Produção industrial de agosto gera ânimo com 3º tri

Há alguns dias, comentei nesse espaço sobre os bons números de julho na PMC e PMS e o resultado frustrante da indústria no mesmo mês - ver aqui. O resultado da produção industrial nos meses de agosto e setembro parecia aquela altura ser o fiel da balança para um 3º tri positivo. Pois bem, ontem o IBGE divulgou que a indústria geral cresceu 0,8% na margem - contra o mês de julho. A tabela abaixo faz um resumo da pesquisa nos últimos três meses.

Métricas da Indústria Geral (%)
Mensal Interanual Trimestral Anual
2019 Jun -0,6 -5,8 -0,1 -0,7
2019 Jul -0,2 -2,4 -0,3 -1,3
2019 Aug 0,8 -2,2 0,0 -1,7

É o terceiro resultado positivo na margem esse ano, para uma produção industrial bastante machucada pelos problemas na Argentina. De modo a ilustrar, ploto abaixo o número-índice dessazonalizado da produção industrial.

Como se vê, os últimos meses têm sido marcados por queda no índice, após o choque pronunciado na série, causado pela greve dos caminhoneiros. O gráfico abaixo traz as métricas obtidas a partir dos números-índices da produção industrial.

Como se vê, é difícil extrair alguma tendência com base apenas nos dados da produção industrial. Há alguma esperança, contudo, que o resultado de agosto se repita em setembro, o que abre boas perspectivas para o PIB do 3º tri. Com efeito, esperamos, agora, por um resultado mais próximo de 0,4% na margem no PIB do 3º trimestre.

Uma apresentação da pesquisa feita em RMarkdown está disponível aqui.

_________________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

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.