A ideia desse post é mostrar a evolução do prêmio da NTN-B 2045 sobre a taxa de juros neutra da economia, calculada com base em dados extraídos do relatório focus (veja esse post).

Replico aqui parte do código do post anterior apenas para deixar registrado o ponto de largada:

library(rbcb)
library(tidyverse)

inflation <- get_annual_market_expectations(indic = "IPCA")
selic     <- get_top5s_annual_market_expectations(indic = "Selic")

inflation_filtered <- inflation |> 
    mutate(reference_date = as.numeric(reference_date),
           n_ahead = reference_date - lubridate::year(date)) |> 
    filter(n_ahead == 3) |> 
    select(date, ipca_median = median)

selic_filtered <- selic |> 
    mutate(reference_date = as.numeric(reference_date),
           n_ahead = reference_date - lubridate::year(date)) |> 
    filter(n_ahead == 3) |> 
    select(date, selic_median = median)

real_rate_expectations <- left_join(selic_filtered, inflation_filtered, by = "date") |> 
    mutate(real_rate_median = selic_median - ipca_median) |> 
  
    group_by(date) |> 
    summarise(median = median(real_rate_median)) |> 
    ungroup()

real_rate_expectations

## # A tibble: 5,115 x 2
##    date       median
##    <date>      <dbl>
##  1 2001-11-06   NA  
##  2 2001-11-07   NA  
##  3 2001-11-08   NA  
##  4 2001-11-09    7.5
##  5 2001-11-12    7.5
##  6 2001-11-13    7.5
##  7 2001-11-14    7.5
##  8 2001-11-16    7.5
##  9 2001-11-19    7.5
## 10 2001-11-20    7.5
## # ... with 5,105 more rows

Os dados da NTN-B em excel podem ser encontrados aqui.

# import data
b45 <- readxl::read_excel(
  path      = "/Meu Drive/site/data/b45.xlsx",
  col_types = c("date", "numeric"),
  skip      = 1)
names(b45)[[1]] <- "date"
names(b45)[[2]] <- "B45"
b45 <- b45 |>
  mutate(date = lubridate::as_date(date)) |>
  na.omit()
b45

## # A tibble: 4,398 x 2
##    date         B45
##    <date>     <dbl>
##  1 2004-09-16  9.1 
##  2 2004-09-17  9.10
##  3 2004-09-20  9.10
##  4 2004-09-21  9.10
##  5 2004-09-22  9.10
##  6 2004-09-23  9.10
##  7 2004-09-24  9.1 
##  8 2004-09-27  9.1 
##  9 2004-09-28  9.1 
## 10 2004-09-29  9.1 
## # ... with 4,388 more rows

Quando for importar os dados na sua máquina lembre de alterar o caminho de busca. No meu PC é /Meu Drive/site/data/b45.xlsx, mas no seu poderá ser diferente, dependendo em que pasta você salvar os dados.

É fácil combinar os dois datasets pela data com a função left_joint() do pacote dplyr:

data_for_plot <- real_rate_expectations |>
  left_join(b45, by = "date") |>
  mutate(premium = B45 - median) |>
  filter(date >= "2005-01-02") 
data_for_plot

## # A tibble: 4,326 x 4
##    date       median   B45 premium
##    <date>      <dbl> <dbl>   <dbl>
##  1 2005-01-03    8.5  9.10   0.598
##  2 2005-01-04    8.5  9.10   0.599
##  3 2005-01-05    8.5  9.10   0.598
##  4 2005-01-06    8.5  9.09   0.586
##  5 2005-01-07    8.5  9.08   0.581
##  6 2005-01-10    8.5  9.08   0.582
##  7 2005-01-11    8.5  9.07   0.566
##  8 2005-01-12    8.5  9.07   0.570
##  9 2005-01-13    8.5  9.07   0.572
## 10 2005-01-14    8.5  9.08   0.575
## # ... with 4,316 more rows

Nesse caso, o prêmio é calculado como a diferença entre o Yield to Maturity (YTM) das NTN-B’s sobre a taxa neutra da economia.

data_for_plot |> 
  ggplot(aes(x = date, y = premium / 100, color = premium)) +
  geom_line(show.legend = FALSE) +
  geom_hline(yintercept = 0.00, size = 2, alpha = 0.5, color = "grey") + 
  geom_hline(yintercept = 0.02, size = 2, alpha = 0.5, color = "grey") + 
  scale_y_continuous(labels = scales::percent_format()) + 
  scale_color_viridis_c() + 
  labs(
    title    = "NTN-B 2045 vs. Taxa Neutra",
    subtitle = "Prêmio sobre a taxa de equilíbrio (2005-2022)",
    x        = NULL, 
    y        = "Prêmio"
)

Na maior parte do tempo o prêmio se situa entre \(0\%\) a \(2\%\).

Quanto maior o prêmio, maior a expectativa de retornos futuros (tudo ou mais constante). Nesse sentido, o último grande momento de compra foi em novembro de 2021.

Quem pegou, pegou!