Efeito sísmico do coronavírus sobre a previsão do PIB

Economistas de mercado estão nesse momento com uma pergunta difícil de ser respondida: qual será o efeito do coronavírus sobre a economia brasileira? As medidas de distanciamento social necessárias para conter a pandemia no país paralisaram o nível de atividade, em particular o setor de serviços, fazendo com que desabe o crescimento do PIB nesse ano. O mais provável é que tenhamos uma recessão econômica. E aí vai a pergunta: de qual tamanho?

Para ilustrar o tamanho da incerteza, vamos pegar o desvio-padrão das projeções de crescimento do PIB da pesquisa Focus, diretamente do Sistema de Expectativas do Banco Central através do pacote rbcb.


library(rbcb)
library(ggplot2)
library(scales)
library(ggrepel)
library(png)
library(grid)
library(dplyr)
library(magrittr)

pibe = get_annual_market_expectations('PIB Total',
start_date = '2015-01-01')

img <- readPNG('logo.png')
g <- rasterGrob(img, interpolate=TRUE)

filter(pibe, reference_year == 2020 & date > '2016-02-01') %>%
ggplot(aes(x=date))+
geom_line(aes(y=sd), size=.8)+
labs(title='Desvio-padrão das previsões para o crescimento do PIB em 2020',
caption='Fonte: analisemacro.com.br com dados do BCB.')+
xlab('')+ylab('')+
scale_x_date(breaks = date_breaks("2 months"),
labels = date_format("%b/%Y"))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
theme(panel.background = element_rect(fill='#acc8d4',
colour='#acc8d4'),
plot.background = element_rect(fill='#8abbd0'),
axis.line = element_line(colour='black',
linetype = 'dashed'),
axis.line.x.bottom = element_line(colour='black'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
legend.position = c(.5,.4),
legend.background = element_rect((fill='#acc8d4')),
legend.key = element_rect(fill='#acc8d4',
colour='#acc8d4'),
plot.margin=margin(5,5,15,5))+
annotation_custom(g,
xmin=as.Date('2016-02-03'),
xmax=as.Date('2017-12-30'),
ymin=1, ymax=2)

A tarefa de verificar o impacto da pandemia sobre o nível de atividade é provavelmente o maior desafio da profissão nos últimos anos.

(*) Isso e muito mais você aprende em nossos Cursos Aplicados de R.

___________


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Criando Tabelas com o Python: mostrando o poder da linguagem sobre o Excel

Nos dias atuais, pessoas que trabalham com dados estão constantemente confrontados com um dilema: criar uma tabela não tão genial no Excel ou manter em um formato ainda pior, como um dataframe, mas mantendo a flexibilidade de obtenção dos dados. Podemos resolver esse grande problema, unindo a flexibilidade e beleza ao usar a biblioteca great_tables do Python.

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

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.