Queda do IPCA surpreende pela sexta vez seguida

A inflação no Brasil segue em rápida trajetória de queda. O IPCA de fevereiro, divulgado ontem pelo IBGE, subiu 0,33%, bem abaixo das expectativas do mercado. Assim, o índice acumulado em 12 meses recuou de 10,36% em fevereiro de 2016 para 4,76% agora. Que baita mudança, hein?

Para acompanhar essa trajetória, fiz no R o gráfico a seguir.

 

 

Usei a série do IPCA em 12 meses retirada do Sistema Gerenciador de Séries Temporais do BC e montei o gráfico com o pacote ggplot2, através do código abaixo:

library(TStools)
library(ggplot2)
source('bcb.R')

ipca12m = ts(getSeries(13522, data.ini='01/01/2015', 
                              data.fim='01/02/2017')$valor,
                              start=c(2015,01), freq=12)
data_mes = seq(as.Date('2015-01-01'), as.Date('2017-02-01'), by='1 month')
dados12m=data.frame(data_mes,ipca12m)

ggplot(data = dados12m, aes(x=data_mes, y=ipca12m))+ 
       geom_line(size=1.5, colour="#1a476f")+
       geom_point(size=15, shape=21, colour="#1a476f", fill="white")+
       geom_text(aes(label=ipca12m), size=4.5, hjust=0.5, vjust=0.5, shape=21, colour="#1a476f")+
       xlab('Mês de divulgação') + ylab('variação em 12 meses (%)')+
       labs( title='IPCA em 12 meses',
       subtitle= 'var. % acumulada',
       caption='Fonte: analisemacro.com.br' )+
       theme_economist()+
       theme(plot.title = element_text(hjust = 0.5, size=22), 
       plot.subtitle = element_text(hjust = 0.5, size=12)
)

 

O grupo “alimentos e bebidas” representa 25% da cesta do IPCA, e registrou deflação de 0,45% no mês. A maioria dos outros grupos também teve variação baixa. A exceção foi a alta de 5,04% em educação, já que o reajuste das mensalidades escolares se concentra em fevereiro. Mas, desta vez, ela não foi suficiente para tornar alto o IPCA.

Com isso, a inflação foi a menor para um fevereiro desde o ano 2000, e muito abaixo da média pós-plano real. O gráfico a seguir demonstra isso. Ele é a modificação de outro já postado no blog aqui. Foi gerado usando diversas “camadas” no ggplot2 para sobrepor as informações (barras azuis, ponto vermelho, linha horizontal e a média histórica)¹.

 

 

A redução prolongada dos preços de alimentos está sendo fundamental para a redução da inflação desde o fim do ano passado. Nos próximos posts discutiremos alguns de seus determinantes, como o declínio do fenômeno climático El Niño em meados de 2016.

--

¹ O pacote ggplot2 aplica o conceito de “Grammar of Graphics”, desenvolvido por Leland Wilkinson. A ideia básica é permitir combinar diversos componentes independentes para montar gráficos sofisticados. Através desse pacote é possível combinar “camadas” de informação, e aplicar propriedades a elas, de forma razoavelmente simples. Para uma explicação mais ilustrativa, visite http://www.science-craft.com/2014/07/08/introducing-the-grammar-of-graphics-plotting-concept/

 

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.