RESUMO No contexto contemporâneo, a economia global pode ser descrita como um sistema baseado em agentes que, quando associados, manifestam seus próprios meios e fins. A crise das hipotecas subprime nos Estados Unidos é um bom exemplo das implicações desse tipo de relacionamento. Ela está diretamente relacionada a poderosos laços de realimentação, compostos por uma série de variáveis que amplificaram o fato de as famílias americanas terem se endividado em ritmo maior do que a sua distribuição de riqueza, prejudicada pela externalização da produção. Há atualmente uma nova estrutura na economia internacional, em que as ex-nações subdesenvolvidas estão mais bem posicionadas no cenário macroeconômico e têm maior poder do que antes - uma consequência do necessário rearranjo sistêmico. Diante dessa complexa dinâmica, a função de inteligência que deveria controlar e garantir a estabilidade sistêmica falhou em perceber a dinâmica e os impactos da nova cultura atrelada ao comportamento do capital contemporâneo, para evitar a perda da hegemonia. Observando-se ex post facto, por meio de um enfoque sistêmico, a crise econômica americana pode ser definida como tendo suas raízes nas premissas de todo o arcabouço cultural da globalização que acabou por conduzir à externalização da produção. Assim, o contexto sistêmico desta análise aponta que a cultura, como importante gerador e amplificador, deve ser o principal foco dos intentos de análise do atual contexto socioeconômico global.

ABSTRACT In the contemporary context, the global economy can be described as a system based on agents that, as a whole, reveal their own means and ends. The subprime mortgage crisis in the United States is a good example of the implications of such relationshyips, for it was directly related to powerful feedback loops comprising a number of variables that amplified the fact that American families had incurred more debts than their share of the national wealth, enhanced by the outsourcing of production. There is now a new structure in the international economy, in which the former underdeveloped nations are better positioned in the macroeconomic scenario and have greater power than before - a consequence of the necessary systemic rearrangement. Given this complex dynamics, the intelligence function that should monitor and ensure systemic stability failed to be effective and misunderstood the dynamics and the impacts of the capitalist cultural elements in order to avoid losing its hegemony. Observing through a systemic approach, the American economic crisis can be defined as rooted in the premises of the entire framework of cultural globalization that eventually led to the outsourcing of production. Thus, the systemic context of this analysis shows that culture, as an important generator and amplifier, should be the main focus of any attempt to analyze the current global socioeconomic context.

As estimações das taxas de inflação são de fundamental importância para os gestores, pois as decisões de investimento estão intimamente ligadas a elas. Contudo, o comportamento inflacionário tende a ser não linear e até mesmo caótico, tornando difícil a sua correta estimação. Essa característica do fenômeno pode tornar imprecisos os modelos mais simples de previsão, acessíveis às pequenas organizações, uma vez que muitos deles necessitam de grandes manipulações de dados e/ou softwares especializados. O presente artigo tem por objetivo avaliar, por meio de análise formal estatística, a eficácia das redes neurais artificiais (RNA) na previsão da inflação, dentro da realidade de organizações de pequeno porte. As RNA são ferramentas adequadas para mensurar os fenômenos inflacionários, por se tratar de aproximações de funções polinomiais, capazes de lidar com fenômenos não lineares. Para esse processo, foram selecionados três modelos básicos de redes neurais artificiais Multi Layer Perceptron, passíveis de implementação a partir de planilhas eletrônicas de código aberto. Os três modelos foram testados a partir de um conjunto de variáveis independentes sugeridas por Bresser-Pereira e Nakano (1984), com defasagem de um, seis e doze meses. Para tal, foram utilizados testes de Wilcoxon, coeficiente de determinação R² e o percentual de erro médio dos modelos. O conjunto de dados foi dividido em dois, sendo um grupo usado para treinamento das redes neurais artificiais, enquanto outro grupo era utilizado para verificar a capacidade de predição dos modelos e sua capacidade de generalização. Com isso, o trabalho concluiu que determinados modelos de redes neurais artificiais têm uma razoável capacidade de predição da inflação no curto prazo e se constituem em uma alternativa razoável para esse tipo de mensuração.

Estimation of inflation rates is crucial for managers, because investment decisions are closely linked to them. However, the behavior of inflation tends to be nonlinear and even chaotic, making it difficult to be estimated. This characteristic may become simplest models, accessible for small organizations, inaccurate to forecasting the phenomenon, since many of these require large data manipulations and/or specialized software. This article aims to evaluate, through formal statistical analysis, the effectiveness of artificial neural networks in inflation forecasting at small organizations reality. ANNs are appropriated tools to measure the phenomena of inflation, as they are approximations of polynomial functions, capable of dealing with nonlinear phenomena. This article selected three basic models of Multi Layer Perceptron artificial neural networks, simple enough to be implemented whit open source spreadsheets. These three models were tested from a set of independent variables suggested by Bresser-Pereira and Nakano (1984), with a lag of one, six and twelve months. For that were used Wilcoxon test, coefficient of determination R² and the average percent error of tested models. Data set was divided into two, one group used for artificial neural networks training and another group used to verify models predictive ability and their ability to generalize. This work concluded that certain models of artificial neural networks have a reasonable ability to predict inflation in the short run and constitute a reasonable alternative for this type of measurement.

Las estimaciones de las tasas de inflación son cruciales para directivos ya que las decisiones de inversión están estrechamente vinculadas a ellas. Sin embargo, el comportamiento de la inflación tiende a ser no lineal e incluso caótico, lo que dificulta la correcta estimación. Esta característica del fenómeno puede hacer inexactos los modelos más simples para el pronóstico, accesible a las pequeñas organizaciones, ya que muchos de estos requieren manipulaciones de datos grandes y/o software especializado. Este artículo tiene como objetivo evaluar, mediante un análisis estadístico formal, la eficacia de las redes neuronales artificiales en el pronóstico de la inflación, dentro de la realidad de las pequeñas organizaciones. Las RNA son herramientas adecuadas para medir el fenómeno de la inflación, ya que son aproximaciones de funciones polinómicas, capaz de hacer frente a fenómenos no lineales. Para este proceso fueron seleccionados tres modelos básicos de las redes neuronales artificiales Multi Layer Perceptron, aplicables desde la fuente de las hojas de cálculo de código abierto. Los tres modelos fueron probados a partir de un conjunto de variables independientes sugerido por Bresser-Pereira y Nakano (1984), con retraso de un, seis y doce meses. Para este fin, se utilizaron las pruebas de Wilcoxon, coeficiente de determinación R² y el porcentaje medio de error de los modelos. El conjunto de datos se dividió en dos, siendo uno de los grupos utilizado para la formación de redes neuronales artificiales, mientras que otro grupo se utilizó para verificar la capacidad predictiva de los modelos y su capacidad de generalización. Con esto, el trabajo concluyó que ciertos modelos de redes neuronales artificiales tienen una capacidad razonable para predecir la inflación en el corto plazo y constituyen una alternativa razonable para este tipo de medición.