History of WDPT Reliability - Advantages of Wired Drill Pipe Telemetry

3 Wired Drill Pipe

3.1 Advantages of Wired Drill Pipe Telemetry

3.2.1 History of WDPT Reliability

A tabela 8 a seguir apresenta o percentual de vezes que cada componente foi incluído no núcleo da inflação levando em conta um aparamento de 20% em cada cauda. Através dela é possível detectar quais produtos seriam mais importantes para se capturar a Core Inflation, no sentido de que suas variações de preços seriam mais utilizadas para o cálculo da inflação monetária. Os produtos que aparecem mais vezes no núcleo deverão ser mais informativos, pois seus preços foram levados em consideração mais vezes que os demais.

Esta tabela é bastante ilustrativa, por exemplo, para refutar a idéia de se utilizar a metodologia de exclusão de alimentos e energia mais voláteis, para o cálculo do Núcleo de Inflação. Percebe-se que alguns produtos incluídos nestas duas categorias realmente pouco aparecem no núcleo, como é o caso de HORTALIÇAS E LEGUMES. Em compensação, outros elementos também pertencentes a estes grupos como LATICÍNIOS e LUZ GÁS E TELEFONE (em destaque em verde) são freqüentemente incluídos no núcleo, sugerindo que não seria verdade que estes componentes não nunca teriam informações a serem incorporadas para o cálculo da inflação monetária da economia.

Tabela 8

PRODUTO E xcluído Abaixo Núcleo E xcluído Acima

LOTERIAS 10,0% 90,0% 0,0%

MEDICO, DENTISTA E OUTROS 4,3% 88,6% 7,1%

ALUGUEL E CONDOMINIO 0,0% 87,1% 12,9%

CURSOS FORMAIS 0,0% 85,7% 14,3%

MATERIAL PARA REPAROS EM RESIDENCIA 12,9% 81,4% 5,7%

JORNAIS, LIVROS E REVISTAS 8,6% 80,0% 11,4%

INSTRUMENTOS MUSICAIS 18,6% 78,6% 2,9%

CORREIO E TELEFONE PUBLICO 8,6% 77,1% 14,3%

ARTIGOS DE HIGIENE E CUIDADO PESSOAL 11,4% 77,1% 11,4%

TRANSPORTE PUBLICO URBANO 1,4% 75,7% 22,9%

TRIBUTOS E SEGURO IMOBILIARIO 0,0% 74,3% 25,7%

EMPREGADOS DOMESTICOS 8,6% 74,3% 17,1%

MATERIAL PARA LIMPEZA 11,4% 74,3% 14,3%

FUMO E ACESSORIOS 14,3% 74,3% 11,4%

LUZ, GAS E TELEFONE 8,6% 72,9% 18,6%

RESTAURANTES 20,0% 72,9% 7,1%

CONDIMENTOS 14,3% 71,4% 14,3%

SERVICOS DE CUIDADO PESSOAL 20,0% 70,0% 10,0%

TRANSPORTE PUBLICO INTERURBANO 8,6% 68,6% 22,9%

DOCES E CHOCOLATES 21,4% 65,7% 12,9%

MASSAS E FARINHAS 24,3% 65,7% 10,0%

OUTROS GASTOS COM VEICULOS 28,6% 65,7% 5,7%

CONSERVACAO DO VESTUARIO 17,1% 64,3% 18,6% SERVICOS DIVERSOS 12,9% 61,4% 25,7% PANIFICADOS E BISCOITOS 22,9% 60,0% 17,1% BARES E LANCHONETES 25,7% 60,0% 14,3% APARELHOS MEDICO-ODONTOLOGICOS 27,1% 60,0% 12,9% ELETRODOMESTICOS 34,3% 60,0% 5,7% MOVEIS 21,4% 57,1% 21,4% LATICINIOS 30,0% 57,1% 12,9% PECAS E ACESSORIOS 30,0% 57,1% 12,9% ARTIGOS DE DECORACAO 34,3% 57,1% 8,6% MEDICAMENTOS EM GERAL 17,1% 55,7% 27,1%

