitiram que se construí-se a atual convenção de equivalências em política monetária