IBC-Br: Recuperação mais do que comprometida

O Banco Central acabou de divulgar os resultados do Índice de Nível de Atividade da instituição - o IBC-Br - referente ao mês de fevereiro. Nada animadores, diga-se. Pelo segundo mês seguido, a variação na margem veio negativa: 0,73% em relação a janeiro. Também na variação da média móvel trimestral - últimos três meses contra os três meses imediatamente anteriores - houve recuo de 0,21%. Uma indicação de que a recuperação da economia nesse ano está bastante comprometida.

Aprenda a analisar o IBC-Br e vários outros índices no Curso de Análise de Conjuntura usando o R 

Nas métricas mais suavizadas, por seu turno, ainda há crescimento positivo. A variação interanual, o IBC-Br cresceu 2,49% em fevereiro, enquanto no acumulado em 12 meses registra alta de 1,21%.

O pessimismo captado pelo IBC-Br, a propósito, se soma à sétima redução semanal do crescimento previsto para 2019 captado no boletim Focus. No último dado disponível, espera-se crescimento de 1,95%.

O pessimismo está em grande parte associado à possibilidade de não aprovação da reforma da previdência ou à aprovação de uma reforma bem mais desidratada do que a versão entregue pelo governo ao Congresso.

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.