IBRE/FGV lança Indicador de Incerteza Econômica

O IBRE/FGV lançou ontem o Indicador de Incerteza da Economia Brasileira, composto por três medidas: "i) a primeira, IIE-Br-Mídia, é baseada na frequência de notícias com menção à incerteza; ii) a segunda, IIE-Br-Expectativa, é construída a partir das dispersões das previsões de especialistas para a taxa de câmbio e para o IPCA; e iii) o último componente é baseado na volatilidade do mercado financeiro, o IIE-Br Mercado". Para os interessados, abaixo um rápido script para baixar os dados do site do IBRE e fazer um gráfico...

######################################
##### Incerteza econômica ############


library(XLConnect)
library(ggplot2)

## Importar dados

temp <- tempfile()
url <- 'http://bit.ly/SHincertezanov16'
download.file(url, temp, mode='wb')
data <- loadWorkbook(temp)
data <- readWorksheet(data, sheet=1, colTypes = c('POSIXt', 'numeric'))

## Gráfico

ggplot(data, aes(x=Data, y=IIEBR))+
 geom_line(size=.8, colour='darkblue')+
 xlab('')+
 ylab('')+
 labs(title='Índice de Incerteza Econômica do IBRE/FGV')+
 theme(plot.title = element_text(hjust = 0.5))

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando Tabelas com o Python: mostrando o poder da linguagem sobre o Excel

Nos dias atuais, pessoas que trabalham com dados estão constantemente confrontados com um dilema: criar uma tabela não tão genial no Excel ou manter em um formato ainda pior, como um dataframe, mas mantendo a flexibilidade de obtenção dos dados. Podemos resolver esse grande problema, unindo a flexibilidade e beleza ao usar a biblioteca great_tables do Python.

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

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.