OUTROS GENEROS ALIMENTICIOS 21,4% 55,7% 22,9%

OUTROS UTENSILIOS DOMESTICOS 28,6% 55,7% 15,7%

SERVICOS DE OFICINA 28,6% 55,7% 15,7%

COMBUSTIVEIS E LUBRIFICANTES 21,4% 54,3% 24,3%

SALAS DE ESPETACULO 22,9% 54,3% 22,9%

OLEOS E GORDURAS 30,0% 54,3% 15,7%

ALIMENTOS PRONTOS CONGELADOS 30,0% 54,3% 15,7%

BEBIDAS ALCOOLICAS 31,4% 54,3% 14,3%

DESPESAS COM ANIMAIS DOMESTICOS 28,6% 52,9% 18,6%

VEGETAIS EM CONSERVAS 30,0% 52,9% 17,1%

DISCOS E FITAS 34,3% 52,9% 12,9%

OUTROS ACESSORIOS DO VESTUARIO 28,6% 51,4% 20,0%

CARNES E PEIXES INDUSTRIALIZADOS 30,0% 51,4% 18,6%

BEBIDAS NAO ALCOOLICAS 32,9% 51,4% 15,7%

SERVICOS DE CONFECCAO 24,3% 50,0% 25,7%

FERRAGENS E FERRAMENTAS 30,0% 50,0% 20,0%

CURSOS NAO FORMAIS 21,4% 48,6% 30,0%

MATERIAL ELETRICO 28,6% 48,6% 22,9%

PASSEIOS E FERIAS 22,9% 47,1% 30,0%

HOSPITAIS E LABORATORIOS 27,1% 47,1% 25,7%

BRINQUEDOS E ARTIGOS ESPORTIVOS 30,0% 47,1% 22,9%

TECIDOS 37,1% 47,1% 15,7% CULTURA FISICA 24,3% 45,7% 30,0% MATERIAL HIDRAULICO 34,3% 45,7% 20,0% LOUCAS E PANELAS 37,1% 45,7% 17,1% JOIAS E BIJUTERIAS 35,7% 44,3% 20,0% CLUBES E PARQUES 27,1% 42,9% 30,0%

ROUPAS DE CAMA, MESA E BANHO 35,7% 42,9% 21,4%

AVES E OVOS 37,1% 42,9% 20,0%

MATERIAL PARA PINTURA 28,6% 41,4% 30,0%

OUTROS EQUIPAMENTOS 37,1% 41,4% 21,4%

FOTOGRAFIA 44,3% 41,4% 14,3%

EQUIPAMENTOS ELETRONICOS 51,4% 41,4% 7,1%

ROUPAS MASCULINAS 37,1% 40,0% 22,9%

CARNES BOVINAS 38,6% 37,1% 24,3% CALCADOS FEMININOS 40,0% 37,1% 22,9% CARNES SUINAS 42,9% 37,1% 20,0% VEICULOS 50,0% 37,1% 12,9% CINTOS E BOLSAS 41,4% 32,9% 25,7% CALCADOS MASCULINOS 45,7% 32,9% 21,4% ARROZ E FEIJAO 45,7% 31,4% 22,9% ROUPAS FEMININAS 44,3% 30,0% 25,7% PRODUTOS FARMACEUTICOS 45,7% 30,0% 24,3% PESCADOS FRESCOS 37,1% 28,6% 34,3% FRUTAS 40,0% 28,6% 31,4% COLCHOES 34,3% 27,1% 38,6% ADOCANTES 52,9% 17,1% 30,0% HORTALICAS E LEGUMES 45,7% 15,7% 38,6%

O indicador que apresentou melhor resultado na maioria dos critérios realizados foi o Trim20. Entretanto observa-se que ele possui um viés com relação ao IPC, subestimando-o. A utilização das médias aparadas resultou em uma subestimação do IPC, que pode estar sendo causada pela existência de custos de ajustamentos em alguns setores, que não foram levados em consideração na hora de calcular a medida. Um modelo hipotético simples pode ser ilustrativo para a compreensão deste fato.

Suponhamos uma economia onde existam apenas 12 setores, sendo que cada um deles reajusta seu preço em 12%, um em cada mês do ano, ano após ano. Sendo assim, a inflação mensal encontrada e consequentemente a anual acumulada utilizando o método de médias aparadas seria zero, e não 12% a.a, como deveria ser pelo fato de ser uma inflação generalizada a todos os preços, que por conta de razões idiossincráticas não puderam reajustar seus preços mensalmente.

A cada mês, o produto que teve seu ajustamento seria excluído do núcleo, e sua informação seria totalmente desprezada, sem dar chance para que este produto possa contribuir para detectar a inflação monetária da economia. Se a elevação de um produto em um determinado mês do ano ocorreu por razões quaisquer, sem contudo incorporar nenhuma informação sobre a informação monetária (generalizada), é de se esperar que esta variação seja excluída do Core.

