Qual a participação do BNDES no crédito total?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

O mínimo que se espera em debates econômicos é o uso correto dos dados. Isso dito, para a pergunta qual a participação do BNDES no crédito total não dá para citar a concessão de crédito do banco em um mês e confrontar esse dado com o crédito total concedido no mesmo mês. Ao invés de olhar o fluxo em um mês o correto é investigar o estoque. O código abaixo faz isso.

library(ggplot2)
library(BETS)

cred = window(BETS.get(20539), start=c(2007,03))

bndes.pj = BETS.get(20604)
bndes.pf = BETS.get(20616)
bndes = (bndes.pj+bndes.pf)/cred*100

autoplot(bndes)+
 geom_area(stat='identity', colour='red', fill='red')+
 scale_x_discrete(limits=c(2007:2017))+
 xlab('')+ylab('')+
 labs(title='Participação do BNDES no Crédito Total (%)',
 caption='Fonte: analisemacro.com.br com dados do BCB.')

 

E abaixo o gráfico...

Na ponta, por suposto, a participação do banco no crédito total está em 18,73%.

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

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.