Rodando um BVAR para prever o desemprego com o R

Amanhã sai a PNAD Contínua referente a setembro de 2016. Temos um modelo BVAR (ver aqui) que prevê o desemprego medido por essa pesquisa. Abaixo, o que ele projeta. O desemprego só começa a melhorar a partir de meados do próximo ano... 🙁

 

point.desemprego point.pea point.po mean.desemprego mean.pea mean.po
set/16 11.92 -2.16 1.15 11.92 -2.16 1.15
out/16 12.05 -2.16 1.08 12.05 -2.17 1.06
nov/16 12.15 -2.15 1.00 12.16 -2.16 0.96
dez/16 12.23 -2.13 0.91 12.25 -2.15 0.83
jan/17 12.31 -2.09 0.82 12.32 -2.11 0.68
fev/17 12.35 -2.06 0.72 12.36 -2.06 0.51
mar/17 12.36 -1.99 0.62 12.37 -1.98 0.32
abr/17 12.38 -1.90 0.53 12.35 -1.88 0.11
mai/17 12.34 -1.83 0.43 12.29 -1.75 -0.12
jun/17 12.32 -1.72 0.34 12.21 -1.60 -0.38
jul/17 12.23 -1.61 0.23 12.08 -1.41 -0.67
ago/17 12.15 -1.48 0.15 11.91 -1.18 -1.00

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.