Infelizmente não é possível detectar precisamente variações de preços de produtos que contenham alguma informação sobre a inflação monetária, mas que possuam custos de

dependent), sejam indexados a razões idiossincráticas a cada um desses produtos (state- dependent).

Buscamos então detectar itens que apresentassem variações significativas em determinados meses específicos do ano, e que portanto certamente conteriam alguma informação que não deveria ser desprezada. Esses setores deverão ser bastante informativos com relação à inflação monetária, uma vez que ao fixarem seus novos preços a cada ano, eles já consideraram as perdas do período anterior por erros de expectativas, e expectativas para a inflação nos próximos períodos em que não será possível o reajuste.

Foram detectados 5 produtos com estas características, todos variando elevadamente no máximo 3 vezes por ano. São eles: MEDICOS, DENTISTAS E OUTROS, ALUGUEL E CONDOMÍNIO, CURSOS FORMAIS, EMPREGADOS DOMÉSTICOS e TRANSPORTE PÚBLICO INTERURBANO. Todos são produtos que ficam na maioria das vezes no núcleo, mas que são excluídos sempre que ocorre o mês de reajuste de seus preços.

É interessante destacar que tal comportamento pode ser indicado na própria tabela acima, mais especificamente se construirmos uma espécie de cadeia de Markov para cada um destes produtos, intencionando detectar o comportamento de cada uma destas séries e suas transições para dentro e fora do núcleo.

Alem desses cinco produtos se encontrarem no núcleo em mais de 65% das observações, todos possuem uma probabilidade de retorno ao núcleo bastante alta. As figuras abaixo apresentam a probabilidade de movimentação entres os três estados possíveis: fora acima, núcleo e fora abaixo. Os valores associados às setas indicam que, dado que em um determinado mês o produto se situou em um certo estado, qual a probabilidade dele continuar naquele estado ou se locomover para os outro dois. As estatísticas foram construídas para os dados observados nos 70 meses da amostra, e, como dito anteriormente, a probabilidade de retorno e permanência ao núcleo destes componentes é muito alta, indicando a sua importância para o cálculo da Core Inflation.

Figura 1 0,4 0 0,05 0 0,6 0,9 0,05 1 0

MÉDICOS, DENTISTAS E OUTROS

Fora Acima Núcleo

Fora Abaixo Figura 2 0,334 0,334 0,07 0,54 0,334 0,87 0,06 0,36 0,1 EMPREGADOS DOMÉSTICOS

Fora Acima Núcleo Fora

Abaixo

Fora Acima Núcleo

Fora Abaixo Figura 3 0 0,2 0,15 0,5 0,8 0,77 0,08 0,4 0,1

TRANSPORTE PÚBLICO INTERURBANO

Fora Acima Núcleo Fora

Abaixo

Fora Acima Núcleo

Fora Abaixo

Figura 4 0 0 0,1 0,25 0 0,9 0 0,75 0 ALUGUEL E CONDOMÍNIO

Fora Acima Núcleo Fora

Abaixo

Fora Acima Núcleo

Fora Abaixo Figura 5 0 0 0,1 0,4 0 0,9 0 0,60 0 CURSOS FORMAIS

Fora Acima Núcleo Fora

Abaixo

Fora Acima Núcleo

Fora Abaixo

Fora Acima Núcleo Fora

Abaixo

Fora Acima Núcleo

Fora Abaixo

O mesmo tipo de tratamento também poderia ser estendido para outros produtos, como por exemplo TRANSPORTES PÚBLICOS URBANOS, e LUZ, GÁS E TELEFONE. Entretanto, nota-se que todos os 5 setores selecionados apresentam variações de preços ligadas a fenômenos de abrangência nacional, como aumentos de salário mínimo, por exemplo, atingindo portanto todo o universo do IPC-DI, composto por preços de Rio de Janeiro e São Paulo, ao mesmo tempo. Já os preços desses 2 setores citados variam separadamente em cada uma dessas cidades, dificultando a localização precisa do período de elevação, uma vez que no

agregado do IPC as variações de cada cidade são agrupadas conjuntamente numa única variação.

A desagregação por itens também dificulta detectar estes produtos e os períodos de mudanças de preços, mas, infelizmente, por questões operacionais, existem complicações para trabalhar com uma maior desagregação do IPC.

Considerando a subestimação do IPC por parte dos indicadores de Núcleo de Inflação sem tratamento para setores com custo de ajustamento e tendo como base o exemplo simplificado dado anteriormente, percebeu-se que a causa desta subestimação poderia estar relacionada à rigidez de alguns setores, que no caso, foram considerados estes 5.

