Um novembro decepcionante para o nível de atividade

O IBGE divulgou hoje a Pesquisa Mensal do Comércio (PMC). Com efeito, completa-se a trilha de divulgação das principais pesquisas de nível de atividade: PMC, PMS (Serviços) e PIM-PF (Indústria). As três pesquisas contam com scripts automáticos que são ensinados/disponibilizados no nosso Curso de Análise de Conjuntura usando o R. A seguir, resumimos as três pesquisas.

Métricas da Indústria Geral (%)
Mensal Interanual Trimestral Anual
2019 Sep 0,2 1,0 0,4 -1,3
2019 Oct 0,8 1,1 0,7 -1,3
2019 Nov -1,2 -1,7 -0,1 -1,3

A tabela acima resume as principais métricas referentes à indústria geral. Em novembro, houve queda na margem de 1,2%, o que acabou impactando as demais métricas. No acumulado em 12 meses, a indústria geral flerta com números negativos.

Métricas da PMS-IBGE (%)
Mensal Trimestral Interanual 12 meses
Receita -0,5 0,7 5,0 4,4
Volume -0,1 0,7 1,9 0,9

Na sequência, analisamos a PMS, que também trouxe uma acomodação de -0,1% em novembro. No acumulado em 12 meses, porém, os Serviços mostram um número positivo de 0,9%.

Métricas da PMC-IBGE (%)
Mensal Trimestral Interanual 12 meses
Volume Restrito 0,6 0,5 2,9 1,6
Receita Restrito 0,9 0,7 4,9 4,6
Volume Ampliado -0,5 0,4 3,8 3,6
Receita Ampliado -0,3 0,5 5,5 6,1

O comércio também sofreu com a posição dos automóveis, gerando um número negativo na margem no conceito ampliado. Em 12 meses, contudo, mantém variação de 3,6%. A seguir, nós consolidamos essa última métrica para as três pesquisas em um gráfico.


Como é possível verificar, na métrica de variação mais suave para as três pesquisas, indústria e comércio parecem ainda não refletir os avanços verificados na margem no segundo semestre. Enquanto isso, os serviços mantém alguma estabilidade no período, ainda que experimentem uma trajetória distinta das duas outras pesquisas. Das três, apenas a indústria flerta com números negativos, acusando os efeitos dos choques que abalaram a economia brasileira nos últimos anos.

_________________

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.