A solução encontrada para este problema foi então distribuir as variações elevadas destes setores ao longo dos meses em que estas elevações ocorreram e dos meses subsequentes. Pretendeu-se assim, dar condições para que estes setores específicos que enfrentam custos de ajustamento pudessem ser tratados como outros setores que não apresentem esta dificuldade (embora saibamos que existem outros setores que não foram tratados e que apresentam rigidez), buscando assim não perder as informações contidas nos seus preços ao aplicar a metodologia das médias aparadas.

A escolha do período ótimo de distribuição constituiu então dificuldade seguinte, uma vez que não era conhecido o tempo necessário para que outros preços, dada uma taxa de crescimento da moeda, compensassem esta elevação pontual. Optou-se então por determinar este período considerando a medida construída para cada um destes períodos que apresentasse o menor erro quadrático médio (RMSE) com relação a uma medida de tendência da inflação, que no caso foi a média móvel centrada 12 meses da inflação15

Foram então construídas séries de variações de preços para os períodos de distribuição D= { 2, 4, 6, 8, 10, 12} . Isto é, os 5 setores com custos de ajustamento tiveram suas variações pontuais no mês M= { 1, ..., 12} , distribuídas entre os meses M e M+ D-1.

Em seguida foram calculadas as medidas de Núcleo de Inflação para cada D e para um dos 10

αααα

's definidos anteriormente. Por fim foram calculados os RMSE destes indicadores,

Gráfico 11 5 10 15 20 25 30 35 40 45 50 0 2 4 6 8 10 12 3,00 3,50 4,00 4,50 5,00 5,50 6,00 RMS E Trim Periodo

RMSE - Média Móvel Centrada 12 Meses

5,5-6 5-5,5 4,5-5 4-4,5 3,5-4 3-3,5

Percebe-se o ganho de eficiência quando se aplica a distribuição das variações de preços de setores com custos de ajustamento. Assim, com relação ao primeiro critério de escolha de Medidas de Core Inflation, indicadores construídos após a distribuição de preços já se mostram dominantes com relação aos anteriores.16

Observando o gráfico 11 é possível perceber que os menores RMSE estão nas séries com D igual a 10 e 12, com

αααα

de 10, 15 e 20, que serão denominados a partir de agora de S1010, S1015, S1020, S1210, S1215 e S1220. Utilizando a mesma metodologia de critérios de escolha para os indicadores anteriores, foram então realizados os mesmos testes para estes 6 novos candidatos, resumidos nas tabelas a seguir.

15_{Os resultados para as outras medidas foram similares}

Tabela 9 R2 S1010 0,650 S1015 0,666 S1020 0,676 S1210 0,653 S1215 0,672 S1220 0,685

Regressões Utilizando M2 como regressores

Pelo critério do R2_{ajustado para a equação (3), vemos que o indicador com variações}

distribuídas 12 meses a frente, e um percentual aparado de 20% é o que melhor é explicado por variações no M2. Além disto, os resultados são superiores aos sem distribuição de preços, como pode ser observado comparando as tabelas 9 e 3.

Tabela 10

Série ipc-di S1010 S1015 S1020 S1210 S1215 S1220

Variancia 0,934 0,564 0,512 0,461 0,551 0,498 0,449

O indicador s1220 também é o que apresenta a menor variância, indicando sua superioridade também com relação a este critério, concluindo também que mais uma vez a distribuição de preços destes setores melhora significativamente os indicadores.

Tabela 11

Teste Dickey Fuller de Presença de Raiz Unitária nas Séries de Inflação e Núcleo

Medidas S1010 S1015 S1020 S1210 S1215 S1220 Série ADF t-stat -1,324 -2,058 -1,928 -2,292 -2,092 -1,803 Valor Crítico 5% -2,911 -2,911 -2,911 -2,911 -2,911 -2,911 Lag 4 8 8 8 8 8 Diferença da Série ADF t-stat -6,255 -3,914 -3,837 -4,651 -2,691 -2,834 Valor Crítico 5% -1,946 -1,946 -1,946 -1,946 -1,946 -1,946 Lag 2 6 6 7 9 9

Tabela 12

Teste de Cointegração de Johansen entre o IPC-DI e: Auto-Valores Razão de Verossimilhança Valor Crítico 5% No de Vetores de Cointegração 0,33 29,67 12,53 Nenhum* 0,04 2,55 3,84 No Máximo 1